ChatGPT火爆全球、Sora惊艳亮相，背后都离不开“算力”。作为算力霸主，英伟达的产品线令人眼花缭乱：H100、H200、B200、GB200、HGX、DGX……这些名称有何区别？企业采购智算服务器，该如何选型？
本文聚焦国内企业实际需求，用最简明的逻辑，梳理英伟达AI服务器的核心脉络。
一、三代架构：三年三跃升
英伟达AI芯片目前三代并存，迭代节奏极快：
Hopper架构（2022年）：AI训练“黄金标准”。H100为当前主力；H200是其显存增强版，专为大模型推理优化，处理Llama2-70B速度较H100提升近2倍。
Blackwell架构（2024年）：面向超万亿参数模型的高性能平台。B200采用双芯片设计，算力大幅跃升；B300显存达288GB，有效突破大模型“内存墙”瓶颈。
Rubin平台（预计2026年发布）：下一代“AI工厂”基础架构，性能有望再提升3倍以上，并可能集成新型散热技术，应对数千瓦级功耗挑战。
二、产品线三层次：芯片→超级芯片→系统平台
英伟达产品体系遵循模块化逻辑，可类比“搭积木”：
GPU芯片（如H100、B200）
最基础的算力单元，相当于AI计算的“CPU”，提供原始并行算力。
超级芯片（如GB200、GB300）
将GPU与自研Grace CPU深度集成，实现CPU+GPU紧耦合，大幅提升数据交互效率，是构建大规模AI集群的核心模块。
系统平台（HGX / DGX / MGX）
已集成的完整硬件方案：
- HGX：标准化8-GPU模组，供OEM厂商自主搭配CPU、存储等组件，灵活度高、成本可控；
- DGX：英伟达原厂整机，软硬一体预装调优，开箱即用，适合追求交付效率的企业；
- MGX：开放硬件设计规范，支持厂商按需组合GPU、CPU、IO等模块，在定制化与标准化间取得平衡。
三、企业采购三步决策法
第一步：看预算
- 有限预算：适用于微调或小模型推理，可选A10、L4等高性价比显卡；
- 中等预算：训练7B–70B主流模型，H100生态成熟、兼容性最佳；若侧重推理，H200的大显存更具优势；
- 高预算：面向万亿参数级前沿模型，B200/B300为当前最高性能选择。
第二步：看场景
- AI训练：重点关注FP16/FP8等混合精度算力指标；
- AI推理：优先考察显存容量与带宽，决定可部署模型规模；
- 混合负载：需综合评估算力、显存、互联带宽与能效比。
第三步：看团队能力
- 技术能力强：选用HGX模组自主搭建，兼顾灵活性与成本控制；
- 运维经验有限或追求快速落地：直接部署DGX整机，聚焦算法与业务应用。
英伟达正以“一年一代”的节奏持续升级——从Hopper到Blackwell，再到未来的Rubin，每次迭代均带来算力的指数级跃升。对企业而言，没有“最好”的硬件，只有“最合适”的方案。厘清核心参数，匹配自身算力需求、业务场景与团队能力，方能在AI竞争中既选得准，又跑得快。
