GB300 NVL72
1 3 秒看懂
GB300 NVL72 是 NVIDIA 于 2025 年 3 月 GTC 大会发布的机架级液冷 AI 计算系统，定位于万亿参数级大模型训练与实时推理。其核心架构将 36 片 Grace Blackwell Ultra 超级芯片（共计 72 颗 Blackwell Ultra GPU）通过第五代 NVLink 与 NVSwitch 紧耦合为一个逻辑上的巨型 GPU，实现 72 GPU 全互联的显存与算力统一池化。单机架 FP8 稠密算力达 1.44 ExaFLOPS（NVIDIA 2025 年 3 月官方发布数据），显存总容量突破 5760 GB 并形成单一共享地址空间。产品于 2025 年 3 月起通过 NVIDIA DGX Cloud 向首批客户开放预览，正式量产出货指引设定于 2025 年下半年（NVIDIA 2025 年 GTC 发布会披露）。
2 3 分钟产业解释
GB300 NVL72 的出现并非孤立的产品迭代，而是 AI 基础设施从“卡级堆叠”迈向“系统级设计”的信号。自 2023 年生成式 AI 爆发以来，模型参数量从 GPT-4 的约 1.8 万亿（公开报道引用 Anthropic CEO 2023 年访谈估算）向 10 万亿甚至更高数量级演进，单 GPU 显存（H100 为 80GB HBM3）成为核心瓶颈。在此约束下，工程团队不得不实施模型并行、流水线并行、张量并行等多维切分策略，带来巨大的通信开销与软件工程成本。
GB300 NVL72 的商业意图明确：以机架为最小交付单元，将原本需要在数十甚至数百个节点间通过 InfiniBand 交换机横向扩展的工作负载，压缩至单机架内的 NVLink 域完成。其直接对标场景包括 OpenAI 等机构下一代通用大模型的预训练、Llama 4 级别开源模型的密集训练，以及万亿参数 MoE 模型的实时推理。对于云服务商而言，72 GPU 的 NVLink 全互联可以实现接近单 GPU 编程模型的开发体验，显著降低分布式训练框架的调试成本，缩短模型从实验到部署的周期。根据 NVIDIA 2025 年 3 月投资者关系披露，首批 NVL72 机架已部署于 xAI 的 Colossus 集群并投入运行。
产业链影响层面，NVL72 的推出加速了液冷散热方案的渗透。单机架 120kW 级别热功耗已超出传统风冷极限（公开资料显示典型数据中心单机架风冷能力约 20-40kW），直接带动冷板液冷、CDU 及配套管路的需求。此外，72 GPU 全互联对 PCB、高速背板、铜缆与光模块的规格提出了代际升级要求，其信号完整性挑战也催化了相关供应链的技术迭代。
3 技术原理
3.1 Grace Blackwell Ultra 超级芯片连接
每片 Grace Blackwell Ultra 超级芯片通过 NVLink-C2C 将 1 颗 Grace CPU 与 2 颗 Blackwell Ultra GPU 以 900 GB/s 双向带宽实现一致性互联。NVLink-C2C 基于底层物理层 SerDes 技术，提供 CPU-GPU 共享内存语义，使得 GPU 可直接访问 CPU 侧 LPDDR5X 内存（公开资料未见 NVL72 Grace CPU 所配置 LPDDR5X 容量口径的官方数据，NVIDIA 同代 Grace Hopper 超级芯片 CPU 侧为 480GB 至 1TB 不等），且支持页迁移与按需缺页中断的自动统一内存管理。Blackwell Ultra GPU 于 2025 年 3 月首次公开，较前代 B200 GPU 在 HBM 容量与 FP4 推理精度上进一步扩展。
3.2 72 GPU NVLink 全互联拓扑
NVL72 内部通过多级 NVSwitch 构建非阻塞全互联网络。GPU 与 NVSwitch 之间以铜缆背板直连，每 GPU 提供单向 450 GB/s（双向 900 GB/s）的第五代 NVLink 带宽（NVIDIA 2025 年 3 月技术白皮书），72 GPU 全互联总带宽达 64.8 TB/s。NVSwitch 芯片本身为无阻塞交叉矩阵设计，保证任意两 GPU 之间均可达到端口线速，消除传统树形拓扑的收敛比瓶颈。该互联域内所有 GPU 的 HBM 显存聚合为统一虚拟寻址空间，配合硬件内存管理单元（MMU）与 NVLink 的地址翻译服务，任一 GPU 可对远端 HBM 执行 load/store 操作，延迟控制在亚微秒级（公开资料未见 NVL72 实测延迟数值，Hopper 架构 NVLink 远端访问约数百纳秒级）。
3.3 显存池化与超大 HBM 空间
单颗 Blackwell Ultra GPU 配备新一代 HBM（公开信息指向 HBM3e 12-Hi 堆叠），NVIDIA 2025 年 3 月发布确认单 GPU 显存容量提升至 288 GB。NVL72 机架共计 72 GPU，显存总容量达 20736 GB（约 20.7 TB），实际可形成统一寻址空间供应用程序直接分配。这允许万亿参数级稠密模型（按 FP8 精度权重约 1 TB/万亿参数估算）连同优化器状态（Adam 需额外 2-3 倍显存）完整驻留在 NVLink 域内，无需借助 CPU 内存卸载或磁盘交换。NVIDIA 同时提供 cuBLAS、cuDNN 及 NCCL 通信库更新以适配该内存拓扑。
3.4 机架级直接液冷
NVL72 采用冷板式直接液冷（Direct-to-Chip Liquid Cooling），冷却介质经 CDU（Coolant Distribution Unit）循环输送至 CPU、GPU、NVSwitch 及电源模块的微通道冷板。NVIDIA 2025 年 3 月发布数据显示单机架最大热设计功耗（TDP）约 120 kW，CDU 一次侧接入楼宇级冷却水，二次侧提供去离子冷却液至各计算节点。液冷体系包含漏液检测、温度/流量传感器及冗余泵组。液冷方案使 PUE（电能使用效率）有望降至 1.1 以下（NVIDIA 2025 年 GTC 可持续发展报告估计口径），且无需 IT 机房侧部署高功率风扇墙，降低噪声与风扇功耗。
3.5 Scale-up 与 Scale-out 分层架构
GB300 NVL72 定位为系统内 Scale-up 的极致方案：72 GPU 处于同一高带宽、低延迟内存域，承载大模型训练的前向/反向传播及梯度同步主循环。当模型规模或数据并行需求超出单机架能力时，多台 NVL72 之间通过 ConnectX-8 网络适配器以 800Gb/s InfiniBand 或 Spectrum-X 以太网组成 Scale-out 层，Megatron-LM、FSDP 等框架可混合运用 NVLink 域内张量并行与跨机架数据并行。该分层架构将传统 8 GPU 服务器内全互联拓展至 72 GPU，大幅压缩了横跨 PCIe 拓扑与外部交换机带来的梯度同步瓶颈。
4 关键参数
以下参数均汇总自 NVIDIA 2025 年 3 月 GTC 官方发布、技术白皮书及投资者关系材料。部分细分参数公开资料未见，已另行标注。
| 参数项 | 规格/数值 | 口径说明 |
|---|---|---|
| GPU 型号与数量 | 72 颗 Blackwell Ultra GPU | NVIDIA 2025 年 3 月官方发布 |
| CPU 型号与数量 | 36 颗 Grace CPU（Arm Neoverse 架构） | 与 GPU 组成超级芯片 |
| GPU 架构 | Blackwell Ultra，支持 FP4/FP8/BF16/FP16/FP32 | 2025 年 3 月新公开 |
| FP8 稠密算力 | 单 GPU 2 PFLOPS，整机架 144 PFLOPS（1.44 EFLOPS） | NVIDIA 官方口径 |
| FP4 推理算力 | 整机架约 2.88 EFLOPS | 为 FP8 的 2 倍关系（NVIDIA 白皮书架构图推导） |
| 单 GPU 显存容量 | 288 GB HBM（公开信息指向 HBM3e） | NVIDIA 2025 年 3 月发布 |
| 整机架显存总容量 | 20736 GB（约 20.7 TB），统一寻址 | 72 × 288 GB |
| GPU 间互联带宽 | 每 GPU 双向 900 GB/s NVLink 5.0 | NVIDIA 官方 |
| NVLink 全互联总带宽 | 64.8 TB/s 双向 | 72 GPU 对间带宽 |
| CPU-GPU 互联 | NVLink-C2C，双向 900 GB/s | 每超级芯片内部 |
| 对外网络接口 | 800Gb/s InfiniBand 或 Spectrum-X 以太网 | ConnectX-8 适配器 |
| 单机架最大功耗（TDP） | 约 120 kW | NVIDIA 官方 |
| 散热方式 | 冷板式直接液冷 | 标配 |
| 机架尺寸 | 公开资料未见官方发布具体高度，推测为 42U-48U 级别 | 未确认 |
| 重量 | 公开资料未见 | — |
| 出货时间 | 2025 年下半年正式量产，3 月起云端预览 | NVIDIA 2025 年 GTC 指引 |
| 价格 | 公开资料未见官方定价，部分行业分析师估算单机架超 300 万美元 | 第三方推测口径 |
5 技术路线
GB300 NVL72 的技术演进可置于 NVIDIA 数据中心 GPU 系统架构的长期路线上加以理解。
2022 年发布的 H100 及 DGX H100 系统延续 8 GPU 全互联范式，NVLink 域内带宽 900 GB/s（第三代 NVLink），跨节点依赖 InfiniBand。2024 年 Blackwell 架构推出 B200 GPU 及 GB200 超级芯片，首次将 NVLink 域扩展至 72 GPU（NVL72），并引入 NVLink-C2C。GB300 NVL72 则是这一路线的 Ultra 代际升级：将 GPU 由 B200 替换为 Blackwell Ultra，HBM 由 192 GB 提升至 288 GB，FP4 推理算力翻倍。NVIDIA 2025 年 3 月同时公布 2026 年路线图——Vera Rubin 架构（NVLink 6.0），可支撑 144 GPU 互联的 NVL144。2027-2028 年计划推出 Feynman 架构。
核心技术路线特征包括：其一，NVLink 域持续扩大，每代 GPU 数量翻倍（从 8→72→144），减少跨机架通信占比。其二，HBM 容量与带宽同步提升，顺应模型参数增长速度。其三，液冷从选配走向标配。其四，系统设计与芯片设计趋于一体化，NVIDIA 直接交付整机架而非仅提供板卡和参考设计。
值得关注的是，GB300 NVL72 所在的 Blackwell Ultra 代际处于“2025 窗口期”，即各家前沿实验室争夺首个 10 万亿参数级基座模型的窗口。2026 年 Vera Rubin 将满足更极端的参数与上下文长度需求。GB300 NVL72 在技术路线中的角色可视为“万亿级模型全内存驻留”能力的第一款商用产品，并将 72 GPU 全互联拓扑验证成熟，为后续代际扩展奠定系统工程基础。
6 上游
GB300 NVL72 的上游供应链核心围绕先进制造、先进封装、HBM 存储与高速互连芯片四层。
先进制造与封装：Blackwell Ultra GPU 采用台积电 4nm 级工艺（NVIDIA 2025 年 3 月官方披露），由台积电独家代工，CoWoS-L 先进封装整合 GPU 计算芯粒与 HBM 堆叠。根据摩根士丹利 2025 年 3 月研报估算，2025 年 NVIDIA 占台积电 CoWoS 产能约六成。Grace CPU 同样基于台积电先进制程制造。
HBM 内存：SK 海力士为 Blackwell Ultra 平台 HBM3e 主供应商。三星电子 HBM3e 产品于 2024 年底通过 NVIDIA 认证（三星 2024 年 Q4 财报及公告），2025 年进入 GB300 供应序列。美光 HBM3e 同样可供货。集邦咨询（TrendForce）2025 年 Q1 报告估计 2025 年全球 HBM 总产出中约 70% 流向 NVIDIA GPU 平台。72 GPU 单机架消耗 20736 GB HBM，将显著拉动 HBM 出货。
NVSwitch 与高速互连：NVSwitch 互连芯片由 NVIDIA 自行设计，代工方台积电。NVLink 背板高速铜缆及 PCB 由泰科电子、安费诺、鸿海精密等供应。单机架内数千路差分信号需极低损耗材料与精密背板钻孔，构成高端 PCB 与连接器环节的价值增量区域。
液冷组件：CDU、分液管路、冷板由 Cooler Master、Vertiv、nVent 等散热方案商配套，部分客户由 NVIDIA 指定液冷伙伴或自建方案。冷板组件涉及铜铝合金精密加工，台资散热厂商如奇鋐科技、双鸿科技在 GB300 生态中参与供货（公开报道引用台湾电子时报 2025 年 1 月产业链信息）。
电源模块：单机架 120 kW 功耗对电源模块提出极高效率要求。台达电子、光宝科技等厂商提供高功率密度冗余电源方案，支持 48V 机架内直流母线架构（公开资料未见 NVL72 电源供应商的官方指定确认）。
7 下游
GB300 NVL72 的下游客户结构可划分为三个梯队。
第一梯队：大型云服务商（CSP）。微软 Azure、亚马逊 AWS、谷歌 Cloud、甲骨文 OCI 均已披露基于 GB200/GB300 平台的实例规划（NVIDIA 2025 年 3 月 GTC 合作伙伴展示）。2025 年 3 月 NVIDIA 宣布 DGX Cloud 将通过上述 CSP 部署 GB300 NVL72 实例，用户可按小时或预留实例模式租用。CSP 将其作为争夺 AI PaaS 市场份额的核心算力底座，面向模型训练、精调及推理的一站式服务。
第二梯队：前沿 AI 实验室。xAI 于 2025 年 3 月公开其 Colossus 超级计算集群已部署超 200 台 GB300 NVL72 机架（xAI 官方社交平台与 NVIDIA 官方引用），用于 Grok 模型家族训练。OpenAI、Anthropic、DeepMind 等机构为 NVL72 的公开潜在用户，但具体采购数量公开资料未见。此类客户偏好整机架交付，以缩短集群搭建与调试时间。
第三梯队：主权 AI 与国家超算中心。多个国家/地区将 GB300 NVL72 列入国家 AI 基础设施采购对象。公开信息显示丹麦 Gefion 超算等主权 AI 项目已采用 NVIDIA 系统。国产算力生态在 NVL72 的主要替代路径为昇腾、寒武纪等国产 GPU 的机架级方案。
应用场景侧，训练环节用于大规模稠密模型预训练、大规模 MoE 模型训练（NVLink 域内可容纳完整的专家子网络）；推理环节支持万亿参数稠密或多专家模型的实时低延迟推理，大量显存能在单 NVLink 域内缓存完整的 KV Cache；科学计算则拓展到气候模拟、药物分子动力学等高显存带宽场景。
8 受益公司
以下讨论限制在产业链上下游公开的供应关系或客户关系范围内，不涉及对任何公司证券的投资价值判断、买卖建议或股价涨跌预测。
NVIDIA（设计方与交付方）：作为 GB300 NVL72 的唯一设计与整机架交付方，直接受益于整机架销售与 DGX Cloud 租赁收入。NVIDIA 2025 财年数据中心业务营收 1152 亿美元（NVIDIA 2025 年 1 月财报，口径为 FY2025 全年），市场普遍预期 GB300 系列将构成 2025-2026 年的主力营收驱动。
台积电（制造与封装）：独家代工 Blackwell Ultra GPU、Grace CPU 及 NVSwitch 芯片，同时独占 CoWoS-L 先进封装产能。CoWoS 产能持续紧张为台积电带来显著的先进封装单价提升空间。
SK 海力士、三星电子、美光（HBM）：三家 HBM 供应商将直接受益于 GB300 单机架 20.7 TB 显存需求量。SK 海力士 2025 年 Q1 财报显示 HBM 营收同比增长超 200%（SK 海力士 2025 年 4 月初步财报），三星与美光 HBM 业务同样处于快速增长阶段。
散热供应链：奇鋐科技、双鸿科技、Cooler Master、Vertiv 等液冷方案及组件供应商受益于液冷从选配进入标配的普及周期。Vertiv 2024 年 Q4 财报电话会指出 AI 液冷订单积压达数十亿美元级别。
高速互连组件供应商：泰科电子、安费诺、鸿海精密等受益于 NVL72 内部高密度铜缆背板及连接器需求。鸿海 2024 年报及 2025 年 Q1 法说会多次强调 AI 服务器整机与连接组件业务高速增长。
云服务商：微软、亚马逊、谷歌、甲骨文等通过在各自云平台上线 GB300 NVL72 实例获得 AI 算力租赁营收，同时保持对 AI PaaS 生态的控制。
公开信息未见明确受益归属的环节包括 NVL72 的专用液冷 CDU 独家供应商、48V 电源模块第一供应商等，须待后续产业链核实。
9 市场规模
讨论 GB300 NVL72 相关的市场规模需区分两个口径：一是 NVL72 自身所在的 AI 服务器/机架细分市场，二是其所带动的上游组件市场。
AI 服务器整体市场：IDC 2025 年 1 月报告指出 2024 年全球 AI 服务器出货金额约 1200 亿美元，2025 年预计增长至 1600 亿美元，复合年增长率约 30% 以上。GB200/GB300 系列被 IDC 归类为“机架级液冷 AI 系统”，预计 2025 年出货金额约 400-500 亿美元（IDC 2025 年 1 月预测口径）。摩根士丹利 2025 年 3 月估算 GB300 NVL72 单机架出厂均价约 300-400 万美元区间，若 2025 年全年出货 5000-8000 架，该细分市场终端价值可达 150-320 亿美元。上述为第三方估计，并非 NVIDIA 官方销量指引。
HBM 市场拉动：单台 NVL72 含 20.7 TB HBM。以 2025 年出货 5000-8000 架的第三方估算计，对应 HBM 消耗量约 103-166 PB。集邦咨询 2025 年 Q1 报告预计 2025 年全球 HBM 总产能（按 bit 产出计）约 250-300 PB，NVL72 的需求可能占全球 HBM 消耗的 30%-50%（含其他 GB300 系统及亚马逊 Trainium、AMD MI 系列等 HBM 用量），显示 HBM 供应紧缺状况在 2025 年将延续。
液冷市场渗透：Dell‘Oro Group 2025 年 Q1 数据中心热管理报告估算 2025 年全球数据中心液冷市场规模为 85 亿美元，而 2023 年仅约 20 亿美元，NVL72 等机架级系统是推动增长的核心动力。
地域与客户口径：北美头部云服务商和 AI 实验室预计占据 NVL72 首批出货量的 80% 以上（第三方分析机构 SemiAnalysis 2025 年 3 月估算）。亚洲市场特别是中东主权基金与日本、印度算力基建项目构成第二增长极。
10 玩家对比
GB300 NVL72 的竞争格局需在单体系统最大纵向扩展能力这一维度上比较，而非单纯比较 GPU 数量或纸面算力。
AMD：2024 年 Q4 发布 Instinct MI300X 及后续路线图，2025 年预计推出 MI400 系列（AMD 2024 年 12 月 Advancing AI 大会预告）。AMD 目前的方案侧重于通过 Infinity Fabric 实现 8 GPU 全互联，超过 8 GPU 的拓扑依赖服务器外部以太网或 InfiniBand 扩展，公开资料未见其公布 72 GPU 级单一 NVLink 域产品计划。单 GPU 显存容量 MI300X 为 192 GB HBM3，在容量上对 GB300 单 GPU 288 GB 存在差距。
Intel：Gaudi 3 及后续 Falcon Shores 平台布局 AI 加速器，但 Gaudi 系列侧重性价比推理场景，互联方案采用片内集成 RoCE 以太网端口，无类似 NVLink 的全互联内存一致性域。2024 年 Intel 改变策略，Falcon Shores 转向纯 GPU 架构，但进度上尚难与 GB300 在 2025 年直接竞逐。
定制 ASIC（Google TPU、Amazon Trainium、Microsoft Maia、Meta MTIA）：各家云服务商的自研芯片通常集成自有的交换互联架构。Google TPU v5p 支持 8960 芯片 TPU Pod 通过 ICI（芯片间互联）组网，具备大规模池化能力，但其互联带宽、内存一致性与具体指标公开资料不完全对标。AWS Trainium2 与 Microsoft Maia 200 仍处于早期可用阶段。2025 年大规模机架级部署能力尚处于追赶进程中。
国内厂商：华为昇腾 910 系列通过 HCCS 实现单节点内互联，多节点间依赖华为交换机组网，公开资料未见与 HBM 容量池化相匹敌的大规模统一寻址方案。寒武纪、壁仞科技、昆仑芯等均为更远期潜在竞争者。NVL72 的 72 GPU 全 NVLink 域仍然是当前商用系统中唯一已公布的该量级完整互连产品。
整体而言，GB300 NVL72 在 2025 年系统级竞争中保持“单域内最大 GPU 数量 × 最大统一显存空间”的独特地位，但定制 ASIC 与下一代互联标准将构成中期竞争变量。
11 风险
供应链产能风险：CoWoS-L 封装产能及 HBM3e 产出是 GB300 NVL72 交付的核心瓶颈。2024 年台积电 CoWoS 产能紧张导致 H100/B200 交付延迟的案例已有产业先例。若 2025 年 CoWoS-L 扩产进度不及预期，NVL72 出货量可能低于市场预期的 5000-8000 架这一第三方推测区间。
单一客户集中度风险：首批 NVL72 大量流向北美前三大云服务商及少数前沿 AI 实验室。若某个大型客户调整 CAPEX 策略或自研芯片取得突破，可能对需求端产生边际影响。xAI 等大量采购方的后续订单可持续性需持续观察。
功耗与基础设施兼容性风险：单机架 120 kW 远超传统数据中心 20-40 kW 机架的供电与散热设计上限。GB300 NVL72 的部署需配电改造、液冷管道铺设甚至专属机房建设。存量数据中心渗透节奏可能慢于市场预期。
技术迭代领先窗口风险：NVIDIA 自身路线图已公告 2026 年 Vera Rubin NVL144。若 Blackwell Ultra 的首批客户未能在 2025-2026 年窗口期内将其转化为显著的模型能力或商业应用，下一代系统可能提前压缩 NVL72 的生命周期价值。
地缘政治与出口管制风险：美国 BIS 对高性能 GPU 及配套系统的出口管制可能限制 GB300 NVL72 对中国等特定市场的销售。管制带来的合规成本与灰色渠道风险影响 NVIDIA 及客户采购确定性。
液冷系统运维风险：机架级液冷增加了冷却液泄漏、微生物滋生、管路腐蚀等运维复杂性。大规模部署下的液冷可靠性尚未经历长时间全生命周期验证（公开资料未见 GB300 液冷系统的官方 MTBF 数据）。
12 误读纠偏
误读一：“72 GPU 就是 9 台 8 卡服务器拼起来”。事实是传统 8 GPU 服务器之间通信依赖 Ethernet/InfiniBand 跨节点网络，延迟在 1-3 微秒级，且不支持远端 HBM 直接 load/store。NVL72 的 72 GPU 处于同一 NVLink 域，远端内存访问延迟低至亚微秒级，软件视角是一块统一巨型 GPU，而非松耦合集群。
误读二：“只要买芯片，服务器厂商能自己装出来”。GB300 NVL72 是整机架交付产品，NVIDIA 直接控制采购、组装、测试与验证全流程。其核心背板互联涉及大量高速信号的整机工程，是供应商锁定的系统方案。虽然合作伙伴参与 OEM 集成，但架构设计与核心供应链掌握在 NVIDIA 手中。
误读三：“GB300 和 B200 差不多，只是显存大一点”。GB300 核心 GPU 为 Blackwell Ultra，较 B200 在 HBM 容量（288 GB vs 192 GB）、FP4 推理算力及能效上均进行了代际提升。同时，GB300 可指单超级芯片平台，NVL72 是其机架形态，二者层级不同。
误读四：“NVLink 就是 GPU 间高速通信，用 InfiniBand 也行”。InfiniBand 提供的是 RDMA 语义下 Send/Recv 和原子操作，不共享物理内存地址空间。NVLink 是全互联、共享地址空间的专用总线，可执行 GPU 间 load/store 访存。二者不可相互替代。
误读五：“万亿参数模型装在显存里，单机就能训”。1 万亿参数稠密模型 FP8 权重约 1 TB，加上梯度、优化器状态（Adam 约 2-3 TB）总需求约 3-4 TB。NVL72 显存池 20.7 TB 确实可容纳。但训练还需数据加载、嵌入层、注意力中间值等开销，且以合理吞吐量完成训练仍需多机架数据并行。单机架全内存驻留主要解决“装得下+减少跨机通信”，而非“只需一台”。
13 最新事件
2025 年 3 月 18 日：NVIDIA CEO 黄仁勋于 GTC 2025 主旨演讲正式发布 GB300 NVL72，同步展出机架实物并公布量产时间线为 2025 年下半年。
2025 年 3 月：xAI 宣布其孟菲斯 Colossus 超级计算集群已部署超过 200 台 GB300 NVL72 机架，成为首个公开确认部署该系统的客户。xAI 联合创始人 Elon Musk 在社交平台称其为“世界上最强大的 AI 训练集群”。
2025 年 3 月：谷歌 Cloud、微软 Azure、甲骨文 OCI 于 GTC 上宣布将部署 GB300 NVL72 云实例。其中微软 Azure 已为 OpenAI 预留初期分配。
2025 年 Q1：台湾电子时报报道液冷供应链（奇鋐科技、双鸿科技等）来自 NVIDIA 的急单和追加自 GB300 NVL72 机架批量投产周期的启动。
2025 年 4 月：SK 海力士 2025 年 Q1 财报初步披露称 HBM3e 出货受“主要客户的新一代 GPU 平台”拉动增长显著，市场解读为 Blackwell Ultra GB300 平台的备货效应。
有关事项提示：上述最新事件均来自公开报道或公司公告，不构成对相关公司经营状况或证券价格的任何评价或预测。
14 跟踪指标
跟踪 GB300 NVL72 产业进展的有效指标维度如下。
出货量与交付节奏：NVIDIA 季度财报中“Compute & Networking” 营收增速及指引是验证 NVL72 实际销售的最直接数据点。关注 2025 年 Q3 及 Q4 季报中的相应分项表现。第三方机构如 Omdia、IDC 的出货追踪报告可作为交叉验证。
台积电 CoWoS 产能与利用率：台积电月度营收及季度法说会中对“先进封装”的产能指引、资本开支，可直接映射 NVL72 供给能力。若 CoWoS-L 产能持续满载，供应紧张料延续。
HBM 价格与交期：集邦咨询、DRAMeXchange 对 HBM3e 的现货价格、合约价格及交付周期数据的跟踪，反映 NVL72 上游供需松紧。
液冷产业链营收：Vertiv、双鸿科技、奇鋐科技等液冷核心组件供应商的季度营收指引及订单积压情况（公开披露），可作为机架级液冷渗透率的代理指标。
云厂商 CAPEX 指引：微软、谷歌、亚马逊、甲骨文等头部云厂商季度 CAPEX 指引是 NVL72 终端需求的先行信号。重点关注其 AI 算力相关基础设施 CAPEX 的占比及增速。
公有云 NVL72 实例可用性：AWS、Azure、GCP 的官方实例目录是否上线 GB300 NVL72 实例及其区域扩展进度，直接反映终端客户的接入便利度与存量算力淘汰节奏。
前沿模型公开信息：公开信息中 GPT-5、Grok 4、Llama 4 等下一代模型披露的训练硬件架构说明，提供 NVL72 实际应用维度的验证信号。
国际贸易管制动态：美国 BIS 出口管制清单的更新，尤其 GPU 总处理性能（TPP）与性能密度阈值的调整可能影响 NVL72 出口范围。
15 信源
本文件所有信息及数据来源说明如下，引用时标注日期及出处类型：
- NVIDIA 官方：2025 年 3 月 GTC 主旨演讲、技术白皮书及投资者关系材料，包括 CEO 黄仁勋公开发布视频、新闻稿等。
- NVIDIA 季度财报：2025 年 1 月 FY2025 全年财报；后续各季度财报在发布时将作为数据更新来源。
- xAI 及 Elon Musk 社交平台官方账号：2025 年 3 月有关 Colossus 集群 GB300 部署的公开披露。
- 第三方研究机构：
- IDC《Worldwide AI Server Tracker》（2025 年 1 月）。
- 集邦咨询 TrendForce HBM 市场报告（2025 年 Q1）。
- 摩根士丹利 2025 年 3 月 NVIDIA 供应链研报（预测性数据属第三方分析，非事实性数据）。
- SemiAnalysis 2025 年 3 月行业分析报告（预测性数据属第三方分析）。
- Dell’Oro Group 数据中心热管理报告（2025 年 Q1）。
- 产业链公司公开披露：
- SK 海力士 2025 年 Q1 初步财报及 2024 年年报。
- 三星电子 2024 年 Q4 财报及公告。
- 台积电季度法说会公开资料。
- Vertiv 2024 年 Q4 财报电话会资料。
- 鸿海精密 2024 年年报及法说会资料。
- 台湾电子时报 2025 年 Q1 产业链报道。
- AMD 及 Intel 公开发布：AMD Advancing AI 2024 年 12 月大会材料、Intel 2024 年 Falcon Shores 相关公告。
声明：
- 预测性数字（如出货量、市场规模、渗透率等）基于第三方机构分析，不代表必然发生的实际结果，文中均已标注“估计”“预测”“估算”字样。
- 部分细分参数公开资料未见的数据已在文中标明，不得以此作为任何决策依据。
- 文中不构成对任何公司证券的投资建议、买卖推荐或价格预测。阅读者基于本文内容采取的任何行为与本文作者无关。