Das Versprechen
Die NVIDIA B300 Blackwell Ultra ist eine spezialisierte Inferenz-Engine für das „Zeitalter des Reasoning“ und für agentische Modelle wie DeepSeek-R1. Sie stellt FP4-Rechenleistung und eine enorme Speicherbandbreite über die allgemeine Flexibilität, die frühere Enterprise-Generationen ausgezeichnet hat.
Unter der Haube
Die B300 Blackwell Ultra liefert 15 PFLOPS FP4-Rechenleistung. Dieser Durchsatz soll den enormen Bedarf agentischer KI-Modelle wie DeepSeek-R1 an Token-Generierung decken (Quelle: Slyd/NVIDIA). Dazu kommen 288 GB HBM3e-Speicher mit 8 TB/s Bandbreite, ein Kapazitätszuwachs von 50 % gegenüber der B200 (Quelle: NVIDIA Datasheet).
NVIDIA hat die Leistung bei doppelter Genauigkeit bewusst geopfert, um diese Gewinne bei der Inferenz zu erreichen. Der FP64-Durchsatz ist von 37 TFLOPS bei der B200 auf nur noch 1,2 TFLOPS bei der B300 eingebrochen (Quelle: TechPowerUp). Das Verhältnis von FP64 zu FP32 entspricht jetzt dem der Consumer-Karte RTX 5090. Damit endet eine strukturelle Trennung, die seit der Fermi-Architektur von 2010 bestand (Quelle: nicolasdickenmann.com).
Durch diesen Architekturwechsel ist die B300 für klassisches wissenschaftliches Rechnen ungeeignet. Wer höhere Genauigkeit mit Tensor-Cores niedrigerer Genauigkeit über „Double-Single“-Methoden emulieren will, erlebt bei HPC-Workloads häufig Über- und Unterläufe (Quelle: TACC Report). Offenbar drängt NVIDIA wissenschaftliche Nutzer zu älteren Hopper-Chips oder zu spezialisierten „Vera“-Einheiten.
Den offiziellen Listenpreis kennen wir noch nicht. Marktschätzungen liegen zwischen 40.000 und 50.000 US-Dollar pro Einheit. Interne thermische Daten für den Betrieb mit 1.400 W Spitzen-TDP in luftgekühlten Umgebungen fehlen weiterhin. NVIDIA erwartet offenbar, dass Sie eine Flüssigkeitskühlung haben oder Hardwareausfälle in hohem Maß tolerieren.
Unsere Einschätzung
Die B300 ist ein kalkulierter Verrat an der Wissenschaft zugunsten des LLM-Goldrauschs. Für den Betrieb agentischer Inferenz-Cluster im großen Maßstab ist sie eine brillante Ingenieursleistung, für Physik- oder Klimasimulationen aber praktisch nutzlos. Wenn Sie das Backend für die nächste Generation von Reasoning-Agenten bauen, greifen Sie zu. Wenn Sie echte Mathematik betreiben, bleiben Sie bei der H100 oder suchen Sie sich einen Anbieter, der nicht vergessen hat, wozu ein Dezimalpunkt da ist.