Карточка характеристик SPEC CARD
NVIDIA Tesla P100
Флагман переходного периода глубокого обучения: первый в истории GPU с HBM2 (16 ГБ) + дебют NVLink + сердце DGX-1; в эпоху Pascal без Tensor Core модель вывозила тренировки на FP16 2:1; после выхода V100 множество накопившихся SXM2/PCIe карт ушло на вторичный рынок, а 16-гигабайтные карты с большим объёмом памяти по низкой цене до сих пор остаются ходовыми моделями на вторичном рынке для развёртывания малых моделей и инференса
Обзор
NVIDIA Tesla P100 построена на ядре GP100 архитектуры Pascal, изготовлена по 16-нм техпроцессу FinFET и стала первым GPU NVIDIA с высокополосной памятью HBM2, оснащённой в 16-ГБ упаковке CoWoS с шиной памяти 4096 бит. Карта выпускалась в двух вариантах: модуль SXM2 и PCIe. Версия SXM2 впервые представила технологию взаимосвязи NVLink, заложив основу для последующих цельносборных систем серии DGX; версия PCIe ориентирована на стандартные серверы. Вычислительная мощность 6.0, Tensor Core нет, поддерживается удвоенная пропускная способность FP16. Типичное применение — обучение и инференс в глубоком обучении, высокопроизводительные вычисления и пакетные задачи с повышенными требованиями к объёму памяти; сегодня карта в основном обращается на вторичном рынке в сценариях развёртывания малых моделей.
Ключевые характеристики
| Архитектура | Pascal (GP100), Compute Capability 6.0; 16nm FinFET, 610 мм², 15,3 млрд транзисторов (полная конфигурация GP100 — 60 SM, в P100 задействовано 56 SM) |
| Память | 16 ГБ CoWoS HBM2 (четыре стека по 4-die, нативный ECC HBM2 без потерь ёмкости/пропускной способности; у версии PCIe существует также вариант 12 ГБ @ 549 ГБ/с) |
| Пропускная способность памяти | 732 ГБ/с (по официальному datasheet; в тексте whitepaper фигурирует грубая оценка 180 ГБ/с × 4 = 720 на стек; вариант 12 ГБ PCIe — 549 ГБ/с) |
| Разрядность шины памяти | 4096 бит (8 контроллеров памяти по 512 бит, подтверждено deviceQuery на обеих версиях) |
| Вычислительная мощность | Два варианта: SXM2 — FP32 10,6 / FP16 21,2 / FP64 5,3 TFLOPS; PCIe — FP32 9,3 / FP16 18,7 / FP64 4,7 TFLOPS (в поколении Pascal нет Tensor Core, FP16 работает через специализированные блоки GP100 с соотношением 2:1) |
| CUDA-ядра | 3584 (56 SM × 64, по данным deviceQuery; блоков FP64 — 1792 = 32/SM) |
| Потребление | SXM2 300 Вт (по nvidia-smi по умолчанию = максимум, минимум 150 Вт) / PCIe 250 Вт (по умолчанию = максимум, минимум 125 Вт) |
| Интерконнект | Версия SXM2: NVLink 4 Link × 40 ГБ/с = 160 ГБ/с двунаправленно (мировой дебют) + PCIe Gen3; версия PCIe без NVLink, только PCIe Gen3 x16 |
| Год выпуска | 2016 (анонс 2016-04-05 на GTC в Сан-Хосе, по официальному dev blog; SXM2 вышла первой в составе DGX-1, версия PCIe поставляется с сентября 2016) |
| Форм-фактор | SXM2: mezzanine-модуль на плате основания (140 мм × 78 мм, 300 Вт, парт-номер 900-2H403-0000-000) / PCIe: полновысотная полнодлинная двухслотовая пассивная карта (250 Вт), обе без вентиляторов |
| Частоты | SXM2: базовая 1328 / Boost 1480 МГц; PCIe: приложение 1189 / максимум 1328 МГц (по замерам nvidia-smi); память 715 МГц (эквивалент 1,43 Гбит/с × 2 = 732 ГБ/с, сходится) |
| Особенности | Первый в истории GPU с памятью HBM2 + карта с дебютом NVLink, флагман Pascal для дата-центров; сердце ИИ-суперкомпьютера DGX-1 с восемью картами и 170 TFLOPS FP16; основная рабочая лошадка переходного периода глубокого обучения до эпохи Tensor Core, крупные накопленные объёмы, активный оборот на вторичном рынке |
Характеристики сверены с официальными материалами (
Официальные бенчмарки , обновлено 2026-10-10) · Фактическая цена определяется предложением продавца
Сценарии применения
- Обучение и дообучение моделей глубокого обучения малого и среднего масштаба с использованием удвоенной пропускной способности FP16 для компенсации отсутствия Tensor Core
- Инференс моделей и развёртывание онлайн-сервисов: 16 ГБ памяти вмещают крупные веса моделей и очереди батчей
- Высокопроизводительные и научные вычисления: традиционные HPC-нагрузки на базе высокой производительности двойной точности
- Пакетные задачи, чувствительные к объёму памяти: крупномасштабная предобработка данных, графовые вычисления, ускорение in-memory баз данных
Модели семейства
| Модель | Память | Потребление |
|---|
| NVIDIA T4 Сравнение | 16 ГБ GDDR6 с ECC (включена по умолчанию) | 70 Вт (общая потребляемая мощность платы, по умолчанию) |
| NVIDIA A100 Сравнение | Две версии: 40 ГБ HBM2 / 80 ГБ HBM2e (80 ГБ — дополнительный анонс на SC20 2020-11-16), с ECC | SXM4 400 Вт (одинаково для 40 ГБ/80 ГБ); PCIe-версия: 40 ГБ — 250 Вт / 80 ГБ — 300 Вт |
| NVIDIA H20 Сравнение | 96 ГБ HBM3 (три источника сходятся: Flopper/VipraTech/Новости Tencent) | TDP 400 Вт (три источника: Flopper/таблица спецификаций VipraTech/'тепловой дизайн-пакет 400 Вт' в новостях Tencent; противоречивая цифра 350 Вт из основного текста VipraTech отброшена) |
| NVIDIA GB300 Сравнение | 288 ГБ HBM3e (на один GPU-пакет; 576 ГБ в суперчипе; параллельно существуют значения 2,1 ТБ для платы HGX и 20 ТБ на стойку) | TGP до 1400 Вт |
| NVIDIA A30 Сравнение | 24 GB HBM2 | 165 W |
| NVIDIA GeForce RTX 4090 Сравнение | 24GB GDDR6X | 450 Вт TGP (в среднем в играх 315 Вт, рекомендуемый блок питания 850 Вт) |
Видеообзор VIDEO
Покупка и проверка: на что обратить внимание
- Убедиться в соответствии форм-фактора и охлаждения: обе версии пассивные, полагаются на принудительный воздушный поток корпуса сервера; версия SXM2 — модуль на плате основания, а не стандартная карта, требует совместимую с SXM2 цельную систему или основание; при покупке б/у системы следует проверить, соответствуют ли воздушные потоки и охлаждающая способность серверной требованиям пассивного охлаждения
- Проверить питание и условия серверной: уровни энергопотребления SXM2 и PCIe различаются (ориентируйтесь на читаемый в nvidia-smi предел), перед развёртыванием спланируйте питание стойки и запас PDU по номинальной мощности системы, чтобы избежать перегрузки при смешении версий с разным потреблением
- Различать версии и проверять подлинность: в первую очередь убедитесь, что имя устройства (например, Tesla P100-SXM2-16GB или Tesla P100-PCIE-16GB) и парт-номер совпадают; учтите, что у версии PCIe есть вариант на 12 ГБ с иными характеристиками; после получения рекомендуется через deviceQuery и nvidia-smi сверить число SM, объём памяти и статус ECC (должно быть Enabled)
Частые вопросы
В чём разница между версиями Tesla P100 SXM2 и PCIe и какую выбрать?
Версия SXM2 — mezzanine-модуль на плате основания с поддержкой четырёх линков NVLink, подходит для цельных систем с несколькими картами (например, DGX-1); версия PCIe — стандартная карта Gen3 x16 без NVLink, совместима с обычными серверами, но межкартовая коммуникация идёт через шину PCIe. Для одиночного инференса или универсального развёртывания проще взять PCIe; для масштабируемости на несколько карт нужна цельная система с поддержкой SXM2.
Стоит ли P100 без Tensor Core для глубокого обучения?
P100 относится к архитектурам до появления Tensor Core, производительность обучения держится на удвоенной скорости FP16 и высокой пропускной способности памяти. Для обучения малых и средних моделей её ещё хватает, но по сравнению с современными картами с Tensor Core разрыв в эффективности заметен. Сегодня карта чаще применяется для обучения малых моделей, инференса и схожих задач без экстремальных требований к пропускной способности, но с большим спросом на объём памяти — её главное преимущество — соотношение цены и возможностей.
На что обратить внимание при покупке б/у Tesla P100?
Во-первых, уточните вариант памяти (16 ГБ или 12 ГБ у PCIe) и разницу в пропускной способности; во-вторых, карта пассивная и обязательно должна стоять в серверном корпусе с продуманными воздушными потоками, «голый» стенд недопустим; в-третьих, проверьте, что ECC нормально активирован и память HBM2 не выдаёт ошибок; наконец, помните, что версия SXM2 не работает напрямую на обычной материнской плате — нужно специализированное основание или цельная система.