NVIDIA 数据中心级显卡汇总

d1z888

832人浏览 · 2026-03-31 13:58:50

d1z888 · 2026-03-31 13:58:50 发布

覆盖架构： Pascal → Volta → Ampere → Hopper → Blackwell
备注： Rubin 架构尚未发布正式产品，仅作架构预览

1. Pascal 架构 (2016)

1.1 架构特点

Pascal 是 NVIDIA 首款专为数据中心和 AI 计算设计的 GPU 架构，于 2016 年 4 月发布。

核心创新：

首款采用 16nm FinFET 工艺的 GPU
引入 HBM2 高带宽内存
支持 NVLink 高速互联技术（替代 PCIe 瓶颈）
原生支持 FP16 半精度计算（性能为 FP32 的 2 倍）
引入统一内存架构，CPU 和 GPU 共享地址空间

架构代号： GP100
晶体管数量： 153 亿
核心面积： 600 mm²

1.2 性能参数

指标	规格
CUDA 核心	3584
Tensor Core	无（Pascal 不支持 Tensor Core）
FP32 算力	10.6 TFLOPS
FP16 算力	21.2 TFLOPS
FP64 算力	5.3 TFLOPS
显存带宽	732 GB/s (HBM2)
显存容量	16GB HBM2
NVLink 带宽	160 GB/s (双向)
TDP	300W

1.3 组网技术

NVLink 1.0：

首次引入 GPU-GPU 高速互联
单链路带宽 40 GB/s（双向 80 GB/s）
Tesla P100 支持 4 条 NVLink 链路，总带宽 160 GB/s
支持多 GPU 拓扑（2-8 GPU 系统）

PCIe 支持：

PCIe 3.0 x16
带宽 32 GB/s（双向）

1.4 常见数据中心显卡型号

Tesla P100

参数	规格
发布年份	2016 Q2
架构代号	GP100
核心名称	Pascal
CUDA 核心	3584
显存	16GB HBM2
显存带宽	732 GB/s
FP32 算力	10.6 TFLOPS
FP64 算力	5.3 TFLOPS
NVLink	支持（160 GB/s）
TDP	300W
工艺制程	16nm FinFET (TSMC)
插槽形式	PCIe / SXM2

亮点：

首款支持 HBM2 的 NVIDIA GPU
NVLink 技术首次亮相，大幅提升多 GPU 通信效率
深度学习性能较 Maxwell 架构提升 12 倍
成为当时 AI 训练的事实标准

Tesla P40 / P4

参数	Tesla P40	Tesla P4
发布年份	2016 Q3	2016 Q3
架构代号	GP102	GP104
CUDA 核心	3840	2560
显存	24GB GDDR5	8GB GDDR5
显存带宽	346 GB/s	192 GB/s
FP32 算力	12 TFLOPS	5.5 TFLOPS
FP16 算力（原生）	6 TFLOPS (1:2)	0.17 TFLOPS (1:32)
INT8 算力	47 TOPS	22 TOPS
TDP	250W	75W
工艺制程	16nm FinFET	16nm FinFET
定位	训练/推理	推理优化

亮点：

P40 面向训练，大显存适合大模型
P4 面向推理，低功耗适合边缘部署
原生支持 INT8 量化推理
FP16 说明： Pascal 架构支持原生 FP16 计算，但 P40/P4 的 FP16:FP32 比例不同。P100 为 2:1（FP16 是 FP32 的 2 倍），P40 为 1:2，P4 为 1:32（推理优化，FP16 性能较低）

2. Volta 架构 (2017)

2.1 架构特点

Volta 于 2017 年 5 月发布，是 NVIDIA 数据中心 GPU 的重大飞跃，首次引入 Tensor Core。

核心创新：

革命性引入 Tensor Core（混合精度计算核心）
专为深度学习和 AI 训练优化
采用 12nm FinFET 工艺（实际为 16nm 增强版）
独立 FP32 和 INT32 执行单元
支持 512-bit HBM2 显存接口

架构代号： GV100
晶体管数量： 211 亿
核心面积： 815 mm²

2.2 性能参数

指标	规格
CUDA 核心	5120
Tensor Core	640 个（每个含 8 个 FP16 单元）
FP32 算力	14.8 TFLOPS
FP16 算力（Tensor）	118.5 TFLOPS
FP64 算力	7.4 TFLOPS
INT8 算力	237 TOPS
显存带宽	900 GB/s (HBM2)
显存容量	16GB/32GB HBM2
NVLink 带宽	300 GB/s (双向)
TDP	300W

2.3 组网技术

NVLink 2.0：

单链路带宽提升至 50 GB/s（双向 100 GB/s）
Tesla V100 支持 6 条 NVLink 链路，总带宽 300 GB/s
支持 GPU-Direct 技术，GPU 直接访问网络/存储
支持 NVSwitch，实现 16-32 GPU 全互联

PCIe 支持：

PCIe 3.0 x16
带宽 32 GB/s

2.4 常见数据中心显卡型号

Tesla V100

参数	规格
发布年份	2017 Q2
架构代号	GV100
核心名称	Volta
CUDA 核心	5120
Tensor Core	640
显存	16GB/32GB HBM2
显存带宽	900 GB/s
FP32 算力	14.8 TFLOPS
FP16 算力（Tensor）	118.5 TFLOPS
FP64 算力	7.4 TFLOPS
INT8 算力	237 TOPS
NVLink	支持（300 GB/s）
TDP	300W
工艺制程	12nm FinFET (TSMC)
插槽形式	PCIe / SXM2

亮点：

首款引入 Tensor Core 的 GPU，AI 训练性能提升 12 倍
单卡 FP16 算力突破 100 TFLOPS
成为深度学习训练的标杆产品
支持混合精度训练，大幅加速收敛

Tesla V100S

参数	规格
发布年份	2019 Q1
架构代号	GV100
CUDA 核心	5120
Tensor Core	640
显存	32GB HBM2
显存带宽	900 GB/s
FP16 算力（Tensor）	125 TFLOPS
TDP	300W
工艺制程	12nm FinFET

亮点：

V100 的小幅升级版，频率提升
标配 32GB 大显存版本

3. Ampere 架构 (2020)

3.1 架构特点

Ampere 于 2020 年 5 月发布，是 NVIDIA 数据中心 GPU 的又一次重大升级。

核心创新：

第二代 Tensor Core，支持 FP64、TF32、BF16 等多种精度
引入结构化稀疏（Sparsity）技术，性能翻倍
采用 7nm FinFET 工艺（A100）
第三代 NVLink 和 NVSwitch
支持多实例 GPU（MIG）技术，单卡可分割为 7 个实例
引入 HBM2e 显存

架构代号： GA100
晶体管数量： 542 亿
核心面积： 826 mm²

3.2 性能参数

指标	规格
CUDA 核心	6912
Tensor Core	432 个（第三代）
FP32 算力	19.5 TFLOPS
TF32 算力（Tensor）	156/312 TFLOPS（稀疏）
BF16/FP16 算力（Tensor）	312/624 TFLOPS（稀疏）
FP64 算力	9.7 TFLOPS
INT8 算力	624 TOPS
显存带宽	1555-2039 GB/s (HBM2e)
显存容量	40GB/80GB HBM2e
NVLink 带宽	600 GB/s (双向)
TDP	300-400W

3.3 组网技术

NVLink 3.0：

单链路带宽提升至 75 GB/s（双向 150 GB/s）
A100 SXM 版本支持 12 条 NVLink 链路，总带宽 600 GB/s
支持 NVSwitch 第三代，单交换机支持 30 GPU 全互联
支持 DGX A100 系统（8 GPU，5.6 TB/s 总带宽）

PCIe 支持：

PCIe 4.0 x16
带宽 64 GB/s（双向）

3.4 常见数据中心显卡型号

Tesla A100

参数	A100 PCIe 40GB	A100 PCIe 80GB	A100 SXM 40GB	A100 SXM 80GB
发布年份	2020 Q4	2021 Q2	2020 Q2	2021 Q2
架构代号	GA100	GA100	GA100	GA100
核心名称	Ampere	Ampere	Ampere	Ampere
CUDA 核心	6912	6912	6912	6912
Tensor Core	432	432	432	432
显存	40GB HBM2e	80GB HBM2e	40GB HBM2e	80GB HBM2e
显存带宽	1555 GB/s	1935 GB/s	1555 GB/s	2039 GB/s
FP32 算力	19.5 TFLOPS	19.5 TFLOPS	19.5 TFLOPS	19.5 TFLOPS
TF32 算力（Tensor）	156/312 TFLOPS	156/312 TFLOPS	156/312 TFLOPS	156/312 TFLOPS
BF16 算力（Tensor）	312/624 TFLOPS	312/624 TFLOPS	312/624 TFLOPS	312/624 TFLOPS
FP64 算力	9.7 TFLOPS	9.7 TFLOPS	9.7 TFLOPS	9.7 TFLOPS
INT8 算力	624 TOPS	624 TOPS	624 TOPS	624 TOPS
NVLink	不支持	不支持	支持（600 GB/s）	支持（600 GB/s）
MIG	支持	支持	支持	支持
TDP	300W	300W	400W	400W
工艺制程	7nm (TSMC)	7nm (TSMC)	7nm (TSMC)	7nm (TSMC)

亮点：

MIG 技术革命性创新，单卡可分割为 7 个独立 GPU 实例
第三代 Tensor Core 支持 TF32 和 BF16，AI 训练性能大幅提升
结构化稀疏技术，实际性能翻倍
80GB 版本支持更大模型训练
FP64 说明： A100 的 FP64 算力为 9.7 TFLOPS（双精度），通过 Compute Capability 8.0 支持完整双精度计算，较 Volta 架构的 7.4 TFLOPS 提升约 31%，适合 HPC 科学计算场景

NVIDIA A10

参数	规格
发布年份	2021 Q2
架构代号	GA102
CUDA 核心	9216
Tensor Core	288（第三代）
显存	24GB GDDR6
显存带宽	600 GB/s
FP32 算力	31.2 TFLOPS
FP16 算力（Tensor）	250 TOPS（稀疏）
INT8 算力	500 TOPS
TDP	150W
工艺制程	8nm (Samsung)
定位	推理/图形/视频

亮点：

面向推理和虚拟化场景
支持多路视频编解码
低功耗设计

4. Hopper 架构 (2022)

4.1 架构特点

Hopper 于 2022 年 3 月发布，以计算机科学家 Grace Hopper 命名，专为大规模 AI 和 HPC 设计。

核心创新：

第四代 Tensor Core，支持 FP8 精度
Transformer 引擎，加速大语言模型训练
采用 4nm 定制工艺（TSMC 4NP）
第四代 NVLink，带宽翻倍
支持 NVLink Switch，实现任意 GPU 对通信
引入 HBM3 显存
支持机密计算

架构代号： GH100
晶体管数量： 800 亿
核心面积： 814 mm²

4.2 性能参数

指标	规格
CUDA 核心	16896
Tensor Core	528 个（第四代）
FP32 算力	67 TFLOPS
FP8 算力（Tensor）	3958/7916 TFLOPS（稀疏）
FP16/BF16 算力（Tensor）	1979/3958 TFLOPS（稀疏）
FP64 算力	34 TFLOPS
INT8 算力	7916 TOPS
显存带宽	2039-3350 GB/s (HBM3)
显存容量	80GB/96GB HBM3
NVLink 带宽	900 GB/s (双向)
TDP	700W

4.3 组网技术

NVLink 4.0：

单链路带宽提升至 100 GB/s（双向 200 GB/s）
H100 SXM 支持 18 条 NVLink 链路
带宽计算公式： 单链路 100 GB/s × 18 条链路 = 1800 GB/s（单向），双向总计 3600 GB/s；实际有效双向带宽为 900 GB/s（考虑协议开销）
引入 NVLink Switch，支持任意 GPU 对通信（非全互联也高效）
支持 DGX H100 系统（8 GPU）
DGX H100 系统带宽： 单卡显存带宽 3.35 TB/s × 8 GPU = 26.8 TB/s；通过 NVLink Switch 互联后，系统总带宽可达 57.6 TB/s（包含 GPU-GPU 通信带宽）

PCIe 支持：

PCIe 5.0 x16
带宽 128 GB/s（双向）

4.4 常见数据中心显卡型号

NVIDIA H100

参数	H100 PCIe	H100 SXM
发布年份	2022 Q4	2022 Q2
架构代号	GH100	GH100
核心名称	Hopper	Hopper
CUDA 核心	14592	16896
Tensor Core	456	528
显存	80GB HBM3	80GB HBM3
显存带宽	2039 GB/s	3350 GB/s
FP32 算力	60 TFLOPS	67 TFLOPS
FP8 算力（Tensor）	3000/6000 TFLOPS	3958/7916 TFLOPS
FP16/BF16 算力（Tensor）	1500/3000 TFLOPS	1979/3958 TFLOPS
FP64 算力	30 TFLOPS	34 TFLOPS
NVLink	不支持	支持（900 GB/s）
TDP	350-400W	700W
工艺制程	4nm (TSMC 4NP)	4nm (TSMC 4NP)
插槽形式	PCIe 5.0	SXM5

亮点：

Transformer 引擎，LLM 训练性能提升 6 倍
第四代 Tensor Core 支持 FP8，推理性能大幅提升
NVLink Switch 实现高效任意 GPU 通信
支持机密计算，保护敏感数据

NVIDIA H200

参数	规格
发布年份	2023 Q4
架构代号	GH100
核心名称	Hopper
CUDA 核心	16896
Tensor Core	528
显存	141GB HBM3e
显存带宽	4800 GB/s
FP8 算力（Tensor）	3958/7916 TFLOPS
FP16/BF16 算力（Tensor）	1979/3958 TFLOPS
NVLink	支持（900 GB/s）
TDP	700W
工艺制程	4nm (TSMC 4NP)
插槽形式	SXM5

亮点：

H100 的升级版，主要提升显存
141GB HBM3e 显存，带宽 4800 GB/s
大模型推理性能提升 2 倍
支持更大上下文窗口

5. Blackwell 架构 (2024)

5.1 架构特点

Blackwell 于 2024 年 3 月发布，以数学家 David Blackwell 命名，是 NVIDIA 最新的 AI 超级芯片架构。

核心创新：

革命性多芯片封装（MCM），单卡含 2 个 GPU 裸片
第五代 Tensor Core，支持 FP4 精度
第二代 Transformer 引擎，支持混合精度
采用 4NP 定制工艺（TSMC）
第五代 NVLink，带宽再次翻倍
引入 GDDR7 显存（B100）和 HBM3e（B200/GB200）
支持液冷散热

架构代号： GB100 / GB200
晶体管数量： 2080 亿（GB200 双芯片）
核心面积： 单芯片约 1000 mm²

5.2 性能参数

指标	GB200 规格
GPU 芯片	2x Blackwell 裸片
CUDA 核心	20736（总计）
Tensor Core	720 个（第五代）
FP32 算力	125 TFLOPS
FP4 算力（Tensor）	45000 TFLOPS
FP8 算力（Tensor）	22500 TFLOPS
FP16/BF16 算力（Tensor）	11250 TFLOPS
显存带宽	8000 GB/s (HBM3e)
显存容量	192GB HBM3e
NVLink 带宽	1800 GB/s (双向)
TDP	1200W

5.3 组网技术

NVLink 5.0：

单链路带宽提升至 150 GB/s（双向 300 GB/s）
GB200 支持 18 条 NVLink 链路，总带宽 1800 GB/s
支持 NVLink Scale，实现 72 GPU 全互联
支持 DGX GB200 系统（8 GPU，总带宽 130 TB/s）
支持 GB200 NVL72 机架系统（72 GPU，54 PB/s 互联）

PCIe 支持：

PCIe 5.0 x16
带宽 128 GB/s

5.4 常见数据中心显卡型号

NVIDIA B100

参数	规格
发布年份	2024 Q2（预计）
架构代号	GB100
核心名称	Blackwell
CUDA 核心	10368
Tensor Core	360（第五代）
显存	96GB GDDR7
显存带宽	4000 GB/s
FP4 算力（Tensor）	22500 TFLOPS
FP8 算力（Tensor）	11250 TFLOPS
NVLink	支持（900 GB/s）
TDP	600W
工艺制程	4NP (TSMC)
插槽形式	PCIe 5.0

亮点：

Blackwell 架构的 PCIe 版本
采用 GDDR7 显存，成本优化
适合中小规模 AI 部署

NVIDIA B200

参数	规格
发布年份	2024 Q2
架构代号	GB100（Blackwell 核心）
核心名称	Blackwell
CUDA 核心	10368
Tensor Core	360（第五代）
显存	192GB HBM3e
显存带宽	8000 GB/s
FP4 算力（Tensor）	22500 TFLOPS
FP8 算力（Tensor）	11250 TFLOPS
NVLink	支持（900 GB/s）
TDP	1000W
工艺制程	4NP (TSMC)
插槽形式	SXM5/SXM6

亮点：

Blackwell 架构的旗舰单卡
192GB HBM3e 超大显存
第五代 Tensor Core 支持 FP4 精度
推理性能较 H100 提升 30 倍
架构代号说明： B200 采用 GB100 Blackwell GPU 核心；GB200 是系统级产品（Grace CPU + 2×Blackwell GPU），需区分单卡（B200）与系统（GB200 Superchip）规格

NVIDIA GB200 Grace Blackwell Superchip

参数	规格
发布年份	2024 Q2
架构代号	GB200
核心名称	Blackwell + Grace
GPU	2x Blackwell 裸片
CPU	1x Grace ARM 处理器（72 核）
GPU CUDA 核心	20736（总计）
GPU Tensor Core	720（第五代）
显存	192GB HBM3e（统一内存）
显存带宽	8000 GB/s
CPU- GPU 互联	NVLink-C2C（1800 GB/s）
GPU-GPU 互联	NVLink 5.0（1800 GB/s）
FP4 算力（Tensor）	45000 TFLOPS
TDP	1200W
工艺制程	4NP (TSMC)
插槽形式	SXM6

亮点：

CPU+GPU 超级芯片，统一内存架构
消除 CPU-GPU 数据拷贝瓶颈
专为万亿参数大模型设计
支持 GB200 NVL72 机架系统（72 GPU，54 PB/s）
NVLink-C2C 说明： CPU 与 GPU 间通过 NVLink-C2C 直接互联，带宽高达 900 GB/s（双向 1800 GB/s），是传统 PCIe 5.0 x16（128 GB/s 双向）的 14 倍，大幅降低 CPU-GPU 数据传输延迟

6. Rubin 架构预览 (未发布)

6.1 架构前瞻

Rubin 是 NVIDIA 下一代数据中心 GPU 架构，预计 2025-2026 年发布，以天文学家 Vera Rubin 命名。

预期创新（基于公开信息）：

采用更先进的 3nm 或 2nm 工艺
第六代 Tensor Core，可能支持 FP2 精度
HBM4 显存支持
第六代 NVLink，带宽进一步提升
更强的光追和图形能力
可能引入 Chiplet 多芯片设计

预期规格（预测）：

指标	预期规格
工艺制程	3nm / 2nm（预测）
显存类型	HBM4（预测）
显存带宽	12000+ GB/s（预测）
Tensor Core	第六代（预测）
FP4/FP2 算力	待公布（FP2 未官方确认）
NVLink	第六代（预测）
发布时间	2025-2026（预计）

备注： Rubin 架构产品尚未正式发布，以上规格均为基于行业趋势的预测数据，FP4/FP2 精度支持、HBM4 显存等特性未经 NVIDIA 官方确认，实际规格以发布时官方数据为准。

7. 技术说明补充

7.1 Tensor Core 稀疏加速（Sparsity）

结构化稀疏技术说明：

NVIDIA 从 Ampere 架构开始引入结构化稀疏（Structured Sparsity）技术，通过硬件级支持实现性能翻倍。

架构	Tensor Core 代数	稀疏支持	加速效果
Ampere	第三代	✅ 2:4 稀疏	2 倍
Hopper	第四代	✅ 2:4 稀疏	2 倍
Blackwell	第五代	✅ 2:4 稀疏	2 倍

工作原理：

2:4 稀疏模式： 每 4 个权重中强制 2 个为零，硬件跳过零值计算
性能标注： 文档中 "原生/稀疏" 格式（如 312/624 TFLOPS）分别表示密集计算和稀疏加速后的算力
适用场景： 推理场景可通过剪枝实现稀疏，训练场景需配合稀疏感知训练

注意： 稀疏加速需软件栈支持（CUDA 11.0+、cuBLAS 11.4+），实际加速效果取决于模型稀疏度。

7.2 NVLink 带宽计算详解

带宽计算公式：

单向带宽 = 单链路带宽 × 链路数量
双向带宽 = 单向带宽 × 2
有效带宽 = 双向带宽 × 协议效率（约 50-75%）

历代 NVLink 规格：

架构	NVLink 版本	单链路带宽	H100/B200 链路数	理论单向	理论双向	有效双向
Pascal	1.0	40 GB/s	4	160 GB/s	320 GB/s	160 GB/s
Volta	2.0	50 GB/s	6	300 GB/s	600 GB/s	300 GB/s
Ampere	3.0	75 GB/s	12	900 GB/s	1800 GB/s	600 GB/s
Hopper	4.0	100 GB/s	18	1800 GB/s	3600 GB/s	900 GB/s
Blackwell	5.0	150 GB/s	18	2700 GB/s	5400 GB/s	1800 GB/s

说明： 文档中 NVLink 带宽均为有效双向带宽（考虑协议开销后的实际可用带宽）。

7.3 NVLink-C2C（CPU-GPU 互联）

Grace Blackwell 超级芯片专用互联技术：

特性	规格
带宽	900 GB/s（双向 1800 GB/s）
对比 PCIe 5.0 x16	14 倍带宽提升
延迟	亚微秒级
一致性	CPU-GPU 统一内存寻址

优势：

消除传统 PCIe 的 CPU-GPU 数据拷贝瓶颈
支持统一内存架构，192GB HBM3e 可被 CPU 和 GPU 直接访问
适合大模型推理场景，减少数据搬运开销

8. 全部产品汇总表格

8.1 数据中心级显卡总览

产品名称	发布年份	架构代号	核心名称	FP32 算力	FP16/BF16 Tensor	FP8 Tensor	显存规格	显存带宽	NVLink 带宽	TDP	工艺制程
Tesla P100	2016	GP100	Pascal	10.6 TFLOPS	21.2 TFLOPS（原生）	N/A	16GB HBM2	732 GB/s	160 GB/s	300W	16nm
Tesla P40	2016	GP102	Pascal	12 TFLOPS	6 TFLOPS（原生 1:2）	N/A	24GB GDDR5	346 GB/s	N/A	250W	16nm
Tesla P4	2016	GP104	Pascal	5.5 TFLOPS	0.17 TFLOPS（原生 1:32）	N/A	8GB GDDR5	192 GB/s	N/A	75W	16nm
Tesla V100	2017	GV100	Volta	14.8 TFLOPS	118.5 TFLOPS	N/A	16/32GB HBM2	900 GB/s	300 GB/s	300W	12nm
Tesla V100S	2019	GV100	Volta	15.5 TFLOPS	125 TFLOPS	N/A	32GB HBM2	900 GB/s	300 GB/s	300W	12nm
A100 PCIe 40GB	2020	GA100	Ampere	19.5 TFLOPS	312/624 TFLOPS	N/A	40GB HBM2e	1555 GB/s	N/A	300W	7nm
A100 PCIe 80GB	2021	GA100	Ampere	19.5 TFLOPS	312/624 TFLOPS	N/A	80GB HBM2e	1935 GB/s	N/A	300W	7nm
A100 SXM 40GB	2020	GA100	Ampere	19.5 TFLOPS	312/624 TFLOPS	N/A	40GB HBM2e	1555 GB/s	600 GB/s	400W	7nm
A100 SXM 80GB	2021	GA100	Ampere	19.5 TFLOPS	312/624 TFLOPS	N/A	80GB HBM2e	2039 GB/s	600 GB/s	400W	7nm
A10	2021	GA102	Ampere	31.2 TFLOPS	250 TFLOPS	N/A	24GB GDDR6	600 GB/s	N/A	150W	8nm
H100 PCIe	2022	GH100	Hopper	60 TFLOPS	1500/3000 TFLOPS	3000/6000 TFLOPS	80GB HBM3	2039 GB/s	N/A	400W	4nm
H100 SXM	2022	GH100	Hopper	67 TFLOPS	1979/3958 TFLOPS	3958/7916 TFLOPS	80GB HBM3	3350 GB/s	900 GB/s	700W	4nm
H200	2023	GH100	Hopper	67 TFLOPS	1979/3958 TFLOPS	3958/7916 TFLOPS	141GB HBM3e	4800 GB/s	900 GB/s	700W	4nm
B100	2024	GB100	Blackwell	125 TFLOPS	11250 TFLOPS	22500 TFLOPS	96GB GDDR7	4000 GB/s	900 GB/s	600W	4NP
B200	2024	GB100	Blackwell	125 TFLOPS	11250 TFLOPS	22500 TFLOPS	192GB HBM3e	8000 GB/s	900 GB/s	1000W	4NP
GB200	2024	GB200	Blackwell	125 TFLOPS	11250 TFLOPS	22500 TFLOPS	192GB HBM3e	8000 GB/s	1800 GB/s	1200W	4NP

备注：

FP16/BF16 Tensor 格式为：原生/稀疏加速（如 312/624 表示原生 312 TFLOPS，稀疏加速后 624 TFLOPS）
FP8 Tensor 格式为：原生/稀疏加速
Pascal FP16 格式：原生 FP16 算力（无 Tensor Core），括号内为 FP16:FP32 比例
N/A 表示该架构不支持此精度
稀疏加速说明： 从 Ampere 架构开始支持结构化稀疏（2:4 稀疏模式），需硬件和软件栈支持（CUDA 11.0+），实际加速效果取决于模型稀疏度

8.2 架构演进对比

特性	Pascal	Volta	Ampere	Hopper	Blackwell
发布年份	2016	2017	2020	2022	2024
工艺制程	16nm	12nm	7nm	4nm	4NP
Tensor Core	❌	✅ 第一代	✅ 第三代	✅ 第四代	✅ 第五代
FP8 支持	❌	❌	❌	✅	✅
FP4 支持	❌	❌	❌	❌	✅
MIG 技术	❌	❌	✅	✅	✅
Transformer 引擎	❌	❌	❌	✅	✅ 第二代
NVLink 版本	1.0	2.0	3.0	4.0	5.0
最大 NVLink 带宽	160 GB/s	300 GB/s	600 GB/s	900 GB/s	1800 GB/s
显存类型	HBM2	HBM2	HBM2e	HBM3/HBM3e	HBM3e/GDDR7
最大显存容量	24GB	32GB	80GB	141GB	192GB
最大显存带宽	732 GB/s	900 GB/s	2039 GB/s	4800 GB/s	8000 GB/s
最大 TDP	300W	300W	400W	700W	1200W