SECTIONS
EDITIONS
NETWORK
AIXX Pedia A enciclopédia do universo da computação
Ficha técnica SPEC CARD

NVIDIA Tesla P100

O carro-chefe divisor de águas da era de transição do deep learning: a primeira GPU da história com HBM2 (16GB) + estreia do NVLink + coração do DGX-1; na era Pascal sem Tensor Core, era a força de transição que enfrentava o treinamento com FP16 2:1; após a iteração para a V100, grande parte do estoque SXM2/PCIe afundou no mercado de segunda mão, e as placas de 16GB de grande memória a preço baixo seguem sendo modelos ativos de circulação no mercado de segunda mão para pequenos modelos/inferência

Visão geral

A NVIDIA Tesla P100 é baseada no núcleo GP100 da arquitetura Pascal, fabricada em processo de 16nm FinFET, e foi a primeira GPU da NVIDIA com memória HBM2 de alta largura de banda, equipada com 16GB em encapsulamento CoWoS e interface de memória de 4096 bits. A placa foi oferecida em duas formas: módulo SXM2 e PCIe. A versão SXM2 estreou a tecnologia de interconexão NVLink, lançando as bases para os sistemas DGX posteriores; a versão PCIe destina-se a servidores padrão. Compute Capability 6.0, sem Tensor Core, com suporte a throughput FP16 dobrado. Seus usos típicos são treinamento e inferência de deep learning, computação de alto desempenho e tarefas em lote que exigem grande capacidade de memória; atualmente também circula como estoque de segunda mão em cenários de implantação de pequenos modelos.

Especificações principais

ArquiteturaPascal (GP100), Compute Capability 6.0; 16nm FinFET, 610 mm², 15,3 bilhões de transistores (GP100 completo com 60 SMs, P100 usa 56 SMs)
Memória16GB CoWoS HBM2 (quatro stacks de 4-die, ECC nativo do HBM2 sem custo de capacidade/largura de banda; a versão PCIe também teve uma variante de 12GB @ 549 GB/s)
Largura de banda de memória732 GB/s (segundo o datasheet oficial; o corpo do whitepaper usa o cálculo aproximado de 180 GB/s por stack × 4 = 720; a variante PCIe de 12GB, 549 GB/s)
Largura do barramento de memóriaBarramento de 4096 bits (8 controladores de memória de 512 bits, confirmado pelo deviceQuery nas duas versões)
Poder de computaçãoDois cenários: versão SXM2 FP32 10,6 / FP16 21,2 / FP64 5,3 TFLOPS; versão PCIe FP32 9,3 / FP16 18,7 / FP64 4,7 TFLOPS (a geração Pascal não tem Tensor Core; o FP16 atinge throughput 2:1 via unidades dedicadas do GP100)
Núcleos CUDA3584 (56 SMs × 64, confirmado pelo deviceQuery; unidades FP64: 1792 = 32/SM)
ConsumoSXM2 300W (nvidia-smi padrão = máximo, mín 150W) / PCIe 250W (padrão = máximo, mín 125W)
InterconexãoVersão SXM2: NVLink 4 links × 40GB/s = 160GB/s bidirecionais (primeiro lançamento mundial) + PCIe Gen3; versão PCIe sem NVLink, apenas PCIe Gen3 x16
Ano de lançamento2016 (anunciada na GTC San Jose em 05/04/2016, conforme dev blog oficial; SXM2 estreou com o DGX-1, versão PCIe começou a ser enviada em setembro de 2016)
FormaSXM2: mezzanine no backplane (140 mm × 78 mm, 300W, part number 900-2H403-0000-000) / PCIe full-height full-length dual-slot passiva (250W), ambas sem ventoinha
FrequênciasSXM2: base 1328 / Boost 1480 MHz; PCIe: aplicação 1189 / máx 1328 MHz (medições do nvidia-smi); memória 715 MHz (equivalente a 1,43 Gbps × 2 = 732 GB/s, consistente)
DestaquesA primeira GPU da história com memória HBM2 + placa de estreia do NVLink e carro-chefe datacenter da geração Pascal; coração do supercomputador de IA DGX-1 com 170 TFLOPS FP16 em oito placas; força principal da era de transição do deep learning sem Tensor Core, com grande estoque remanescente e intensa circulação no mercado de segunda mão
Especificações verificadas com base em documentação oficial ( Benchmarks oficiais , atualizado em 2026-10-10) · O preço real está sujeito à cotação do vendedor

Cenários de uso

Modelos da mesma família

ModeloMemóriaConsumo
NVIDIA T4 Comparar16GB GDDR6 com ECC (ativado por padrão)70W (potência total da placa, padrão)
NVIDIA A100 CompararDuas versões: 40GB HBM2 / 80GB HBM2e (a de 80GB anunciada na SC20 em 16/11/2020), com ECCSXM4 400W (igual para 40GB/80GB); versão PCIe: 40GB 250W / 80GB 300W
NVIDIA H20 Comparar96GB HBM3 (três fontes consistentes: Flopper/VipraTech/Tencent News)400W TDP (três fontes: tabela de especificações Flopper/VipraTech e Tencent News com 'TDP de 400W'; o texto da VipraTech mencionava 350W, valor contraditório descartado)
NVIDIA GB300 Comparar288GB HBM3e (por encapsulamento de GPU; 576GB no superchip; HGX a nível de placa com 2,1TB / rack com 20TB, coexistindo)TGP de até 1400W
NVIDIA A30 Comparar24 GB HBM2165 W
NVIDIA GeForce RTX 4090 Comparar24GB GDDR6X450W TGP (média de 315W em jogos, fonte recomendada de 850W)

Vídeo explicativo VIDEO

Pontos de compra e inspeção

Perguntas frequentes

Qual a diferença entre a Tesla P100 SXM2 e a PCIe, e como escolher?
A versão SXM2 é um módulo mezzanine de backplane com suporte a interconexão NVLink de quatro links, adequada para sistemas multi-GPU (como o DGX-1); a versão PCIe é uma placa padrão Gen3 x16, sem NVLink, compatível com servidores comuns, mas a comunicação entre placas passa pelo barramento PCIe. Para inferência em placa única ou implantação geral, a PCIe é mais fácil de implantar; para escalabilidade multi-GPU, é necessário um sistema com suporte a SXM2.
A P100 não tem Tensor Core — ainda vale a pena para deep learning?
A P100 pertence à arquitetura anterior ao surgimento dos Tensor Cores, e o throughput de treinamento depende principalmente da taxa dobrada em FP16 e da alta largura de banda de memória. Ainda dá conta do treinamento de modelos pequenos e médios, mas a diferença de eficiência frente a placas modernas com Tensor Core é evidente. Hoje a placa é mais usada em treinamento de pequenos modelos, inferência e implantações em cenários que não exigem throughput extremo mas demandam muita memória, sendo o custo-benefício sua principal vantagem.
O que observar ao comprar uma Tesla P100 de segunda mão?
Primeiro, confirme a versão de memória (16GB ou a variante de 12GB da versão PCIe) e as diferenças de especificação de largura de banda; segundo, a placa é refrigerada passivamente e deve ser instalada em um chassi de servidor com fluxo de ar adequado, nunca usada fora do gabinete; terceiro, verifique se o ECC está ativado corretamente e se a memória HBM2 apresenta erros; por fim, lembre que a versão SXM2 não pode ser usada diretamente em placas-mãe comuns, exigindo um backplane ou sistema dedicado.
Leitura recomendada:NVIDIA A10 · Ficha em profundidadeNVIDIA A100 · Ficha em profundidadeAIXX Pedia · Ficha em profundidade
Conteúdo atualizado em 2026-10-10 · Para aprofundar, siga a Ficha em profundidade Política editorial fluxo
Esta base
Política editorialSobre esta base (declaração de interesses)canal de correções
Resumo da constituição editorial
Toda afirmação com fonteDefeitos sempre mencionados · erratas públicas e registradasEntradas pagas não são aceitasZero elementos de direcionamento e vendas nas entradasDados de mercado apenas como módulo de dados anexado
Família AIXX
AIXX PediaAIXX Exchange de CálculoInformações AIXX
Fonte dos dados de mercado: AIXX Exchange de Cálculo · © 2026 AIXX Pedia · Produzido pela AIXX