普林斯顿团队发现英伟达B200 GPU因软硬件不匹配导致60%算力浪费，利用率仅为20%-30%。经过FlashAttention-4算法优化后，利用率提升至71%。该算法通过改进指数运算和内存管理，显著提高计算效率，并将编译速度提升至30倍。

在NVIDIA GTC展会上，我们展示了基于MAX框架的FLUX图像生成和Mojo编程的CUTLASS内核移植。DeepSeek V3在云端运行，提供实时指标，欢迎到3004号展位交流。

加州大学圣地亚哥分校的Hao AI实验室获得NVIDIA DGX B200系统，提升了大语言模型推理研究。该系统加速了FastVideo和Lmgame基准，推动低延迟LLM服务的探索。研究人员通过分离预填充和解码任务，优化了系统性能，改善了用户体验。

AWS推出了支持NVIDIA B200的Amazon EC2 P6-B200实例，专为AI、机器学习和高性能计算设计。该实例配备8个NVIDIA B200 GPU和1440GB内存，性能是P5en实例的两倍，适合大规模AI训练和推理。用户可在美国西部区域预留容量块，并支持与多种AWS服务集成。

Super Micro Computer, Inc.（SMCI）宣布其NVIDIA HGX B200 8-GPU系统在MLPerf Inference v5.0基准测试中表现优异，液冷和风冷系统的性能超过H200系统3倍，新冷却技术显著提升了冷却能力，支持更高密度和性能。

英伟达推出了Blackwell B200 GPU和GB200超级芯片，提供了更高的性能和能效。B200 GPU提供20 petaflops的FP4算力，而GB200则将两个GPU与一个Grace CPU结合，性能提升30倍。英伟达的目标是拥有更大设计的公司，如GB200 NVL72，提供720 petaflops的AI训练性能。亚马逊、谷歌、微软和甲骨文计划在其云服务中提供NVL72机架。英伟达的系统可以扩展到数万个GB200超级芯片。