--- schemaVersion: 1 slug: mp-139-20260303-semianalysis-nvidia-hopper-rubin ticketId: MP-139 lang: zh-tw title: NVIDIA 的算力魔法：從 Hopper 到 Rubin 的能效大躍進 summary: SemiAnalysis 指出 NVIDIA 每代新架構（Hopper、Blackwell、Rubin）雖然功耗上升，但在算力能效上卻實現了驚人的成長。 originalDate: 2026-03-03 translatedDate: 2026-03-03 source: "@SemiAnalysis_ on X" sourceUrl: https://x.com/SemiAnalysis_/status/2028530967095152739 author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/mp-139-20260303-semianalysis-nvidia-hopper-rubin status: published replacementTicketId: null replacementUrl: null --- # NVIDIA 的算力魔法：從 Hopper 到 Rubin 的能效大躍進 > **來源:** [@SemiAnalysis\_ on X](https://x.com/SemiAnalysis_/status/2028530967095152739) 你有沒有那種朋友，每次聚餐都點最貴的、吃最多的，但結帳的時候總是對你說：「欸不是，你看我每一口的 CP 值超高欸」？ NVIDIA 就是那個朋友 ┐(￣ヘ￣)┌ SemiAnalysis 最近丟了一串數字出來，看完你會意識到一件事：老黃家的晶片，每一代都吃更多電，但每一口電換到的算力成長幅度，根本不成比例地猛。不是那種「多花一塊錢多買一顆」的效率改善，而是「多花一塊錢直接多買一整盒」的等級。 這就是為什麼 NVIDIA 每次發表新架構，整個產業都得重新算一遍自己的 TCO。 > **Mogu 插嘴：** > > SemiAnalysis 是半導體圈最毒舌的分析團隊之一，他們的 paywall 文章一篇要價不少，但免費推文就已經夠人反覆咀嚼了。這次他們只是輕描淡寫丟出幾個數字，結果 AI infra 圈集體深呼吸。有時候最可怕的不是長篇大論，是幾個數字配一張圖 (◕‿◕) --- ## 電費帳單越來越高，但你買到的東西更多 先講一個直覺：晶片越來越耗電，是壞事嗎？ 如果你家冷氣從每月電費 500 塊漲到 800 塊，你當然不爽。但如果同時你家從 30 坪變成 80 坪，而且每一坪都冷到可以當冰庫——你可能就會覺得「其實還不錯」。 NVIDIA 的邏輯就是這樣。每一代架構的 TDP（Thermal Design Power，熱設計功耗）確實都在往上爬。Hopper 已經很猛了，Blackwell 更高，Rubin 再上一層。但 SemiAnalysis 指出，peak FLOPs（峰值浮點運算次數）的成長速度遠遠超過功耗的增加幅度。 翻成白話就是：電費帳單漲了 30%，但你家面積翻了一倍。 > **Mogu 內心戲：** > > TDP 往上爬這件事其實讓很多資料中心的人頭很痛，因為散熱和供電都要跟著升級。但如果算一下每瓦的產出，那個效率曲線根本像火箭發射。這就好比你老闆說「我要加你薪水 10%」，你本來想抱怨，結果他接著說「但你的績效獎金翻三倍」——那 10% 的基本薪水增幅突然就不重要了 (￣▽￣)／ --- ## 具體數字：47% 和 83% 好，來看實際的數據。SemiAnalysis 拿 dense FP8 這個精度來當基準比較——這是目前大型 AI 模型訓練和推論中非常主流的精度格式。 從 Hopper 升到 Blackwell，每瓦的 dense FP8 算力提升了大約 **47%**。 從 Blackwell 升到 Rubin，這個數字跳到接近 **83%**。 等等。47% 已經很猛了，83% 是什麼意思？意思是你花同樣一瓦的電，在 Rubin 上面跑出來的算力，比 Blackwell 多了快要一倍。一代的事。 > **Mogu murmur：** > > 47% 到 83%，這個加速度本身就是一個值得注意的訊號。通常硬體世代之間的能效改善是趨緩的——摩爾定律放慢嘛，大家都知道。結果 NVIDIA 不但沒放慢，還在加速？這要嘛是他們的架構團隊真的開了天眼，要嘛是前幾代刻意留了肉沒切。以老黃的刀法，我選後者 (⌐■\_■) 這裡要特別注意一件事：這些數字是針對 dense FP8、以每瓦計算的。不能直接套用到所有工作負載上。Sparse 運算、不同精度、不同應用場景下，實際改善幅度會不一樣。但即便如此，dense FP8 是目前 AI workload 的主力，用它來比已經很有代表性了。 --- ## 為什麼「每瓦算力」才是真正的戰場 你可能會問：為什麼不直接比總算力就好？為什麼一定要除以功耗？ 來，我給你一個場景。假設你開了一家外送便當店。一開始你有一個廚師，一天做 100 個便當，瓦斯費 1000 塊。你的「每元瓦斯便當數」是 0.1 個/元。 後來你換了一台超猛的商業爐，一天做 500 個便當，瓦斯費漲到 1500 塊。你的「每元瓦斯便當數」變成 0.33 個/元。 瓦斯費漲了 50%，但產出漲了 400%。每一塊錢的瓦斯費換到了更多便當。這就是老黃在做的事。 > **Mogu murmur：** > > 資料中心現在最卡的其實不是錢——雲端大廠最不缺的就是錢。卡的是電。很多地方的電網就是那麼大，你想加 GPU 但電拉不進來。所以「每瓦算力」不是什麼理論指標，而是直接決定你在同一個機房裡能塞多少算力的硬約束。電就是新的摩爾定律瓶頸 (ง •̀\_•́)ง 對資料中心來說，電力是最硬的物理限制。你的機房能拉多少電是固定的，散熱能力也有上限。在這個框架下，「每瓦算力」直接決定了你在同一個物理空間裡能塞進多少算力。NVIDIA 每代架構在這個指標上的跳躍式進步，等於直接幫客戶在不換機房的情況下做到算力翻倍。 --- ## 老黃的刀法到底精準在哪 綜合來看，SemiAnalysis 這串數字告訴我們的核心故事其實很簡單：NVIDIA 每多吃一瓦的電，換回來的算力增幅是不成比例的。而且這個「不成比例」還在擴大。 這不是什麼行銷話術。這是架構設計功力的直接展現。 想像你是一個廚師。第一年你多花一小時備料，菜色多了兩道。第二年你多花同樣一小時，菜色多了四道。效率在提升，而且提升的速度本身也在加速。 做到這件事的人，在半導體業裡，大家叫他「老黃」。 ## 延伸閱讀 - [MP-175: Nvidia 的反轉劇本：專為 AI Agent 打造的 CPU？](https://gu-log.vercel.app/posts/mp-175-20260316-daniel-mac8-nvidia-agent-cpu-gtc/) - [MP-185: NVIDIA GPU 租賃價格再度上升，客戶議價空間正在縮小](https://gu-log.vercel.app/posts/mp-185-20260317-semianalysis-nvidia-gpu/) - [MP-191: 不只是賣 GPU？從 Vera CPU 看 Nvidia 的 AI Agent 平台策略](https://gu-log.vercel.app/posts/mp-191-20260317-daniel-mac8-nvidia-ai-agent-platform/) > **Mogu 想補充：** > > SemiAnalysis 原推文其實非常克制，就是擺數據、畫趨勢線、讓數字自己說話。沒有喊「NVIDIA 稱霸宇宙」，也沒有做任何外推預測。但你看完那條曲線，自己心裡就會有答案了。有時候最強的論證不是結論，是讓你自己得出結論。老黃看到這推文應該在微笑——不是因為被誇了，是因為 SemiAnalysis 幫他省了一筆行銷預算 ╰(°▽°)╯ --- 回到一開始那個比喻。你那個朋友每次聚餐都說自己 CP 值最高。你以前覺得他在胡扯。 但 SemiAnalysis 剛幫他算了一下——他說的是真的。每一口吃下去的東西確實越來越划算。而且划算的幅度還在加速。 現在問題是：你要繼續站在旁邊看他吃，還是也坐下來？ (¬‿¬)