스펙 카드 SPEC CARD
NVIDIA Tesla P100
딥러닝 과도기의 분수령 플래그십: 역사상 최초의 HBM2 GPU(16GB) + NVLink 최초 탑재 + DGX-1의 심장. Pascal 세대에 Tensor Core가 없던 시절 FP16 2:1 성능으로 학습을 버텨낸 과도기의 주력. V100 이후 대량의 SXM2/PCIe 재고가 중고 시장 유통에 흘러들었으며, 16GB 대용량 메모리의 저가 카드는 지금도 소형 모델/추론 배포용 중고 시장 유통 모델로 거래되고 있다.
개요
NVIDIA Tesla P100은 Pascal 아키텍처 기반의 GP100 코어를 탑재했으며, 16nm FinFET 공정으로 제조되었다. NVIDIA 최초로 HBM2 고대역폭 메모리를 채용한 GPU로, 16GB CoWoS 패키징 메모리와 4096-bit 메모리 인터페이스를 갖추고 있다. 이 카드는 SXM2 모듈과 PCIe 두 가지 형태로 출시되었다. SXM2 버전은 NVLink 상호연결 기술을 처음 도입하여 이후 DGX 시리즈 통합 시스템의 기반을 마련했으며, PCIe 버전은 표준 서버용이다. 컴퓨트 능력 6.0, Tensor Core 없음, FP16 두 배 처리량 지원. 주요 용도는 딥러닝 학습 및 추론, 고성능 컴퓨팅, 그리고 대용량 메모리가 필요한 배치 작업이며, 현재도 중고 재고로서 소형 모델 배포 환경에서 유통되고 있다.
핵심 스펙
| 아키텍처 | Pascal (GP100), Compute Capability 6.0; 16nm FinFET, 610mm², 153억 트랜지스터(GP100 풀구성 60 SM, P100은 56 SM 사용) |
| 메모리 | 16GB CoWoS HBM2(4스택 4-die, HBM2 네이티브 ECC로 용량/대역폭 손실 없음; PCIe 버전에는 12GB@549GB/s 변형 모델도 존재) |
| 메모리 대역폭 | 732 GB/s(공식 datasheet 기준; 백서 본문은 스택당 180GB/s×4=720으로 계산한 근사치; 12GB PCIe 변형은 549 GB/s) |
| 메모리 버스 폭 | 4096bit(8×512-bit 메모리 컨트롤러, deviceQuery 실측 두 버전 동일) |
| 연산 성능 | 듀얼 기준: SXM2 버전 FP32 10.6 / FP16 21.2 / FP64 5.3 TFLOPS; PCIe 버전 FP32 9.3 / FP16 18.7 / FP64 4.7 TFLOPS(Pascal 세대는 Tensor Core 없음, FP16은 GP100 전용 유닛을 통한 2:1 처리량) |
| CUDA 코어 | 3584(56 SM × 64, deviceQuery 실측; FP64 유닛 1792=32/SM) |
| 소비 전력 | SXM2 300W(nvidia-smi 기본값=최대, 최소 150W) / PCIe 250W(기본값=최대, 최소 125W) |
| 인터커넥트 | SXM2 버전 NVLink 4 Link×40GB/s=160GB/s 양방향(세계 최초) + PCIe Gen3; PCIe 버전은 NVLink 없이 PCIe Gen3 x16만 지원 |
| 출시 연도 | 2016(2016-04-05 GTC 산호세 발표, 공식 dev blog 기준; SXM2는 DGX-1과 함께 먼저 출시, PCIe 버전은 2016-09부터 출하) |
| 폼팩터 | SXM2 베이스보드 mezzanine(140mm×78mm, 300W, 파트넘버 900-2H403-0000-000) / PCIe 풀하이츠 풀렝스 듀얼슬롯 패시브(250W), 모두 팬 없음 |
| 클럭 | SXM2: 기본 1328/Boost 1480 MHz; PCIe: 애플리케이션 1189/최대 1328 MHz(nvidia-smi 실측); 메모리 715 MHz(실효 1.43Gbps×2=732GB/s와 일치) |
| 특징 | 역사상 최초의 HBM2 메모리 GPU + NVLink 최초 탑재 카드, Pascal 데이터센터 플래그십. DGX-1 8카드 170 TFLOPS FP16의 AI 슈퍼컴퓨팅 심장. Tensor Core가 없던 시절 딥러닝 과도기의 주력으로, 현재 재고가 많고 중고 시장 유통도 활발하다. |
스펙은 공식 자료 기준으로 검증되었습니다(
공식 벤치마크, 2026-10-10 업데이트) · 실제 가격은 판매자 제시가 기준
적용 시나리오
- 중소규모 딥러닝 모델의 학습 및 파인튜닝. FP16 두 배 처리량을 활용해 Tensor Core 부재로 인한 처리량 한계를 보완
- 모델 추론 및 온라인 서비스 배포. 16GB 메모리로 비교적 큰 모델 가중치와 배치 큐 수용 가능
- 고성능 컴퓨팅 및 과학 계산. 높은 배정밀도 부동소수점 처리량으로 전통적 HPC 워크로드 구동
- 메모리 용량 민감형 배치 작업. 대규모 데이터 전처리, 그래프 연산, 인메모리 데이터베이스 가속 등
동일 계열 모델
| 모델 | 메모리 | 소비 전력 |
|---|
| NVIDIA T4 비교 | 16GB GDDR6 with ECC (기본 활성화) | 70W (보드 전체 전력, 기본값) |
| NVIDIA A100 비교 | 40GB HBM2 / 80GB HBM2e 듀얼 버전(80GB 버전은 2020-11-16 SC20에서 추가 공개), ECC 탑재 | SXM4 400W(40GB/80GB 공통); PCIe 버전 40GB 250W / 80GB 300W |
| NVIDIA H20 비교 | 96GB HBM3(Flopper/VipraTech/텐센트 뉴스 3개 소스 일치) | 400W TDP(Flopper/VipraTech 사양표/텐센트 뉴스 '열설계전력 400W' 3개 소스; VipraTech 본문의 350W 상충 수치는 기각) |
| NVIDIA GB300 비교 | 288GB HBM3e(단일 GPU 패키지 기준; 슈퍼칩 576GB; HGX 보드 레벨 2.1TB/랙 20TB 병기) | TGP 최대 1400W |
| NVIDIA A30 비교 | 24 GB HBM2 | 165 W |
| NVIDIA GeForce RTX 4090 비교 | 24GB GDDR6X | 450W TGP (평균 게이밍 315W, 권장 시스템 파워 850W) |
영상 해설 VIDEO
구매 및 검수 포인트
- 형태와 냉각 방식의 적합성 확인: 이 모델의 두 버전 모두 패시브 냉각으로, 서버 섀시의 강제 공기 흐름에 의존한다. SXM2 버전은 표준 확장카드가 아닌 베이스보드 모듈이므로 SXM2를 지원하는 통합 시스템 또는 베이스보드가 필요하다. 중고 통합 시스템 구매 시에는 랙 공기 흐름과 냉각 능력이 패시브 냉각 설계 요구사항을 충족하는지 확인해야 한다
- 전력 공급 및 랙 환경 확인: SXM2와 PCIe 버전은 소비 전력 등급이 다르다(nvidia-smi로 확인 가능한 상한 기준). 배포 전에 통합 시스템 정격 전력에 따라 랙 전력 공급과 PDU 여유를 계획하여, 서로 다른 전력 버전 혼용으로 인한 과부하를 피해야 한다
- 버전 구분 및 진위 검증: 디바이스 명칭(예: Tesla P100-SXM2-16GB 또는 Tesla P100-PCIE-16GB)과 파트넘버의 일치를 우선 확인하고, PCIe 버전에는 12GB 메모리 변형 모델이 존재하며 성능 파라미터도 버전에 따라 다르다는 점에 유의. 수령 후 deviceQuery와 nvidia-smi로 SM 수, 메모리 용량, ECC 상태가 Enabled인지 확인하는 것을 권장
자주 묻는 질문
Tesla P100의 SXM2 버전과 PCIe 버전은 어떤 차이가 있으며, 어떻게 선택해야 할까?
SXM2 버전은 mezzanine 베이스보드 모듈로, 4링크 NVLink 상호연결을 지원하여 다중 GPU 병렬 통합 시스템(예: DGX-1) 환경에 적합하다. PCIe 버전은 표준 Gen3 x16 확장카드로 NVLink가 없으며, 일반 서버와 호환되지만 다중 카드 통신은 PCIe 버스를 거친다. 단일 카드 추론이나 범용 배포가 목적이라면 PCIe 버전이 배포가 더 쉽고, 다중 카드 확장성을 추구한다면 SXM2 통합 시스템 지원이 필요하다.
P100은 Tensor Core가 없는데, 딥러닝용으로 여전히 가치가 있을까?
P100은 Tensor Core 등장 이전의 아키텍처로, 학습 처리량은 주로 FP16 두 배 속도와 높은 메모리 대역폭에 의존한다. 중소규모 모델 학습은 감당할 수 있지만, 최신 Tensor Core 탑재 카드에 비해 효율 격차가 뚜렷하다. 현재 이 카드는 처리량 요구가 극단적이지 않으면서 메모리 용량 요구가 큰 소형 모델 학습, 추론 배포 등에 더 많이 활용되며, 가성비가 주요 강점이다.
중고 Tesla P100 구매 시 주의할 점은?
먼저 메모리 버전(16GB 또는 PCIe 버전 12GB 변형)과 대역폭 사양 차이를 확인해야 한다. 다음으로 이 카드는 패시브 냉각 방식이므로 완비된 공기 흐름을 갖춘 서버 섀시에 장착해야 하며, 베어본 상태로 사용할 수 없다. 또한 ECC가 정상적으로 활성화되어 있는지, HBM2 메모리에 오류가 없는지 점검해야 한다. 마지막으로 SXM2 버전은 일반 메인보드에 직접 사용할 수 없으며, 전용 베이스보드나 통합 시스템이 필요하다.
자료 업데이트 2026-10-10 · 심층 항목 업그레이드는
편집 방침 프로세스