Tại sự kiện GTC 2026 đang diễn ra tại San Jose, NVIDIA đã chính thức giới thiệu dòng chip AI 'Blackwell Ultra', được thiết kế đặc biệt cho các tác vụ suy luận (inference) của các mô hình ngôn ngữ lớn. Theo Jensen Huang, CEO của NVIDIA, Blackwell Ultra mang lại hiệu suất suy luận gấp 2 lần so với thế hệ H100 hiện tại, đồng thời giảm 30% mức tiêu thụ năng lượng trên mỗi token xử lý - một chỉ số quan trọng hàng đầu đối với các trung tâm dữ liệu đang đối mặt với áp lực cắt giảm chi phí vận hành.
Kiến trúc mới của Blackwell Ultra tích hợp bộ nhớ HBM4 với băng thông 1.5TB/s, gấp đôi so với HBM3E của H100, giúp giải quyết nút thắt cổ chai khi xử lý các mô hình có hàng nghìn tỷ tham số. Chip cũng được trang bị giao tiếp NVLink thế hệ thứ 5, cho phép kết nối trực tiếp giữa các GPU với tốc độ 1.8TB/s, giảm đáng kể độ trễ khi vận hành các cụm máy chủ lớn. NVIDIA tuyên bố rằng một cụm 10.000 chip Blackwell Ultra có thể xử lý hơn 100 tỷ token mỗi giờ, đủ để phục vụ hàng triệu người dùng đồng thời.
Ngoài ra, NVIDIA cũng công bố nền tảng phần mềm 'NVIDIA Dynamo' mới, một hệ điều hành AI giúp tự động hóa việc điều phối các tác vụ suy luận trên cụm máy chủ, đảm bảo tận dụng tối đa tài nguyên phần cứng. Các đối tác lớn như Microsoft Azure, Amazon Web Services và Google Cloud đã xác nhận sẽ tích hợp Blackwell Ultra vào hạ tầng đám mây của họ trong quý I/2027. Giá bán dự kiến cho mỗi chip là 45.000 USD, cao hơn 15% so với H100 nhưng được đánh giá là xứng đáng nhờ tổng chi phí sở hữu (TCO) thấp hơn đáng kể.