根據報導引用的公司披露，輝達執行長黃仁勳表示，GPT-6 Astra 使用超過 10 萬顆透過高速 NVLink72 叢集連接的 Grace Blackwell GPU 訓練。黃仁勳還表示，下一批將使用 40 萬顆 GPU，但未指明具體型號。

此次披露聚焦於訓練 GPT-6 Astra 所使用的硬體。黃仁勳表示，該系統使用超過 10 萬顆經由 NVLink72 連接的 Grace Blackwell GPU；NVLink72 是輝達可將 72 顆 GPU 置於同一高速互連網域中的架構。報導稱，下一批訓練計畫使用 40 萬顆 GPU，但未說明這些系統是否也會採用 Blackwell。

報導將這項披露置於美國與中國模型開發商當前 AI 基礎設施差距的背景下。字節跳動被描述為中國主要模型公司中最接近者，已連接約 3.6 萬顆 B200 GPU。其境內叢集據稱主要依賴基於 Hopper 的 H20 與 H800 系統。

報導中的其他算力數據仍較不明朗。據稱，Kimi 透過阿里巴巴取得約 2 萬顆 Hopper GPU，具體為 H200 型號，但阿里巴巴否認這一說法。DeepSeek 尚未披露用於 V4 訓練的完整硬體配置，但報導引用的洩漏資訊稱，該公司在 5 月約有 2 萬個相當於 H 系列的算力單位，其中包括約 1.6 萬個華為 950 算力單位。

報導還指出，用於 Astra 的 Blackwell 平台已不再是輝達最新一代產品。Vera Rubin 已進入大規模量產，輝達估計，使用 Rubin 訓練大型混合專家模型所需的 GPU 數量，可能僅為使用 Blackwell 時的四分之一。根據報導，尚無中國公司公開披露曾使用 10 萬顆同世代先進 GPU 訓練單一模型。

為何重要

這項披露之所以重要，是因為它進一步凸顯前沿 AI 開發與更廣泛市場中模型競爭敘事之間的差距。在最頂端的競爭中，效能愈來愈不僅取決於演算法或資料，也取決於誰能組建、供電並互連由最新晶片構成的超大型叢集。

這對 AI 供應商本身以外的領域也有更廣泛的影響。大型模型的進步愈依賴稀缺且高度整合的硬體堆疊，戰略重心就愈會轉向半導體供應、網路架構及取得先進算力的能力。對與加密貨幣連結的 AI 領域而言，這使焦點維持在基礎設施限制，而非僅是圍繞 AI 品牌的熱情。