De namen van Nvidia-producten zijn verwarrend omdat ze verschillende dingen aanduiden. H100 en H200 zijn GPU’s. Blackwell is een architectuur en Vera Rubin een bredere platformgeneratie. GB200 combineert Blackwell-GPU’s met een Grace-CPU. GB200 NVL72 is vervolgens een compleet rack met 72 GPU’s.
Wie prestaties of prijzen vergelijkt, moet daarom eerst vaststellen of het om een losse accelerator, een module, een server of een volledig rack gaat. Deze gids ordent de belangrijkste datacenterproducten vanaf Hopper tot en met Rubin.
De korte tijdlijn
| Generatie | Voorbeelden | Belangrijkste stap |
| Hopper | H100, H200 | Transformer Engine, sterke basis voor generatieve AI |
| Blackwell | B200, GB200, GB200 NVL72 | Meer rekenkracht, nieuwere tensorcores en rack-scale NVLink |
| Blackwell Ultra | B300, GB300, GB300 NVL72 | Meer HBM-geheugen en extra capaciteit voor reasoning en lange context |
| Vera Rubin | Rubin GPU, Vera CPU, Vera Rubin NVL72 | Platform met NVLink 6 en nieuwe netwerk-, opslag- en inferencecomponenten |
| Aanvullend en daarna | Groq 3 LPX, Rubin CPX, Feynman | Gespecialiseerde inference, zeer grote context en de officieel genoemde volgende architectuurlijn |
Deze volgorde betekent niet dat iedere organisatie direct moet upgraden. Beschikbaarheid, software, datacenterfaciliteiten en benuttingsgraad zijn vaak belangrijker dan de nieuwste productnaam.
Eerst: GPU, architectuur, superchip of systeem?
Architectuur
Een architectuur is het ontwerp waarop een familie producten is gebaseerd. Hopper, Blackwell en Rubin zijn generatienamen.
GPU
H100, H200, B200 en B300 verwijzen naar GPU-producten of varianten daarvan. Exacte specificaties kunnen verschillen tussen SXM-, PCIe- en andere uitvoeringen.
Superchip
Een Grace Hopper- of Grace Blackwell-superchip combineert GPU-rekenkracht met Nvidia’s Grace-CPU via een snelle chip-to-chipverbinding. GB200 en GB300 vallen in die bredere productlogica.
Systeem
DGX H100, DGX B200 en DGX B300 zijn complete servers met meerdere GPU’s, CPU’s, opslag, netwerkinterfaces en software.
Rack-scale platform
GB200 NVL72 en GB300 NVL72 koppelen 72 GPU’s en 36 Grace-CPU’s in één vloeistofgekoeld rackdomein. Het getal 72 gaat dus niet over één chip.
Nvidia H100: de Hopper-generatie
De H100 werd het beeldbepalende datacenterproduct tijdens de eerste grote golf van generatieve AI. De GPU is gebaseerd op de Hopper-architectuur en introduceerde onder meer de vierde generatie tensorcores en een Transformer Engine die tussen geschikte precisieformaten kan schakelen.
De veelgebruikte H100 SXM-uitvoering heeft 80 GB HBM3-geheugen en een opgegeven bandbreedte van 3,35 TB per seconde. Het maximale stroomverbruik kan 700 watt bedragen. Andere uitvoeringen, waaronder PCIe en H100 NVL, hebben andere specificaties. Een H100-prijs zonder uitvoering, systeemcontext en supportcontract zegt daarom weinig.
H100 wordt gebruikt voor:
- training van grote taal- en multimodale modellen;
- inference met hoge doorvoer;
- wetenschappelijke simulaties;
- data-analyse;
- clusters met snelle NVLink- en netwerkverbindingen.
De H100 is niet “verouderd” zodra een opvolger verschijnt. Bestaande clusters kunnen economisch aantrekkelijk blijven wanneer ze goed worden benut en de workload past.
Nvidia H200: Hopper met meer en sneller geheugen
De H200 gebruikt nog steeds Hopper, maar combineert die architectuur met 141 GB HBM3e en 4,8 TB per seconde geheugenbandbreedte. Dat is vooral relevant voor grote modellen en geheugenintensieve inference.
Meer geheugen kan:
- een groter model op één GPU laten passen;
- minder verdeling over meerdere GPU’s vereisen;
- grotere batches mogelijk maken;
- langere context of grotere caches ondersteunen;
- communicatie tussen chips verminderen.
H200 is dus geen volledig nieuwe architectuur na H100. Het is een Hopper-product met een andere geheugenbalans. Voor bepaalde workloads kan dat verschil belangrijker zijn dan extra theoretische rekenkracht.
Blackwell: B200 en GB200
Blackwell volgde Hopper op. Nvidia ontwierp de generatie nadrukkelijk voor zeer grote AI-modellen en systemen. Belangrijke onderdelen zijn nieuwere tensorcores, ondersteuning voor lagere precisie, een snellere NVLink-generatie en beveiligings- en betrouwbaarheidsfuncties voor datacenters.
B200
De B200 is de Blackwell-datacenter-GPU. Een DGX B200 bevat acht Blackwell-GPU’s en in totaal 1.440 GB GPU-geheugen, oftewel 180 GB per GPU in die configuratie. De precieze prestatie hangt sterk af van het gebruikte numerieke formaat en of sparsity wordt meegerekend.
GB200
Bij GB200 staat de G voor Grace en de B voor Blackwell. Het product combineert een Grace-CPU met Blackwell-GPU’s via NVLink-C2C. Dat maakt een samenhangender geheugen- en rekendomein mogelijk dan wanneer losse componenten alleen via standaardinterfaces communiceren.
GB200 NVL72
GB200 NVL72 is een vloeistofgekoeld rack met 72 Blackwell-GPU’s en 36 Grace-CPU’s. De GPU’s zijn via NVLink gekoppeld. Het systeem is bedoeld om zeer grote modellen als één sterk verbonden rekendomein te behandelen.
Zo’n rack stelt zware eisen aan:
- elektriciteitsvoorziening;
- vloeistofkoeling;
- vloerbelasting en rackplanning;
- snelle externe netwerken;
- opslag en datatoevoer;
- beheer en beschikbaarheid.
Het is daarom onjuist om een rackprestatie te vergelijken met één H100 zonder de schaal en het energiegebruik mee te nemen.
Blackwell Ultra: B300 en GB300
Blackwell Ultra bouwt verder op Blackwell en richt zich sterk op inference voor reasoningmodellen, langere context en zwaardere test-time compute. Zulke modellen doen bij een antwoord meer tussenstappen en vragen daardoor extra rekenwerk en geheugen.
DGX B300
Een DGX B300 bevat acht Blackwell Ultra SXM-GPU’s en 2,1 TB totaal GPU-geheugen. Nvidia vermeldt 14,4 TB per seconde geaggregeerde NVLink-bandbreedte binnen het systeem en een stroomverbruik van ongeveer 14 kW. Het systeem neemt 10 rackunits in.
De opgegeven 144 PFLOPS FP4 is een systeemspecificatie en wordt door Nvidia als sparse en dense waarde weergegeven. Zo’n cijfer kan niet rechtstreeks worden vergeleken met een FP8-, BF16- of FP32-meting.
GB300 NVL72
GB300 NVL72 combineert 72 Blackwell Ultra-GPU’s met 36 Grace-CPU’s. Nvidia geeft voor het rack 20 TB GPU-geheugen, tot 576 TB per seconde totale GPU-geheugenbandbreedte en 130 TB per seconde NVLink-bandbreedte op.
De grotere geheugencapaciteit is een kernverschil met de eerste Blackwell-racks. Dat kan meer modelgewichten, grotere key-value-caches en grotere batches binnen hetzelfde gekoppelde domein houden.
Rubin: de opvolgende platformgeneratie
Rubin is niet alleen de naam van een losse GPU. Nvidia presenteert Vera Rubin als een platform met:
- Rubin-GPU’s;
- Vera-CPU’s;
- NVLink 6;
- ConnectX-9-netwerkcomponenten;
- BlueField-4-DPU’s;
- Spectrum-6 Ethernet;- Groq 3-LPU’s voor gespecialiseerde inference;
- systemen op rackniveau.
De kern bestaat uit zeven chips: Vera, Rubin, NVLink 6, ConnectX-9, BlueField-4, Spectrum-6 en Groq 3. Productvarianten lopen van Vera Rubin NVL72 tot DGX Rubin NVL8 en andere server- en rackconfiguraties.
Op de peildatum meldde Nvidia dat de productie van Vera Rubin wordt opgeschaald. Dat betekent niet dat ieder Rubin-systeem al uit voorraad leverbaar is. Officiële productieleveringen van systemen worden vanaf het najaar van 2026 verwacht en beschikbaarheid verschilt per fabrikant, cloudprovider, land en configuratie. Schrijf daarom niet simpelweg dat “Rubin nu overal beschikbaar is”.
Rubin richt zich onder meer op agentic AI, reasoning, multimodale modellen en wetenschappelijke workloads. De relevante vraag is niet alleen hoeveel sneller een Rubin-component is, maar welke software, koeling, netwerkarchitectuur en investeringscyclus nodig zijn om die capaciteit te benutten.
Groq 3, Rubin CPX en Feynman
Nvidia’s roadmap is in 2026 breder geworden dan een jaarlijkse opvolger van één GPU.
Groq 3 LPX is gericht op zeer snelle inference. Nvidia meldde op 24 augustus 2026 dat deze LPU in volledige productie is. Het product staat naast Vera Rubin in de infrastructuurarchitectuur; het is geen Rubin-GPU en mag niet als directe naamsvariant worden beschreven. AI Wereld behandelt de strategische achtergrond in het nieuwsverhaal over Nvidia’s nieuwe chips en inference-aanpak.
Rubin CPX is een aangekondigde gespecialiseerde GPU voor zeer grote contexten. Nvidia koppelde die aan Vera Rubin NVL144 CPX en mikte op eind 2026. Dat is een planning, geen garantie dat iedere uitvoering dan algemeen beschikbaar is.
Feynman is de officieel genoemde volgende grote architectuurlijn, met onder meer Rosa-CPU’s, LP40-LPU’s, BlueField-5, ConnectX-10 en Kyber-interconnects. Nvidia gaf in de geraadpleegde officiële informatie geen harde algemene leverdatum. Feynman hoort daarom in een roadmapkader, niet in een vergelijking met producten die nu kunnen worden besteld.
Wat betekenen HBM, NVLink en NVL72?
HBM
High Bandwidth Memory wordt dicht bij de accelerator geplaatst en levert een veel hogere bandbreedte dan traditioneel servergeheugen. De generaties HBM3 en HBM3e verhogen capaciteit en doorvoer. HBM is kostbaar en de beschikbaarheid ervan beïnvloedt de levering van AI-systemen.
NVLink
NVLink is Nvidia’s verbinding voor snelle communicatie tussen processors. Bij verdeelde AI-workloads moeten GPU’s voortdurend gegevens uitwisselen. Een snelle scale-upverbinding helpt voorkomen dat communicatie de rekeneenheden laat wachten.
NVSwitch
NVSwitch verbindt meerdere NVLink-eindpunten in een systeem of rack. Daarmee kunnen veel GPU’s onderdeel worden van een groter gekoppeld domein.
NVL72
NVL72 duidt op een systeem met 72 via NVLink verbonden GPU’s. Het is een schaalomschrijving van een rackplatform, geen type geheugen of precisie.
Waarom is numerieke precisie belangrijk?
AI-chips worden geadverteerd met prestaties in FP64, FP32, TF32, BF16, FP16, FP8, FP4 of integerformaten. Lager is niet automatisch slechter. Veel AI-berekeningen verdragen minder bits, waardoor meer bewerkingen per seconde mogelijk zijn en minder geheugen nodig is.
Maar niet iedere stap kan veilig in het laagste formaat worden uitgevoerd. Training kan gemengde precisie gebruiken; inference kan een model quantiseren; wetenschappelijke simulaties kunnen juist FP64 vereisen.
Controleer bij iedere benchmark:
- welk formaat is gebruikt;
- of sparsity is ingeschakeld;
- of het om theoretische piek of gemeten applicatieprestatie gaat;
- welke batchgrootte en context zijn gebruikt;
- hoeveel GPU’s en welk energieverbruik nodig waren;
- welke softwareversie is gebruikt.
H100 versus H200 versus Blackwell: wat is de beste keuze?
Er is geen universeel antwoord. Hieronder vind je een lijst met goede keuzes voor verschillende situaties:
| Situatie | Logische overweging | |
| Bestaand H100-cluster | Optimaliseer benutting en software voordat vervanging wordt gepland | |
| Groot model past niet efficiënt | H200 of een generatie met meer geheugen kan communicatie verminderen | |
| Nieuwe grootschalige AI-fabriek | Blackwell, Blackwell Ultra of Rubin beoordelen als compleet systeem | |
| Zware reasoning-inference | Let op geheugen, attentionprestaties, latency en kosten per token | |
| Wetenschappelijk FP64-werk | Vergelijk de relevante FP64-prestatie, niet AI-FP4 | |
| Beperkte datacenterkoeling | Controleer rackvermogen en koeling vóór productselectie | |
| Tijdelijke of wisselende vraag | Cloudcapaciteit kan minder risicovol zijn dan aankoop |
De “beste chip” is degene die binnen de infrastructuur en software de gewenste dienst tegen aanvaardbare kosten levert.
Chipbenchmark versus systeembenchmark
Een losse GPU-benchmark meet iets anders dan een productieomgeving. Bij een echt systeem tellen ook:
- CPU- en opslagprestaties;
- netwerktopologie;
- modelserver en scheduler;
- batching;
- quantisatie;
- beschikbaarheid en storingen;
- koeling en vermogenslimieten;
- bezettingsgraad.
Vraag leveranciers om resultaten met de eigen modellen en service-eisen. Een hogere maximale throughput is weinig waard als de responstijd voor individuele gebruikers te hoog is.
Waar passen DGX en CUDA in dit verhaal?
De chip is één laag. CUDA en libraries zoals NCCL en TensorRT-LLM bepalen hoe software de hardware gebruikt. DGX-systemen combineren meerdere GPU’s met CPU’s, opslag, netwerkinterfaces, beheer en support.
Voor de overkoepelende bedrijfsstrategie lees je wat is Nvidia?. Daar staat ook waarom het bedrijf inzet op complete platformen in plaats van uitsluitend losse accelerators.
Conclusie
H100 en H200 horen bij Hopper. B200 en GB200 horen bij Blackwell. B300 en GB300 zijn Blackwell Ultra. Rubin is de daaropvolgende platformgeneratie. De lettercombinatie zegt vervolgens of het om een GPU, CPU-GPU-combinatie, server of rack gaat.
Een verantwoorde vergelijking begint daarom met dezelfde productlaag en dezelfde numerieke precisie. Daarna tellen geheugen, bandbreedte, interconnect, software, energie, koeling en totale kosten. Alleen een petaFLOPS-cijfer kiezen leidt vrijwel zeker tot de verkeerde conclusie.
Veelgestelde vragen over Nvidia AI-chips
Wat is het verschil tussen H100 en H200?
Beide gebruiken de Hopper-architectuur. H200 heeft in de relevante uitvoering 141 GB HBM3e en 4,8 TB per seconde geheugenbandbreedte, tegenover 80 GB HBM3 en 3,35 TB per seconde bij de H100 SXM.
Is Blackwell een chip?
Blackwell is een architectuurfamilie. B200 is een Blackwell-GPU; GB200 combineert Blackwell-GPU’s met een Grace-CPU; GB200 NVL72 is een volledig rackplatform.
Wat is Blackwell Ultra?
Blackwell Ultra is een uitgebreide Blackwell-generatie met meer geheugen en extra capaciteit voor onder meer reasoning-inference en lange context. B300 en GB300 zijn bekende productnamen binnen die generatie.
Wat betekent NVL72?
NVL72 verwijst naar een rack-scale systeem met 72 via NVLink gekoppelde GPU’s.
Is Vera Rubin al beschikbaar?
Nvidia schaalt de productie op, maar op 25 augustus 2026 was niet iedere Rubin-uitvoering algemeen leverbaar. Productieleveringen van systemen worden vanaf het najaar verwacht; controleer product, partner, land en configuratie afzonderlijk.
Kun je H100- en Rubin-prestaties rechtstreeks vergelijken?
Alleen wanneer workload, precisie, aantal chips, software en energiegebruik gelijkwaardig zijn. Marketingcijfers gebruiken vaak verschillende formaten of complete systemen en zijn dan niet rechtstreeks vergelijkbaar.
Robin HeesterOprichter
Robin Heester is mede-oprichter van AI Wereld en heeft door de jaren heen meerdere websites, nieuwsbrieven en magazines opgericht. Hij schrijft over technologie, innovatie en de maatschappelijke impact van nieuwe digitale ontwikkelingen.
Populair nieuws
Wat zijn GPU’s en waarom zijn ze cruciaal voor AI?
Nvidia jaagt op kwartalen van $100 miljard, maar financiert steeds vaker zelf de AI-boom
Wat is CUDA? Nvidia’s softwareplatform uitgelegd
189 gigawatt: AI-bedrijven willen hun eigen gascentrales bouwen
Wat is Nvidia? Complete uitleg over het bedrijf, AI-chips, GPU’s en CUDA
Laatste reacties
- Ja, de transcriptie van het gesprek is gedaan met AI. Dank voor de feedback over de herhalingen, daar kan ik zeker nog wat scherper op zijn.RobinHeester21-08-2026
- Goed artikel, alleen jammer dat er zoveel Ai bij gebruikt is om het te schrijven, veel herhalingen, het had een stuk compacter gekund.🙃Cas.v21-08-2026
- Voor zover ik weet moet je bij academische publicaties vooral eerlijk en transparant zijn over hoe en waar je AI hebt gebruikt. En de oorspronkelijke informatiebronnen kunnen dan gewoon volgens APA worden vermeld. Maar daar weet ik het fijne ook (nog) niet van.RobinHeester13-08-2026
- Ik ben benieuwd wat dit gaat betekenen voor de APA verwijzingen in academische publicaties.Cas.v13-08-2026
- Wie wordt er beter van.....zal Meta wel zijnhenk.h10-07-2026
- Wat voor weer wordt het vandaaghenk.h03-07-2026
- Dit artikel is van 1 april, dus deze belasting is niet echt. Gelukkig maar. :)RobinHeester12-05-2026
- Of een ander land..dat lijkt mij beterHan10-05-2026
- Op 1 april 2028 komt er een AI die al het kantoorwerk van alle Nederlanders overneemt. Heb ik van horen zeggen.RobinHeester01-04-2026
- AI moet een tool zijn. Maar net als Excel, je e-mailbox of Photoshop: die tool kan steeds meer voor je doen als je het de juiste input geeft. Dat ligt bij dokters en andere soortgelijke zaken wel wat gevoeliger. ;)RobinHeester01-04-2026
Loading