SECTIONS
EDITIONS
NETWORK
AIXX Pedia Энциклопедия вычислительных мощностей

AIXX Pedia › Техническая концепция › Tensor Core

Tensor Core

NVIDIA TENSOR CORE · глоссарий технических понятий

Обзор OVERVIEW

Tensor Core — специализированный вычислительный блок для матричных операций, представленный NVIDIA в архитектуре Volta (2017). Каждый Tensor Core выполняет умножение матриц 4×4 за один тактовый цикл. Он решает одну и ту же задачу: ключевой операцией глубокого обучения является матричное умножение (GEMM), которое универсальные CUDA-ядра выполняют неэффективно — Tensor Core спроектирован именно для этого.

Поддерживаемая точность меняется от поколения к поколению: первое (Volta) — FP16; второе (Turing) — INT8/INT4; третье (Ampere) — BF16/TF32; четвёртое (Hopper) — FP8; пятое (Blackwell) — FP4. Каждое новое поколение точности позволяет «втиснуть больше вычислительной мощности в ту же площадь кристалла» — именно поэтому наблюдается взрывной рост производительности FP4 у B300.

Ключевые цифры KEY NUMBERS

ПараметрЗначение / формат
Пятое поколение (Blackwell)FP4/FP6/FP8/FP16/BF16/TF32/FP64
Производительность FP4 (B300)около 15 PFLOPS dense / выше в sparse-режиме
Производительность FP8 (H100)3,341 TFLOPS (sparse)
ПоколенияПятое поколение (Blackwell)

Значение для B300 ON B300

Tensor Core пятого поколения в B300 нативно поддерживают точности FP4 и FP6 — квантизация больших моделей до FP4 происходит почти без потери точности, а значит на той же площади кристалла помещается вдвое больше вычислительной мощности, чем при FP8. Покупателям стоит учитывать: заявленная NVIDIA производительность FP4 указана в sparse-режиме, в dense-режиме она вдвое ниже — фактическая пропускная способность при инференсе зависит от уровня поддержки квантизации во фреймворках (TensorRT-LLM / vLLM и др.).

Границы и оговорки LIMITS

  • Tensor Core ускоряет только матричные операции: нематричные вычисления (скалярные/векторные операции) по-прежнему выполняются на CUDA-ядрах — выигрывает не вся нагрузка.
  • Компромисс «низкая точность за throughput»: квантизация до FP4 может снизить точность модели — применимость зависит от модели и задачи (классификация и поиск хорошо переносят потерю точности, генеративные задачи — плохо).
  • Привязка к поколениям: новые форматы точности Tensor Core каждого поколения требуют свежих версий CUDA/фреймворков — для использования новых возможностей на старом ПО потребуется обновление.

Видеообзор VIDEO

Видеопамять HBM3eИнтерконнект NVLinkSXM / NVL8Жидкостное охлаждение с холодной плитой / CDUФормат точности FP8MoE(смесь экспертов)Коммутационный чип NVSwitchСеть на базе InfiniBandХранилище NVMeЖидкостное охлаждение CDURDMA — удалённый прямой доступ к памятиGPUDirectMIG (Multi-Instance GPU)PCIe Gen5Конфиденциальные вычисленияВиртуальный GPU vGPUМикроформаты с плавающей точкой FP4 / FP6Кэш вывода KV CacheScale-up и Scale-outСовмещённая оптика CPONVLink FusionМодульная архитектура MGXКвантизация моделейТензорный параллелизмКоллективные коммуникацииAI-фабрикаКонтур жидкостного охлажденияПоказатель энергоэффективности PUETensorRT-LLMДвижок вывода vLLMLoRA — низкоранговая адаптацияКаналы поставок вычислительной техникиСовокупная стоимость владения TCOБенчмарки пропускной способности при выводеДистилляция моделейЦепочка энергоснабженияЭкономика токеновКонвейер обучающих данныхСтек оптимизации выводаВидеопамять GDDR7Семейство разъёмов питания (EPS/PCIe 8pin/12VHPWR/12V-2x6)Хронология экспортного контроляРуководство по проверке GPU (nvidia-smi/GPU-Z)Оптимизация вывода TensorRTВыполнение графов CUDA GraphsБиблиотека коллективных коммуникаций NCCLОткрытый формат моделей ONNXПоколения памяти HBMОбучение со смешанной точностьюПоколения PCIeСемейство форм-факторов стоекРазбор правил именования моделей GPUЦепочка оборота подержанных GPUСравнение систем с воздушным и жидкостным охлаждениемДиагностика здоровья и неисправностей видеопамятиMFU — коэффициент использования вычислительной мощности моделиПамять DDR5Память HBM4Интерконнект UALinkСтатья о модели B300

Источники REFERENCES

  1. Официальный сайт NVIDIA — страница продукта Blackwell Ultra / HGX B300 https://www.nvidia.com/en-us/data-center/hgx/
  2. Рыночные данные и данные об обращении: AIXX Exchange (полоса рыночных данных базы)
Версии и исправления |Эта статья поддерживается редакцией AIXX Pedia: черновик подготовлен ИИ, факты проверены вручную. Обновлено 31.10.2026 · версия v1.0 · все изменения документированы и доступны для просмотра.
Энциклопедия
Редакционная политикаО энциклопедии (декларация интересов)канал исправлений
Кратко о редакционном уставе
Каждое утверждение с источникомНедостатки обязательны · исправления публичныПлатные статьи не принимаютсяНоль рекламы и продаж внутри статейРыночные данные подключаются только как модуль данных
Семейство AIXX
AIXX CloudAIXX ExchangeРыночная аналитика AIXXAIXX News
Обзор рынка: AIXX Exchange · © 2026 AIXX Pedia · Продукт AIXX