NVIDIA AI Blog

As AI Grows More Complex, Model Builders Rely on NVIDIA

8.5内容质量
As AI Grows More Complex, Model Builders Rely on NVIDIA

TL;DR · AI 摘要

NVIDIA的基础设施显著提升AI模型训练效率，其GB200和GB300系统在性能和成本效益上表现突出，助力OpenAI等机构开发前沿模型。

核心要点

  • GPT-5.3-Codex在SWE-Bench Pro等四类基准测试中创行业新高
  • NVIDIA GB200系统相比Hopper架构训练速度提升3倍
  • GB300系统相较Hopper实现4倍以上性能提升

结构提纲

按章节快速跳转。

  1. §引言

    NVIDIA基础设施成为前沿AI模型训练的核心支撑平台

  2. ·核心机制

    预训练和后训练构成AI模型智能性的基础架构

  3. ›性能突破

    GB200系统实现3倍于Hopper的训练性能提升

  4. ·多模态支持

    NVIDIA平台支持文本、代码、视觉等多模态AI开发

  5. ›案例验证

    OpenAI GPT系列模型均基于NVIDIA基础设施训练

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • NVIDIA AI基础设施
    • 硬件架构
      • Hopper/GB200/GB300系统
    • 性能优势
      • 3倍训练加速
      • 4倍性能提升
    • 应用案例
      • OpenAI GPT系列模型

金句 / Highlights

值得收藏与分享的关键句。

#AI模型#NVIDIA#GPT#硬件架构
打开原文

随着AI变得越来越复杂，模型构建者依赖NVIDIA | NVIDIA博客

标题

随着AI变得越来越复杂，模型构建者依赖NVIDIA

OpenAI的GPT-5.3-Codex和其他领先模型利用NVIDIA的技术栈推动AI前沿发展。

2025年12月11日

作者

Ashraf Eassa

/inner3

META

0条评论

分享

分享本文

  • X
  • Facebook
  • LinkedIn
  • 复制链接 链接已复制！

特色图片/视频

OpenAI于12月推出了GPT-5.2，称其为迄今为止用于专业知识工作的最强大模型系列。该模型在NVIDIA基础设施上进行训练和部署，包括NVIDIA Hopper和GB200 NVL72系统。

2025年2月发布的GPT-5.3 Codex是首个能够自主构建的OpenAI代理编码模型，该模型完全在GB200 NVL72系统上进行训练和部署。

GPT-5.2在GPQA-Diamond、AIME 2025和Tau2 Telecom等行业基准测试中取得了最高报告分数。在针对开发通用人工智能（AGI）所需技能的领先基准测试（如ARC-AGI-2）中，GPT-5.2为最先进性能设立了新标杆。

GPT 5.3-Codex将GPT-5.2-Codex的编码性能与GPT-5.2的推理能力结合到一个模型中，性能提升了25%。在用于评估编码、代理和现实世界能力的四项基准测试中，GPT 5.3-Codex在SWE-Bench Pro和Terminal-Bench上创下了行业新高，同时在OSWorld和GDPval基准测试中也表现出色。

GPT 5.2和GPT 5.3-Codex是最新展示领先AI构建者如何在NVIDIA全栈AI基础设施上进行大规模训练和部署的实例。

预训练：智能的基石

由于三个扩展定律（预训练、后训练和测试时扩展），AI模型正变得越来越强大。

推理模型在推理过程中应用计算来处理复杂查询，使用多个网络协同工作，现在无处不在。

但预训练和后训练仍然是智能的基石。它们是使推理模型更智能、更有用的核心要素。

而实现这一点需要规模。从头开始训练前沿模型并非小事。

这需要数以万计，甚至数十万块GPU高效协同工作。

这种规模要求在多个维度上达到卓越。需要世界级的加速器、跨扩展架构（包括纵向扩展、横向扩展和跨架构扩展）的先进网络，以及完全优化的软件栈。简而言之，需要一个专为大规模性能而构建的定制化基础设施平台。

与NVIDIA Hopper架构相比，NVIDIA GB200 NVL72系统在最新MLPerf Training行业基准测试中最大模型的训练性能提升了3倍，每美元性能几乎提升了2倍。

而NVIDIA GB300 NVL72相比NVIDIA Hopper的性能提升超过4倍。

这些性能提升帮助AI开发者缩短开发周期，更快部署新模型。

跨所有模态的模型证明

当今大多数领先的大型语言模型都是在NVIDIA平台上训练的。

AI不仅仅是关于文本。

NVIDIA支持跨多种模态的AI开发，包括语音、图像和视频生成，以及生物学和机器人等新兴领域。

例如，Evo 2模型可以解码基因序列，OpenFold3预测3D蛋白质结构，Boltz-2模拟药物相互作用，帮助研究人员更快识别有前景的候选药物。

在临床领域，NVIDIA Clara合成模型生成逼真的医学图像，推动筛查和诊断的发展，同时无需暴露患者数据。

Runway和Inworld等公司均基于NVIDIA基础设施进行训练。

Runway上周宣布推出Gen-4.5，这是新一代视频生成模型，根据Artificial Analysis排行榜，该模型目前是全球最先进的视频模型。

现针对NVIDIA Blackwell进行优化，Gen-4.5的开发全程使用NVIDIA GPU完成，涵盖初始研究开发、预训练、后训练和推理等所有阶段。

Runway还推出了GWM-1，这是基于NVIDIA Blackwell训练的最先进的通用世界模型，能够实时模拟现实。该模型具有交互性、可控性和通用性，可应用于视频游戏、教育、科学、娱乐和机器人技术等领域。

基准测试展示了其优势。

MLPerf是行业标准的训练性能基准。在最新一轮测试中，NVIDIA在全部七个MLPerf Training 5.1基准测试中提交了结果，展现出强劲的性能和广泛的应用能力。它是唯一在所有类别中都提交结果的平台。

NVIDIA支持多样化的AI工作负载的能力，有助于数据中心更高效地利用资源。

这正是Black Forest Labs、Cohere、Mistral、OpenAI、Reflection和Thinking Machines Lab等AI实验室均选择在NVIDIA Blackwell平台上进行训练的原因。

跨云平台和数据中心的NVIDIA Blackwell

NVIDIA Blackwell现已由领先的云服务提供商、新云厂商和服务器制造商广泛提供。

而提供额外计算、内存和架构改进的NVIDIA Blackwell Ultra版本，现已由服务器制造商和云服务提供商逐步推出。

包括亚马逊网络服务（Amazon Web Services）、CoreWeave、谷歌云（Google Cloud）、Lambda、微软Azure（Microsoft Azure）、Nebius、甲骨文云基础设施（Oracle Cloud Infrastructure）和Together AI在内的主要云服务提供商和NVIDIA云合作伙伴，均已提供搭载NVIDIA Blackwell的实例，确保随着预训练规模的扩大，性能可实现可扩展性。

从前沿模型到日常AI，未来正建立在NVIDIA之上。

了解更多关于NVIDIA Blackwell平台的信息。

编辑注：本文于2026年2月6日更新，加入了OpenAI及其GPT-5.3 Codex的最新模型信息。请继续关注后续模型发布和OpenAI的新数据。

#secondary

  • 类别：
  • 云服务
  • 企业
  • 深度学习
  • 标签：
  • AI训练

相关新闻

AI基础设施

NVIDIA Vera Rubin推动每瓦特性能提升，为全球合作伙伴提供最低的令牌成本

2026年7月21日

超级计算

安进公司基于NVIDIA Vera Rubin打造生命科学行业最先进的AI工厂

2026年7月20日

NVIDIA与日本推动全栈AI和机器人技术覆盖所有行业

2026年7月15日

为什么每瓦特性能是衡量AI基础设施效率的终极指标

2026年7月14日