Ficha técnica SPEC CARD
NVIDIA Tesla V100 SXM3 32GB
A V100 na faixa S de alto desempenho: a Nvidia elevou oficialmente a largura de banda para 1134GB/s, Tensor 130 e FP32 16,4 (com 32GB de HBM2 de série), sendo a versão de 32GB de grande memória mais disputada do mercado de usados entre as placas Volta; também arquivamos o módulo SXM3 de 32GB exclusivo do DGX-2 (350W, interconexão total via NVSwitch, soquete SXM3 não compatível com placas base SXM2), o hardware de abertura da era '16 GPUs por máquina' da computação heterogênea de grafos gigantes — as duas variantes raras de 32GB ficam registradas em conjunto
Visão geral
A NVIDIA Tesla V100 SXM3 32GB é uma aceleradora de data center baseada na arquitetura Volta (GV100), equipada com 32GB de memória HBM2 (barramento de 4096 bits, com ECC), com 5120 núcleos CUDA, 640 Tensor Cores de primeira geração e 2560 núcleos FP64. Usa a interface mezanino SXM3, projetada para as plataformas DGX-2/HGX-2, e alcança interconexão total de 16 GPUs através do NVSwitch. O módulo destina-se a treinamento de deep learning em larga escala, computação de alto desempenho e computação heterogênea de grafos gigantes, tendo sido a unidade central de processamento dos sistemas de IA de nível multi-rack da era Volta; hoje existe sobretudo no mercado de usados e de peças recuperadas.
Especificações principais
| Arquitetura | Volta (GV100) |
| Memória | 32GB HBM2 (CoWoS) com ECC, 4096 bits (única capacidade da V100S; o SXM3-32GB é o módulo de mesma capacidade exclusivo do DGX-2) |
| Largura de banda de memória | V100S: 1134 GB/s; o módulo SXM3-32GB não figura isoladamente na tabela oficial, fontes independentes o situam na faixa de 900GB/s — os 1134 oficiais aplicam-se apenas à linha V100S PCIe |
| Largura do barramento de memória | 4096bit |
| Poder de computação | Valores oficiais da V100S: FP32 16,4 / FP64 8,2 / Tensor 130 TFLOPS; para o SXM3-32GB não há linha oficial própria, sendo integrado à linha SXM2 (15,7/7,8/125), e os valores 16,4/130 não se aplicam oficialmente ao SXM3 |
| Núcleos CUDA | 5120 (80 SM) / Tensor Core 640 (primeira geração) / núcleos FP64 2560 |
| Consumo | Módulo SXM3: 350W; V100S PCIe: 250W |
| Interconexão | V100S: PCIe Gen3 x16, 32GB/s, sem NVLink; SXM3-32GB: NVLink 2.0 com 12 links via NVSwitch para interconexão total (exclusivo DGX-2/HGX-2, soquete SXM3 não compatível com placas base SXM2) |
| Ano de lançamento | V100S: 2019 (lançada em 26/11/2019, apenas no formato PCIe 3 no lançamento); módulo SXM3-32GB: anunciado em 27/03/2018 junto com o DGX-2 (antes da V100S) |
| Processo | TSMC 12nm FFN, 21,1 bilhões de transistores, 815mm² |
| Forma | Módulo mezanino SXM3 (exclusivo do DGX-2, backplane de 16 GPUs com NVSwitch) / a V100S é PCIe de dois slots, full-height full-length com dissipação passiva |
| Destaques | Versão S de alto desempenho com o mesmo chip da V100 e clocks elevados: largura de banda 900→1134GB/s, Tensor 125→130, FP32 15,7→16,4 (realizado oficialmente apenas no formato PCIe); o módulo SXM3 32GB foi a placa de abertura da era de interconexão total DGX-2/NVSwitch, identificado pelo nvidia-smi como Tesla-V100-SXM3-32GB |
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
- Treinamento de modelos de deep learning em larga escala, sobretudo modelos de visão e linguagem que exigem 32GB de grande memória e dependem dos Tensor Cores para acelerar cálculos em FP16
- Tarefas de comunicação coletiva multi-GPU e treinamento com paralelismo de modelo apoiadas na arquitetura de interconexão total via NVSwitch das plataformas DGX-2/HGX-2
- Cálculo científico de dupla precisão, como dinâmica de fluidos computacional, dinâmica molecular e química quântica — cargas HPC que dependem do desempenho FP64
- Computação heterogênea sobre grafos gigantes e grafos de conhecimento, exigindo a agregação da memória de várias GPUs num único nó para processar estruturas de grafos de grande escala
Modelos da mesma família
| Modelo | Memória | Consumo |
|---|
| NVIDIA T4 Comparar | 16GB GDDR6 com ECC (ativado por padrão) | 70W (potência total da placa, padrão) |
| NVIDIA A100 Comparar | Duas versões: 40GB HBM2 / 80GB HBM2e (a de 80GB anunciada na SC20 em 16/11/2020), com ECC | SXM4 400W (igual para 40GB/80GB); versão PCIe: 40GB 250W / 80GB 300W |
| NVIDIA H20 Comparar | 96GB 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 Comparar | 288GB 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 Comparar | 24 GB HBM2 | 165 W |
| NVIDIA GeForce RTX 4090 Comparar | 24GB GDDR6X | 450W TGP (média de 315W em jogos, fonte recomendada de 850W) |
Vídeo explicativo VIDEO
Pontos de compra e inspeção
- Forma e compatibilidade são a primeira barreira: o módulo mezanino SXM3 só se encaixa no backplane dedicado do DGX-2/HGX-2, e o soquete não é compatível com placas base SXM2; antes de comprar, confirme obrigatoriamente o modelo da máquina ou da placa base — o módulo SXM3 não pode ser instalado diretamente num servidor comum ou numa placa SXM2.
- Alimentação e refrigeração devem ser avaliadas pelo conjunto da máquina: o módulo é um projeto de alto consumo que depende do fornecimento de energia em nível de rack e de soluções refrigerado a líquido/refrigerado a ar forçado do tipo DGX-2; praticamente não há acessórios de refrigeração independentes no mercado avulso, e a compra de usados deve ser feita por sistema DGX-2/HGX-2 completo ou plataforma compatível verificada, evitando comprar a placa isolada sem conseguir implantá-la.
- A arquitetura de interconexão define o valor em cluster: seu NVLink 2.0 depende do NVSwitch para a interconexão total, e uma placa retirada do conjunto perde essa vantagem; na verificação, confirme via nvidia-smi a identificação Tesla-V100-SXM3-32GB, cheque o estado do ECC e a saúde da memória, e verifique se a origem é uma peça de desmembramento de máquina completa para reduzir o risco de retrabalho.
Perguntas frequentes
Qual a diferença entre a Tesla V100 SXM3 32GB e a V100 PCIe 32GB comum?
Ambas usam o núcleo GV100 com 32GB de HBM2, mas os formatos de interface são totalmente diferentes: a SXM3 é um módulo mezanino, usado apenas nas plataformas DGX-2/HGX-2, com interconexão total de 16 GPUs via NVSwitch; a versão PCIe é uma placa passiva padrão de dois slots, via PCIe Gen3 x16 e sem NVLink. O módulo SXM3 não pode ser usado numa placa-mãe de servidor comum.
Comprando placas avulsas, consigo montar uma plataforma SXM3 por conta própria?
Basicamente inviável. O soquete SXM3 é uma forma exclusiva do backplane dedicado do DGX-2/HGX-2, não há placas base SXM3 à venda em canais abertos, e o módulo depende do fornecimento de energia e da refrigeração em nível de máquina inteira. O caminho realista para usar o módulo é adquirir um sistema DGX-2/HGX-2 completo ou uma máquina oficialmente compatível.
A V100 SXM3 32GB ainda vale a pena comprar para deep learning?
Se o objetivo é treinamento multi-GPU em larga escala e houver acesso a uma plataforma completa de nível DGX-2, a interconexão total via NVSwitch e a grande memória ainda têm valor em cenários específicos de grafos gigantes e paralelismo multi-GPU. Mas é uma arquitetura de primeira geração de Tensor Cores: no mercado de usados, avalie o custo-benefício no formato de máquina completa e à luz de uma carga de trabalho clara — placas avulsas isoladas têm valor limitado por não serem implantáveis.
Conteúdo atualizado em 2026-10-10 · Para aprofundar, siga a Ficha em profundidade
Política editorial fluxo