NVIDIA B200

NVIDIA B200 — 90 Гб ×2 (180 Гб) HBM3e, 18944 ×2 (37888) ядер, GPI 65,8

Загружаемся...

Оценка производительности

GPU от NVIDIA на процессоре GB100. NVIDIA B200 содержит 90 Гб ×2 (180 Гб) видеопамяти HBM3e. Шина 4096 бит ×2 (8192 бит), пропускная способность 4.10 TB/s ×2. NVIDIA B200 имеет 18944 ×2 (37888) CUDA ядра.

A100 A100
H200 H200
MI325X MI325X

NVIDIA B200

65,8

NVIDIA B200

65,8

Память

Объем памяти

90 GB ×2 (180 ГБ)

Тип памяти

Пропускная способность памяти

4.10 TB/s ×2 (8.2 TB/s)

Ширина шины памяти

4 096 бит ×2 (8192 бит)
8 192 бит
(AMD Radeon Instinct MI325X)

ML-производительность

FP16 (half)

1,1912 TFLOPS

BF16

Нет TFLOPS
311,84 TFLOPS
(NVIDIA A800 SXM4 80 GB)

TF32

Нет

Вычислительная мощность

FP32 (float)

74,45 TFLOPS

FP64 (double)

37,22 TFLOPS
1 166 000,0 TFLOPS
(XFX XFX QICKSILVER MagAir RX 7800 XT)

CUDA ядра

18 944 ×2 (37888)

RT ядра

Архитектура и совместимость

Архитектура GPU

SM (Streaming Multiprocessor)

PCIe версия

PCIe 5.0 x16

Программная поддержка ML

CUDA версия

CUDA Toolkit (начало поддержки)

CUDA Toolkit 12

Статус CUDA Toolkit

Поддерживается

Частоты и производительность

Base Clock

Boost Clock

Memory Clock

2 000

Энергопотребление

Рекомендуемый БП

Разъём питания

Нет

TDP/TGP

1000 W
unknown
(NVIDIA CMP 70HX)

Рендеринг

Текстурные блоки (TMU)

592 ×2 (1184)

L2 Cache

50 MB

Бенчмарки

llama.cpp, llama 7B Q4_0

315.9 tokens/s
315.3 tokens/s
(NVIDIA GeForce RTX 5090)

Дополнительно

Слоты

SXM Module
SXM Module
(NVIDIA B300)

Дата выпуска

13 марта 2024 г.
12 марта 2026 г.
(Intel Arc B770)

Дисплейные порты

No outputs
Portable Device Dependent
(NVIDIA GeForce RTX 5090 Mobile)

Часто задаваемые вопросы

Для каких задач подходит NVIDIA B200 SXM 192 GB?

NVIDIA B200 SXM 192 GB предназначена для высокопроизводительных вычислений, машинного обучения и искусственного интеллекта. Она идеально подходит для задач с большим объемом данных и высокими требованиями к вычислительной мощности, таких как тренировка больших моделей нейронных сетей, научные вычисления и рендеринг высокого качества.

С какими конкурентами сравнить и чем отличается эта видеокарта?

NVIDIA B200 SXM 192 GB может быть сравнена с конкурентами из серии NVIDIA A100 и H100, такими как NVIDIA A100 SXM 40GB или NVIDIA H100 NVLink. Основное преимущество B200 SXM 192 GB заключается в большем объеме памяти (192 ГБ HBM3e) и более высокой пропускной способности (4.10 ТБ/с), что делает ее более подходящей для обработки больших объемов данных и задач с высокой плотностью вычислений.

Достаточно ли питания и охлаждения для этой карты?

Для NVIDIA B200 SXM 192 GB требуется значительное питание и эффективное охлаждение. Карту рекомендуется использовать в системах с мощным блоком питания на 1000 Вт и выше, а также с эффективной системой охлаждения, способной обеспечить стабильную работу при высоких нагрузках. Рекомендуется использовать систему жидкостного охлаждения или мощный воздушный радиатор с несколькими фанами.

Стоит ли брать эту карту в 2025-2026 году?

В 2025-2026 годах NVIDIA B200 SXM 192 GB будет актуальной для предприятий и организаций, занимающихся высокопроизводительными вычислениями, машинным обучением и искусственным интеллектом. Однако стоит учитывать, что технологии продолжают развиваться, и новые поколения видеокарт могут предложить еще более высокие производственные возможности. Поэтому перед покупкой следует внимательно изучить все альтернативы и текущие потребности вашей организации.

Совместимость NVIDIA B200 SXM 192 GB с PCIe, блоком питания и корпусом

NVIDIA B200 SXM 192 GB требует подключения через интерфейс PCIe Gen5 и разъем SXM (Single-Module X-Connect). Для обеспечения стабильной работы рекомендуется использовать систему с PCIe Gen5 слотом и поддержкой SXM. В отношении блока питания, требуется система с блоком питания на 1000 Вт и выше, чтобы обеспечить достаточное питание. Корпус должен иметь пространство для установки большой видеокарты и эффективную систему охлаждения, особенно важную для карт с TDP в 1000 Вт.

Рекомендации

Эта видеокарта хорошо подходит для вычислительно-интенсивных задач, таких как машинное обучение (ML) и искусственный интеллект (AI), благодаря высокой пропускной способности памяти и большому объему HBM3e. Также она может быть использована для работы с громадными датасетами и сложными вычислениями в науке и исследовании.

Арендовать дешевле, чем покупать