SECTIONS
EDITIONS
NETWORK
AIXX Pedia A enciclopédia do universo da computação

AIXX Pedia › Conceito técnico › Saúde da memória de vídeo e diagnóstico de falhas

Saúde da memória de vídeo e diagnóstico de falhas

GUIA DE SAÚDE DA VRAM · Verbete de conceito técnico

Visão geral OVERVIEW

A VRAM é o componente que mais trabalha na GPU — e o mais sensível ao calor. Para interpretar a saúde da VRAM, a primeira lição é o mecanismo de ECC (código de correção de erros). Segundo o manual oficial da NVIDIA: «erros de bit único são corrigidos automaticamente pelo hardware, sem corromper dados; erros de dois bits são detectáveis, mas não corrigíveis» — erros de bit único (corrigíveis) são imperceptíveis no início da degradação, mas uma contagem em escalada contínua costuma ser o prenúncio do envelhecimento dos chips; erros de dois bits (não corrigíveis) ameaçam diretamente a correção dos cálculos — falhas no meio do treinamento e degradação dos resultados de inferência podem estar relacionadas a eles.

A NVIDIA mantém três camadas de contingência para células defeituosas: aposentadoria de página (acionada por múltiplos erros de bit único na mesma página ou um único erro de dois bits, com o driver ocultando a página ruim), remapeamento de linha (linhas defeituosas redirecionadas para linhas reservadas, suportado desde a Ampere, com orçamento de até 64 remapeamentos na A100 e 512 na H100 — ambos segundo a documentação oficial da NVIDIA); do lado dos chips, o HBM3 passou a integrar ECC on-chip (anúncio oficial da SK hynix). Como ler os dados das ferramentas está no verbete do guia de inspeção de placas desta biblioteca; este verbete explica o mecanismo por trás dos números.

Números-chave KEY NUMBERS

ItemValores / critério
Bit único vs. dois bitsBit único corrigido automaticamente em hardware · dois bits detectáveis, mas não corrigíveis (manual oficial do nvidia-smi da NVIDIA)
Duas versões dos contadoresVolátil (desde o carregamento do driver) / acumulado (contagem vitalícia) · desde a Ampere, o acumulado não pode ser zerado (manual da NVIDIA)
Orçamento de remapeamento de linhaA100 até 64 vezes · H100 até 512 vezes (documento NVIDIA GPU Memory Error Management)
Defesa do lado dos chipsECC on-chip integrado desde o HBM3 (anúncio oficial da SK hynix, 2021)

Significado no B300 ON B300

Nesta geração, a B300 traz 288 GB de HBM3e por placa, e a saúde da VRAM determina diretamente a vida útil do equipamento: ao inspecionar uma placa usada, leia primeiro o ECC — contagem volátil próxima de zero com acumulado elevado indica que a placa operou com problemas; como o acumulado não pode ser zerado desde a Ampere, essa contagem vitalícia é uma das evidências mais sólidas para o comprador de usadas. Uma placa com remapeamentos de linha próximos do limite do orçamento (512 na H100) deve ter seu valor residual avaliado como «pool de VRAM prestes a encolher».

Três verificações no plano físico: nos contatos dourados (bordas do PCIe), observar oxidação, desgaste e marcas de inserção — revestimento escurecido ou desgastado indica múltiplas revendas ou risco de mau contato; no dissipador, verificar marcas de desmontagem, envelhecimento das pastas térmicas e a temperatura do lado da VRAM (o GPU-Z lê a temperatura e o fabricante dos chips — ver verbete do guia de inspeção) — calor prolongado na VRAM é a principal causa do acúmulo de erros de bit único; durante o teste de estresse, monitore a temperatura da VRAM e os incrementos de ECC em conjunto.

Limites e observações LIMITS

  • O ECC ao mesmo tempo encobre e revela problemas: erros corrigíveis não interrompem os cálculos, e a carga pode rodar por muito tempo com defeitos sem que ninguém perceba; mas o ECC só garante a integridade dos dados da VRAM, não compensa a perda de desempenho — páginas aposentadas e remapeamentos reduzem a capacidade disponível, logo, leituras limpas não significam desempenho intacto; é preciso combinar testes de estresse de banda e vazão da VRAM.
  • A interpretação tem limites: a inspeção visual dos contatos e do dissipador só revela indícios de revenda; danos internos nos chips só aparecem sob testes de estresse prolongados em Carga máxima — leituras curtas limpas não garantem estabilidade a longo prazo; fadiga de solda e defeitos internos do empilhamento TSV estão fora do alcance das leituras por software, e transações de alto valor ainda exigem inspeção de terceiros em nível de desmontagem como salvaguarda.
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)GPUDirectTensor CoreMIG (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 líquidoMFU (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: Bolsa de Computação AIXX (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 CloudBolsa de Computação AIXXCotações de mercado AIXXInformações AIXX
Panorama do mercado: Bolsa de Computação AIXX · © 2026 Enciclopédia AIXX AIXX Pedia · Produzido pela AIXX