NVIDIA Blackwell助力DeepSeek-R1模型，通过TensorRT-LLM优化GPU推理性能，树立AI行业新标杆

随着科技的飞速发展，人工智能领域不断迎来新的突破。近日，英伟达在 NVIDIA GTC 2025 大会上宣布了一项重大成果：其 NVIDIA Blackwell DGX 系统成功创下 DeepSeek-R1 大模型推理性能的世界纪录。这项成就不仅展示了硬件与软件结合的强大潜力，还为未来的高性能计算奠定了坚实的基础。

具体来说，在搭载了八块 Blackwell GPU 的单个 DGX 系统上运行的 DeepSeek-R1 模型（参数规模达到 6710 亿）实现了每用户每秒超 250 token 的响应速度，系统最高吞吐量更是突破了每秒 3 万 token。这一性能的提升得益于 NVIDIA 平台在最新 Blackwell Ultra GPU 和 Blackwell GPU 上对推理极限的持续探索。

为了进一步优化性能，测试采用了 TensorRT-LLM 软件，并配置了 NVL8 单节点 DGX B200（8 块 GPU）和 DGX H200（8 块 GPU）。测试参数包括输入 1024 token / 输出 2048 token 的设置，而此前测试则采用输入 / 输出各 1024 token 的模式。此外，B200 使用 FP4 精度，H200 则采用 FP8 精度进行并发计算。

自 2025 年 1 月以来，通过硬件与软件的深度结合，英伟达成功将 DeepSeek-R1 671B 模型的吞吐量提升了约 36 倍。这种显著的进步不仅体现在单一节点配置上，还扩展到了多节点系统中。例如，DGX B200（8 块 GPU）、DGX H200（8 块 GPU）以及两个 DGX H100（8 块 GPU）共同组成的测试环境同样表现出色。测试参数延续了 TensorRT-LLM 内部版本，同时保持输入 1024 token / 输出 2048 token 的标准。值得注意的是，MAX 并发性计算精度分别为 B200 的 FP4 和 H100/H200 的 FP8。

与前代 Hopper 架构相比，Blackwell 架构与 TensorRT 软件的结合带来了显著的推理性能提升。以 DeepSeek-R1、Llama 3.1 405B 和 Llama 3.3 70B 等模型为例，使用 FP4 精度的 DGX B200 平台相较于 DGX H200 平台提供了超过 3 倍的推理吞吐量提升。

在实际应用中，确保量化模型的精度损失最小化是实现高效生产部署的关键。根据英伟达提供的数据，在 DeepSeek-R1 模型上，TensorRT Model Optimizer 的 FP4 训练后量化（PTQ）技术能够在不同数据集上保持极低的精度损失，与 FP8 基准精度相比几乎可以忽略不计。

最后，IT之家提醒读者，文章中包含的对外跳转链接（如超链接、二维码或口令等形式）仅供传递更多信息，结果仅供参考。所有均遵循 IT 之家的标准声明。

本文来源：