待验证83% 置信事实时间未知
FP8精度（Hopper架构H100引入）可将Transformer训练吞吐提升近2倍，若训练超大模型且框架支持Transformer Engine，H100相比A100的实际训练加速远超纸面算力差距
1
来源数
83%
置信度
中期 (~90 天)
时效性
-
首次发现
来源
涉及实体
相关事实
待验证H100的Hopper架构引入了专门的Transformer Engine，支持FP8精度计算83% 相似待验证NVIDIA H100 的 Transformer Engine 将 FP8 训练和推理的吞吐量相比上一代提升近 4 倍81% 相似待验证H100 GPU基于Hopper架构，其Transformer引擎能在FP8和FP16精度间动态切换，将吞吐量提升至A100的约2-3倍77% 相似待验证Blackwell的第二代Transformer Engine新增FP4精度支持，理论上可将Transformer模型的训练吞吐量相比H100提升2-4倍75% 相似已验证NVIDIA H100采用专为AI工作负载设计的Transformer Engine，在FP8精度下实现近4000 TFLOPS算力，比A100提升约3倍74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/468479API
curl https://kongchang.com/api/v1/knowledge/claims/468479MCP
get_claim(id=468479)