Ficha técnica SPEC CARD
NVIDIA Tesla V100 SXM3 32GB
La V100 es la versión S de alto rendimiento de la gama: con un ancho de banda oficial de 1134 GB/s, 130 Tensor TFLOPS y 16.4 TFLOPS FP32 (con 32 GB de HBM2 de serie), es la variante de 32 GB de gran memoria más codiciada del mercado de segunda mano dentro de la familia Volta; también se archiva el módulo SXM3 de 32 GB exclusivo del DGX-2 (350 W, interconexión total por NVSwitch, con zócalo SXM3 incompatible con placas SXM2), el hardware que inauguró la era del '16 GPUs por máquina' para grafos heterogéneos de gran escala: ambas formas escasas de 32 GB quedan documentadas
Resumen
NVIDIA Tesla V100 SXM3 32GB es una tarjeta aceleradora para centros de datos basada en la arquitectura Volta (GV100), equipada con 32 GB de memoria HBM2 (bus de 4096 bits, con ECC), 5120 núcleos CUDA, 640 Tensor Core de primera generación y 2560 núcleos FP64. Utiliza una interfaz mezzanine SXM3, diseñada exclusivamente para las plataformas DGX-2/HGX-2, con interconexión total de 16 GPUs mediante NVSwitch. El módulo está orientado a entrenamiento de deep learning a gran escala, computación de alto rendimiento y cálculo heterogéneo sobre grafos enormes; fue la unidad de cómputo central de los sistemas de IA de nivel multipiso en la era Volta y hoy existe principalmente en el mercado de segunda mano y de despiece.
Especificaciones clave
| Arquitectura | Volta (GV100) |
| Memoria | 32 GB HBM2 (CoWoS) con ECC, 4096 bits (única capacidad de la V100S; el SXM3-32GB es el módulo de la misma capacidad exclusivo del DGX-2) |
| Ancho de banda de memoria | V100S: 1134 GB/s; el módulo SXM3-32GB no figura por separado en la tabla oficial, fuentes independientes lo sitúan en el orden de 900 GB/s — los 1134 oficiales corresponden únicamente a la variante V100S PCIe |
| Ancho de bus de memoria | 4096bit |
| Potencia de cómputo | Cifras oficiales V100S: 16.4 FP32 / 8.2 FP64 / 130 Tensor TFLOPS; para el SXM3-32GB no existe tabla oficial propia y se agrupa con la fila SXM2 (15.7/7.8/125); los 16.4/130 oficiales no aplican al SXM3 |
| Núcleos CUDA | 5120 (80 SM) / 640 Tensor Core (primera generación) / 2560 núcleos FP64 |
| Consumo | Módulo SXM3: 350 W; V100S PCIe: 250 W |
| Interconexión | V100S: PCIe Gen3 x16 a 32 GB/s, sin NVLink; SXM3-32GB: 12 enlaces NVLink 2.0 con interconexión total vía NVSwitch (exclusivo de DGX-2/HGX-2, zócalo SXM3 incompatible con placas SXM2) |
| Año de lanzamiento | V100S: 2019 (lanzada el 26-11-2019, solo en formato PCIe 3 en su presentación); módulo SXM3-32GB: 27-03-2018 junto con el DGX-2 (anterior a la V100S) |
| Proceso | TSMC 12 nm FFN, 21.100 millones de transistores, 815 mm² |
| Formato | Módulo mezzanine SXM3 (exclusivo del DGX-2, placa base de 16 GPUs con NVSwitch) / la V100S es una tarjeta PCIe de doble ranura, full-height full-length, con refrigeración pasiva |
| Características destacadas | Versión S de alto rendimiento con la misma GPU V100 subida de frecuencia: ancho de banda de 900 a 1134 GB/s, Tensor de 125 a 130, FP32 de 15.7 a 16.4 (oficialmente solo materializado en formato PCIe); el módulo SXM3 de 32 GB fue la tarjeta que abrió la era de la interconexión total DGX-2/NVSwitch, identificado por nvidia-smi como Tesla-V100-SXM3-32GB |
Especificaciones verificadas con documentación oficial (
Benchmarks oficiales , actualizado el 2026-10-10) · El precio real está sujeto a la cotización del vendedor
Casos de uso
- Entrenamiento de modelos grandes de deep learning, en especial modelos de visión y lenguaje que requieren 32 GB de memoria y dependen de los Tensor Core para acelerar cálculos FP16
- Comunicación colectiva multigPU y entrenamiento con paralelismo de modelo apoyados en la arquitectura de interconexión total NVSwitch de las plataformas DGX-2/HGX-2
- Cómputo científico de doble precisión, como dinámica de fluidos, dinámica molecular o química cuántica, cargas HPC que dependen del rendimiento FP64
- Cómputo heterogéneo sobre grafos gigantes y grafos de conocimiento, que exige agregar la memoria de varias GPUs en un solo nodo para procesar estructuras de grafo a gran escala
Modelos de la misma familia
| Modelo | Memoria | Consumo |
|---|
| NVIDIA T4 Comparación | 16GB GDDR6 con ECC (activado por defecto) | 70W (potencia total de la placa, por defecto) |
| NVIDIA A100 Comparación | Doble versión: 40GB HBM2 / 80GB HBM2e (la de 80GB se presentó el 16-11-2020 en la SC20), con ECC | SXM4 400W (igual en 40GB/80GB); versión PCIe: 40GB 250W / 80GB 300W |
| NVIDIA H20 Comparación | 96GB HBM3 (coincidencia en tres fuentes: Flopper/VipraTech/Tencent News) | TDP de 400W (coincidencia en tres fuentes: Flopper/tabla de especificaciones de VipraTech/'TDP de 400W' en Tencent News; se descarta la cifra contradictoria de 350W en el texto de VipraTech) |
| NVIDIA GB300 Comparación | 288GB HBM3e (por paquete de GPU; 576GB en el superchip; coexisten 2,1TB a nivel de placa HGX y 20TB por rack) | TGP de hasta 1400W |
| NVIDIA A30 Comparación | 24 GB HBM2 | 165 W |
| NVIDIA GeForce RTX 4090 Comparación | 24GB GDDR6X | TGP de 450W (315W en juegos de media, fuente de alimentación recomendada de 850W) |
Vídeo explicativo VIDEO
Puntos clave de compra e inspección
- El formato y la compatibilidad son la primera barrera: el módulo mezzanine SXM3 solo encaja en la placa base específica del DGX-2/HGX-2, y su zócalo no es compatible con las placas SXM2; antes de comprar conviene confirmar el modelo del equipo o de la placa, ya que un módulo SXM3 no puede instalarse directamente en un servidor convencional ni en una placa SXM2.
- La alimentación y la refrigeración deben evaluarse a nivel de equipo completo: el módulo es un diseño de alto consumo que depende de la alimentación de bastidor y de las soluciones de refrigerado por líquido o refrigerado por aire forzado propias del nivel DGX-2; en el mercado de piezas sueltas prácticamente no existe disipación independiente, por lo que la compra de segunda mano debería hacerse por sistemas DGX-2/HGX-2 completos o plataformas compatibles verificadas, evitando adquirir tarjetas sueltas que luego no se puedan desplegar.
- La arquitectura de interconexión determina el valor en clúster: su NVLink 2.0 logra la interconexión total gracias a NVSwitch, y una tarjeta aislada pierde esa ventaja; al verificar la unidad, confirme con nvidia-smi que se identifica como Tesla-V100-SXM3-32GB, revise el estado del ECC y la salud de la memoria, y verifique que proceda del despiece de un equipo completo para reducir el riesgo de unidades reacondicionadas.
Preguntas frecuentes
¿En qué se diferencia la Tesla V100 SXM3 32GB de una V100 PCIe 32GB normal?
Ambas usan el mismo núcleo GV100 con 32 GB de HBM2, pero el formato de interfaz es completamente distinto: el SXM3 es un módulo mezzanine usado solo en las plataformas DGX-2/HGX-2, con interconexión total de 16 GPUs vía NVSwitch; la versión PCIe es una tarjeta pasiva estándar de doble ranura que se conecta por PCIe Gen3 x16 sin NVLink. El módulo SXM3 no puede instalarse en una placa base de servidor convencional.
¿Se puede montar una plataforma SXM3 comprando tarjetas sueltas?
Prácticamente inviable. El zócalo SXM3 es una forma exclusiva de la placa base del DGX-2/HGX-2, no se venden placas SXM3 independientes en canales públicos y el módulo depende del diseño de alimentación y refrigeración del equipo completo. La vía realista para usarlo es adquirir un sistema DGX-2/HGX-2 íntegro o un equipo oficial compatible.
¿Todavía vale la pena comprar una V100 SXM3 32GB para deep learning?
Si el objetivo es entrenamiento multigPU a gran escala y se consigue una plataforma completa de nivel DGX-2, su interconexión total NVSwitch y su gran memoria siguen teniendo valor en escenarios específicos de grafos enormes y paralelismo multitarjeta. Sin embargo, se trata de una arquitectura con Tensor Core de primera generación: en el mercado de segunda mano conviene evaluar la relación calidad-precio en forma de equipo completo y según una carga de trabajo definida; las tarjetas sueltas aportan poco por ser imposibles de desplegar.
Documentación actualizada el 2026-10-10 · profundice con la
Política editorial Ficha a fondo