SECTIONS
EDITIONS
NETWORK
AIXX Pedia Энциклопедия вычислительных мощностей

AIXX Pedia › Техническая концепция › Диагностика здоровья и неисправностей видеопамяти

Диагностика здоровья и неисправностей видеопамяти

GUIDE ПО ЗДОРОВЬЮ VRAM · Словарная статья по техническим концепциям

Обзор OVERVIEW

Видеопамять — самый трудолюбивый и самый боящийся жара компонент GPU. Первый урок в оценке её здоровья — механизм ECC (кодов коррекции ошибок). В официальной документации NVIDIA сказано: «однобитовые ошибки автоматически исправляются аппаратно и не приводят к повреждению данных; двухбитовые ошибки обнаруживаются, но не исправляются» — однобитовые (исправляемые) ошибки на ранней стадии деградации чипов незаметны, но неуклонный рост их счётчика — часто предвестник старения микросхем; двухбитовые (неисправимые) ошибки напрямую угрожают корректности вычислений: сбои посреди обучения и деградация результатов инференса могут быть связаны именно с ними.

NVIDIA предусмотрела три уровня защиты от деградировавших ячеек: page retirement (срабатывает при многократных однобитовых ошибках на одной странице или одной двухбитовой — драйвер скрывает сбойную страницу), remapping строк (сбойная строка перенаправляется на резервную; поддерживается начиная с Ampere, по официальной документации NVIDIA бюджет A100 — не более 64 переназначений, H100 — до 512); на уровне самих микросхем начиная с HBM3 встроена ончейн ECC (официальное заявление SK hynix). Как читать показания инструментов — см. статью по проверке карт в этой базе; здесь речь о механике за цифрами.

Ключевые цифры KEY NUMBERS

ПараметрЗначение / формат
Однобитовые против двухбитовыхОднобитовые исправляются аппаратно · двухбитовые обнаруживаются, но не исправляются (официальное руководство nvidia-smi NVIDIA)
Две системы отсчёта счётчиковВолатильные (с момента загрузки драйвера) / накопленные (за весь срок службы) · начиная с Ampere накопленные нельзя обнулить (документация NVIDIA)
Бюджет ремаппинга строкA100 — не более 64 · H100 — до 512 (документ NVIDIA GPU Memory Error Management)
Защита на уровне чиповНачиная с HBM3 встроенная ончейн ECC (официальное заявление SK hynix, 2021)

Значение для B300 ON B300

Поколение B300 с 288 ГБ HBM3e на карту: здоровье видеопамяти напрямую определяет срок службы всей системы. При проверке б/у карты сначала читайте ECC: если волатильные счётчики близки к нулю, а накопленные высокие — карта служила с дефектами. Поскольку начиная с Ampere накопленные счётчики нельзя обнулить, этот «пожизненный» счётчик — один из самых весомых аргументов для покупателя подержанной карты. Карты, у которых число ремаппингов строк приближается к бюджету (у H100 — 512), следует оценивать по принципу «пул видеопамяти вот-вот сократится».

Физический осмотр по трём пунктам: контакты золотого пальца (кромка PCIe) — на окисление, износ и следы переподключений; потемневшее и стёртое покрытие означает многократную перепродажу или риск плохого контакта. Радиатор — на следы разборки, старение термопрокладок и температуру со стороны памяти (GPU-Z показывает температуру памяти и производителя чипов — см. статью по проверке карт). Длительный перегрев памяти — главная причина накопления однобитовых ошибок, поэтому под нагрузкой следите за температурой памяти и приростом ECC одновременно.

Границы и оговорки LIMITS

  • ECC и маскирует проблемы, и разоблачает их: исправляемые ошибки не прерывают вычисления, и нагрузка может долго работать «с болезнью» незамеченной. Но ECC гарантирует лишь корректность данных в памяти и не устраняет потерю производительности — выведенные и переназначенные страницы сокращают доступный объём, поэтому чистые показания не означают отсутствия деградации: необходимы стресс-тесты пропускной способности и производительности памяти.
  • У диагностики есть границы: осмотр контактов и радиатора выявляет лишь следы перепродажи; внутренние повреждения чипов можно выявить только длительным стресс-тестом под полной нагрузкой — короткий чистый замер не гарантирует долгосрочной стабильности. Усталость пайки и дефекты внутри TSV-стеков вообще вне зоны досягаемости программных счётчиков, поэтому при крупных сделках по-прежнему необходима сторонняя экспертиза с разборкой.
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 памятиGPUDirectTensor CoreMIG (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 охлаждениемMFU — 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