Fiche technique SPEC CARD
NVIDIA Tesla V100 SXM3 32GB
La V100 S occupe le haut du panier des modèles performants : NVIDIA y porte officiellement la bande passante à 1134 Go/s, le Tensor à 130 et le FP32 à 16,4 (32 Go de HBM2 en série), ce qui en fait la version 32 Go à grande mémoire la plus recherchée du marché de l'occasion parmi les cartes Volta ; nous archivons également le module SXM3 32GB dédié au DGX-2 (350 W, interconnexion intégrale NVSwitch, socket SXM3 incompatible avec les cartes mères SXM2), une pionnière de l'ère du calcul hétérogène sur grands graphes avec « 16 GPU par machine » — les deux déclinaisons rares en 32 Go sont archivées ensemble
Vue d'ensemble
La NVIDIA Tesla V100 SXM3 32GB est une carte d'accélération data center basée sur l'architecture Volta (GV100), équipée de 32 Go de mémoire HBM2 (bus 4096-bit, avec ECC), de 5120 cœurs CUDA, de 640 Tensor Core de première génération et de 2560 cœurs FP64. Elle adopte une interface mezzanine SXM3, conçue spécifiquement pour les plateformes DGX-2/HGX-2, avec une interconnexion intégrale de 16 GPU via NVSwitch. Ce module cible l'entraînement de deep learning à grande échelle, le calcul haute performance et le calcul hétérogène sur grands graphes ; il fut l'unité de calcul centrale des systèmes d'IA multi-baies de l'ère Volta et n'existe aujourd'hui principalement que sur le marché de l'occasion et du démontage.
Spécifications clés
| Architecture | Volta (GV100) |
| Mémoire vidéo | 32 Go HBM2 (CoWoS) avec ECC, 4096-bit (unique capacité pour la V100S ; le module SXM3-32GB du DGX-2 est un module de même capacité) |
| Bande passante mémoire | V100S : 1134 Go/s ; le module SXM3-32GB ne figure pas isolément dans les tableaux officiels, les sources indépendantes le classent autour de 900 Go/s — les 1134 Go/s officiels ne concernent que la colonne V100S PCIe |
| Largeur du bus mémoire | 4096bit |
| Puissance de calcul | Chiffres officiels V100S : FP32 16,4 / FP64 8,2 / Tensor 130 TFLOPS ; aucune ligne spécifique au SXM3-32GB chez NVIDIA, qui l'intègre à la ligne SXM2 (15,7/7,8/125), les 16,4/130 officiels ne s'appliquant pas au SXM3 |
| Cœurs CUDA | 5120 (80 SM) / Tensor Core 640 (première génération) / cœurs FP64 2560 |
| TDP | Module SXM3 : 350 W ; V100S PCIe : 250 W |
| Interconnexion | V100S : PCIe Gen3 x16, 32 Go/s, sans NVLink ; SXM3-32GB : NVLink 2.0 ×12 liens, interconnexion intégrale via NVSwitch (réservé au DGX-2/HGX-2, socket SXM3 incompatible avec les cartes mères SXM2) |
| Année de lancement | V100S : 2019 (commercialisation le 2019-11-26, uniquement au format PCIe 3 au lancement) ; module SXM3-32GB : annoncé le 2018-03-27 avec le DGX-2 (antérieur à la V100S) |
| Procédé | TSMC 12nm FFN, 21,1 milliards de transistors, 815 mm² |
| Format | Module mezzanine SXM3 (exclusif au DGX-2, backplane NVSwitch 16 GPU) / la V100S existe en carte PCIe double slot full-height full-length à refroidissement passif |
| Points forts | V100 : version S à fréquences accrues sur la même puce : bande passante 900→1134 Go/s, Tensor 125→130, FP32 15,7→16,4 (uniquement en format PCIe du côté officiel) ; le module SXM3 32GB fut la carte inaugurante de l'ère DGX-2/NVSwitch, identifié par nvidia-smi sous le nom Tesla-V100-SXM3-32GB |
Spécifications vérifiées contre les sources officielles (
benchmarks officiels , mis à jour le 10/10/2026) · Le prix réel est soumis au devis du vendeur
Cas d'usage
- Entraînement de modèles de deep learning à grande échelle, notamment les modèles de vision et de langage nécessitant 32 Go de mémoire et tirant parti des Tensor Core pour accélérer les calculs FP16
- Communications collectives multi-GPU et entraînement en parallélisme de modèle sur l'architecture d'interconnexion NVSwitch des plateformes DGX-2/HGX-2
- Calcul scientifique en double précision : mécanique des fluides numérique, dynamique moléculaire, chimie quantique et autres charges HPC dépendantes des performances FP64
- Calcul hétérogène sur des graphes massifs et des graphes de connaissances, avec agrégation de la mémoire de plusieurs GPU au sein d'un même nœud pour traiter de vastes structures de graphes
Modèles de la même famille
| Modèle | Mémoire vidéo | TDP |
|---|
| NVIDIA T4 Comparer | 16 Go GDDR6 avec ECC (activé par défaut) | 70 W (puissance totale de la carte, par défaut) |
| NVIDIA A100 Comparer | Double version 40 Go HBM2 / 80 Go HBM2e (version 80 Go annoncée le 2020-11-16 à SC20), avec ECC | SXM4 400 W (identique en 40 Go et 80 Go) ; version PCIe : 40 Go 250 W / 80 Go 300 W |
| NVIDIA H20 Comparer | 96 Go HBM3 (concordance Flopper/VipraTech/Tencent News) | 400 W TDP (Flopper/tableau VipraTech/'400 W TDP' Tencent News, triple concordance ; les 350 W mentionnés dans le corps du texte de VipraTech, contradictoires, ont été écartés) |
| NVIDIA GB300 Comparer | 288 Go HBM3e (par cœur GPU ; 576 Go pour la superpuce ; 2,1 To au niveau carte HGX / 20 To par baie, deux chiffres coexistant) | TGP jusqu'à 1400 W |
| NVIDIA A30 Comparer | 24 GB HBM2 | 165 W |
| NVIDIA GeForce RTX 4090 Comparer | 24GB GDDR6X | 450 W TGP (335 W en jeu en moyenne, alimentation système recommandée 850 W) |
Présentation vidéo VIDEO
Points d'achat et de vérification
- Le format et la compatibilité sont le premier obstacle : le module mezzanine SXM3 n'est compatible qu'avec le backplane dédié du DGX-2/HGX-2, son socket étant incompatible avec les cartes mères SXM2 ; avant tout achat, vérifiez impérativement le modèle de la machine ou de la carte mère — un module SXM3 ne peut pas être installé directement dans un serveur standard ou une carte mère SXM2.
- L'alimentation et le refroidissement s'évaluent à l'échelle de la machine : ce module est conçu pour une forte consommation et dépend d'une alimentation de baie et d'un refroidi par liquide ou d'un refroidi par air forcé de classe DGX-2 ; il n'existe quasiment pas de solution de refroidissement indépendante sur le marché des pièces détachées. Achetez-le de préférence en système DGX-2/HGX-2 complet ou sur une plateforme compatible validée, afin d'éviter de vous retrouver avec une carte impossible à déployer.
- L'architecture d'interconnexion détermine la valeur en cluster : son NVLink 2.0 s'appuie sur NVSwitch pour une interconnexion intégrale, et une carte isolée perd cet avantage ; lors de la réception, vérifiez via nvidia-smi l'identification en Tesla-V100-SXM3-32GB, contrôlez l'état ECC et la santé de la mémoire, et assurez-vous de la provenance (démontage de machine complète) pour limiter le risque de rénovation abusive.
FAQ
Quelle différence entre la Tesla V100 SXM3 32GB et la V100 PCIe 32GB classique ?
Les deux reposent sur le même cœur GV100 et 32 Go de HBM2, mais leurs formats diffèrent totalement : le SXM3 est un module mezzanine réservé aux plateformes DGX-2/HGX-2, avec interconnexion intégrale de 16 GPU via NVSwitch ; la version PCIe est une carte passive double slot standard, en PCIe Gen3 x16 et sans NVLink. Un module SXM3 ne peut pas être inséré dans une carte mère de serveur classique.
Peut-on assembler soi-même une plateforme SXM3 à partir de cartes en vrac ?
Quasiment impossible. Le socket SXM3 est exclusif au backplane dédié du DGX-2/HGX-2, aucun carte mère SXM3 indépendante n'est disponible sur le marché libre, et le module dépend de l'alimentation et du refroidissement de la machine complète. Pour l'utiliser, la voie réaliste consiste à acquérir un système DGX-2/HGX-2 entier ou une machine officiellement compatible.
La V100 SXM3 32GB vaut-elle encore l'achat pour le deep learning aujourd'hui ?
Si l'objectif est l'entraînement multi-GPU à grande échelle et qu'une plateforme complète de classe DGX-2 est disponible, son interconnexion NVSwitch et sa grande mémoire conservent une certaine valeur dans des scénarios spécifiques de grands graphes et de parallélisme multi-GPU. Mais il s'agit d'une architecture de Tensor Core de première génération : sur le marché de l'occasion, évaluez le rapport qualité-prix à l'échelle de la machine complète et en fonction d'une charge de travail clairement définie ; une carte isolée, indéployable, a un intérêt limité.