半導體產業分析機構SemiAnalysis公布的InferenceMAX v1基準測試結果顯示，NVIDIA以其Blackwell顯示架構GPU平 橫掃所有測試項目，在效能、能效與整體經濟性上樹立新標竿。
這項全新基準測試被視為首個能真實反映AI推論總運算成本 (Total Cost of Inference)的獨立評測，涵蓋多樣化模型與實際應用場景，重點在於「效益」而非單純速度。
15倍投資報酬率的AI工廠公式
報告指出，若企業投資500萬美元佈署一套NVIDIA GB200 NVL72系統，在AI應用中將可創造高達7500萬美元的詞元收益 (DSR1 token revenue)，投資報酬率高達15倍，意味著推論效能不再只是技術指標，而是企業營運獲利的關鍵引擎。
NVIDIA超大規模與高效能運算副總裁Ian Buck強調：「推論是AI每天創造價值的核心。Blackwell的成果證明，我們的全端策略能讓客戶在大規模佈署AI 時，同時獲得極致效能與最佳效率。」
Blackwell架構：效能、效率雙軌驅動
在InferenceMAX v1基準測試中，Blackwell架構的B200 GPU在多款模型測試中表現驚人，包含在每組GPU可達60000個詞元／秒的吞吐量，以及每名使用者可使用多達1000 TPS (Token per Second)，相較前代H200 GPU，整體輸出效能更提升達4倍，而每百萬個詞元的運算成本可降低15倍，實現業界最低每百萬個詞元僅0.02美元的成本表現。
這項效能的背後，仰賴NVIDIA全新TensorRT-LLM v1.0推論框架與NVLink Switch高速互連技術。後者可提供1800 GB/s的雙向頻寬，讓多達72組GPU可如同單一超級GPU協同運作。
開源合作推進推論革命
NVIDIA更與多家AI研究團隊合作，包括OpenAI (gpt-oss 120B)、Meta 9Llama 3 70B)與DeepSeek AI (DeepSeek R1)，共同優化開源推論效能。同時，與FlashInfer、SGLang、vLLM等社群的協同開發，也讓TensorRT-LLM得以充分發揮Blackwell的並行化潛能。
此外，新推出的gpt-oss-120B-Eagle3-v2模型導入「推測式解碼」 (Speculative Decoding)技術，能預測多詞元輸出並顯著降低延遲，使每使用者輸送量提升三倍。
經濟性與永續性的平衡
InferenceMAX採用「帕雷托前沿」 (Pareto Frontier)模型，評估效能、能耗與回應性間的平衡。結果顯示，Blackwell不僅在輸送量上遙遙領先，同時在能源效率與成本控制上也創下新紀錄，其中包含每兆瓦輸送量相比前代提升10倍，而每瓦詞元輸出大幅提升，減少資料中心能耗負擔。
結語：AI工廠時代的基準
隨著AI從單次生成邁入多步驟推理與工具鏈整合階段，推論效能將直接決定AI服務的經濟規模。NVIDIA透過Blackwell架構，成功將「效能」轉化為「收益」，讓AI工廠的概念真正落地。
InferenceMAX的登場不僅是一次技術展示，更象徵NVIDIA正引領產業邁入「推論經濟」 (Inference Economy)新時代。
