SECTIONS
EDITIONS
NETWORK
AIXX Pedia A enciclopédia do universo da computação

AIXX Pedia › Conceito técnico › Tensor Core

Tensor Core

NVIDIA TENSOR CORE · Verbete técnico

Visão geral OVERVIEW

O Tensor Core é uma unidade de cálculo matricial dedicada introduzida pela arquitetura NVIDIA Volta (2017) — cada Tensor Core executa uma multiplicação de matrizes 4×4 por ciclo de clock. Ele resolve um único problema: a operação central do deep learning é a multiplicação de matrizes (GEMM), e os CUDA cores genéricos fazem isso com baixa eficiência, enquanto o Tensor Core foi desenhado especificamente para essa tarefa.

A precisão suportada por cada geração de Tensor Core evoluiu: primeira geração (Volta) FP16; segunda (Turing) INT8/INT4; terceira (Ampere) BF16/TF32; quarta (Hopper) FP8; quinta (Blackwell) FP4. Cada nova geração de precisão permite encaixar mais poder de computação na mesma área de silício — esta é a razão subjacente ao crescimento explosivo da capacidade FP4 do B300.

Números-chave KEY NUMBERS

ItemValores / critério
Quinta geração (Blackwell)FP4/FP6/FP8/FP16/BF16/TF32/FP64
Capacidade FP4 (B300)Cerca de 15 PFLOPS denso / mais alto no modo esparso
Capacidade FP8 (H100)3.341 TFLOPS (esparso)
Contagem de geraçõesQuinta geração (Blackwell)

Significado no B300 ON B300

Os Tensor Cores de quinta geração do B300 suportam nativamente as precisões FP4 e FP6 — a inferência de grandes modelos pode ser quantizada para FP4 com perda quase nula de precisão, o que significa que a mesma área de silício acomoda 2× a capacidade de FP8. Quem compra deve ficar atento: a capacidade FP4 anunciada pela NVIDIA é em base esparso; a base densa é a metade — o throughput real de inferência depende do suporte à quantização do framework (TensorRT-LLM / vLLM etc.).

Limites e observações LIMITS

  • O Tensor Core só acelera operações matriciais: operações não matriciais (escalar/vetor) continuam nos CUDA cores — nem todo cálculo se beneficia.
  • Trade-off de precisão reduzida por throughput: a quantização FP4 pode degradar a precisão do modelo — a viabilidade depende do modelo e da tarefa (classificação/recuperação toleram bem; tarefas generativas, pouco).
  • Bloqueio geracional: as novas precisões de cada geração de Tensor Core exigem versões atualizadas de CUDA/framework — rodar placas novas em frameworks antigos requer atualização.

Vídeo explicativo VIDEO

Memória HBM3eInterconexão NVLinkSXM / NVL8Refrigeração líquida por placa fria / CDUFormato de precisão FP8MoE (Mixture of Experts)Chip de switch NVSwitchRede de interconexão InfiniBandArmazenamento NVMeRefrigerado a líquido CDUAcesso remoto direto à memória (RDMA)GPUDirectMIG (Multi-Instance GPU)PCIe Gen5Computação confidencialGPU virtual vGPUPrecisão de ponto flutuante reduzida FP4 / FP6Cache de inferência KV CacheScale-up e Scale-outÓptica encapsulada conjunta (CPO)NVLink FusionArquitetura modular MGXQuantização de modelosParalelismo de tensoresComunicação coletivaFábrica de IACircuito líquidoIndicador de eficiência energética PUETensorRT-LLMMotor de inferência vLLMAdaptação de baixo rank LoRACanais de cadeia de suprimento de computaçãoCusto total de propriedade (TCO)Benchmarks de throughput de inferênciaDestilação de modelosCadeia de suprimento de energiaEconomia de tokensPipeline de dados de treinamentoStack de otimização de inferênciaMemória de vídeo GDDR7Família de conectores de alimentação (EPS/PCIe 8pin/12VHPWR/12V-2x6)Linha do tempo dos controles de exportação para a ChinaGuia de verificação de GPUs (nvidia-smi/GPU-Z)Otimização de inferência com TensorRTExecução de grafos com CUDA GraphsBiblioteca de comunicação coletiva NCCLFormato aberto de modelos ONNXFamília de gerações HBMTreinamento com precisão mistaGerações PCIeFamília de formatos de rackGuia de nomenclatura de modelos de GPUCircuito de mercado de GPUs usadasComparativo entre refrigerado a ar e refrigerado a líquidoSaúde da memória de vídeo e diagnóstico de falhasMFU (taxa de utilização computacional do modelo)Memória DDR5Memória de vídeo HBM4Interconexão UALinkFicha de modelo B300

Referências REFERENCES

  1. Site oficial da NVIDIA — páginas do produto Blackwell Ultra / HGX B300 https://www.nvidia.com/en-us/data-center/hgx/
  2. Dados de mercado e de circulação: AIXX Exchange de Cálculo (faixa de cotações deste acervo)
Versões e erratas |Esta entrada é mantida pela equipe editorial da AIXX Pedia, com redação assistida por IA e verificação de fatos por humanos. Atualizada em 31/10/2026 · Versão v1.0 · Todas as alterações anteriores ficam registradas e consultáveis.
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 CloudAIXX Exchange de CálculoCotações de mercado AIXXInformações AIXX
Panorama do mercado: AIXX Exchange de Cálculo · © 2026 AIXX Pedia · Produzido pela AIXX