HuaWei、NVIDIA 数据中心 AI 算力对比

HuaWei Ascend 910B


Ascend 910B 是 HuaWei 于 2023 年推出的高性能 AI 处理器芯片,其对标产品为 Nvidia A100/A800,其算力表现如下:


  1. 峰值算力:Ascend 910B 的半精度(FP16)算力达到 256 TFLOPS(每秒 256 万亿次浮点运算)。
  2. 整数精度算力:Ascend 910B 的整数精度(INT8)算力达到 512 Tera-OPS。
  3. 单精度算力:Ascend 910B 的单精度(FP32)算力达到 128 TFLOPS。
  4. 能效比:Ascend 910B 的每瓦特性能达到 5.2 TFLOPS/W,相较于英伟达 A100 的每瓦特性能 4.7 TFLOPS/W,Ascend 910B 在能效上更优。
  5. 内存带宽:Ascend 910B 的内存带宽为 768 GB/s。
  6. 互连带宽:Ascend 910B 的芯片间互连带宽为 600GB/s,卡间互连带宽为 PCIe 4.0 x16,理论带宽 31.5GB/s。
  7. 功耗:Ascend 910B 的最大功耗为 350W。
  8. AI 算力对比:科大讯飞与华为联合优化后,在他们的场景中 Ascend 910B 已经达到 NVIDIA A100 的性能。

NVIDIA A100

数据精度 A100 80GB PCIe A100 80GB SXM
FP64 9.7 TFLOPS 9.7 TFLOPS
FP64 Tensor Core 19.5 TFLOPS 19.5 TFLOPS
FP32 19.5 TFLOPS 19.5 TFLOPS
Tensor Float 32 (TF32) 156 TFLOPS 312 TFLOPS
BFLOAT16 Tensor Core 312 TFLOPS 624 TFLOPS
FP16 Tensor Core 312 TFLOPS 624 TFLOPS
INT8 Tensor Core 624 TOPS 1248 TOPS
GPU Memory 80GB HBM2e 80GB HBM2e
GPU Memory Bandwidth 1935 GB/s 2039 GB/s
TDP 功耗 300W 400W
插槽类型 PCIe 4.0 SXM

NVIDIA H100

NVIDIA H100 Tensor Core GPU

数据精度 H100 SXM H100 NVL
FP64 34 TFLOPS 30 TFLOPS
FP64 Tensor Core 67 TFLOPS 60 TFLOPS
FP32 67 TFLOPS 60 TFLOPS
TF32 Tensor Core 989 TFLOPS 835 TFLOPS
BFLOAT16 Tensor Core 1979 TFLOPS 1671 TFLOPS
FP16 Tensor Core 1979 TFLOPS 1671 TFLOPS
FP8 Tensor Core 3958 TFLOPS 3341 TFLOPS
INT8 Tensor Core 3958 TOPS 3341 TOPS
GPU Memory 80GB 94GB
GPU Memory Bandwidth 3.35TB/s 3.9TB/s
TDP 功耗 700 W 400 W
插槽类型 SXM PCIe 5.0

基于 PCIe 的 NVIDIA H100 NVL(带有 NVLink 桥接)利用 Transformer Engine、NVLink 和 188GB HBM3 内存,在任何数据中心提供最佳性能和轻松扩展,使大型语言模型成为主流

NVIDIA H200

NVIDIA H200 Tensor Core GPU

数据精度 H200 SXM H200 NVL
FP64 34 TFLOPS 30 TFLOPS
FP64 Tensor Core 67 TFLOPS 60 TFLOPS
FP32 67 TFLOPS 60 TFLOPS
TF32 Tensor Core 989 TFLOPS 835 TFLOPS
BFLOAT16 Tensor Core 1979 TFLOPS 1671 TFLOPS
FP16 Tensor Core 1979 TFLOPS 1671 TFLOPS
FP8 Tensor Core 3958 TFLOPS 3341 TFLOPS
INT8 Tensor Core 3958 TOPS 3341 TOPS
GPU Memory 141GB 141GB
GPU Memory Bandwidth 4.8TB/s 4.8TB/s
TDP 功耗 700 W 600 W
插槽类型 SXM PCIe 5.0

基于 NVIDIA Hoppe 架构NVIDIA H200 是首款提供 141GB(吉字节)HBM3e 内存、内存带宽达 4.8TB/s(太字节每秒)的 GPU

NVIDIA GB200 & GB200 NVL72

数据精度 GB200 NVL72 GB200
Configuration 36 Grace CPU : 72 Blackwell GPUs 1 Grace CPU : 2 Blackwell GPU
FP4 Tensor Core 1440 PFLOPS 40 PFLOPS
FP8/FP6 Tensor Core 720 PFLOPS 20 PFLOPS
INT8 Tensor Core 720 POPS 20 POPS
FP16/BF16 Tensor Core 360 PFLOPS 10 PFLOPS
TF32 Tensor Core 180 PFLOPS 5 PFLOPS
FP32 6480 TFLOPS 180 TFLOPS
FP64 3240 TFLOPS 90 TFLOPS
FP64 Tensor Core 3240 TFLOPS 90 TFLOPS
GPU Memory Up to 13.5 TB HBM3e Up to 384 GB HBM3e
GPU Bandwidth 576 TB/s 16 TB/s
NVLink Bandwidth 130TB/s 3.6TB/s
CPU Core Count 2592 Arm Neoverse V2 cores 72 Arm Neoverse V2 cores
CPU Memory Up to 17 TB LPDDR5X Up to 480GB LPDDR5X
CPU Bandwidth Up to 18.4 TB/s Up to 512 GB/s

GB200 NVL72 架构组成:

  • 将 36 个 Grace Blackwell 超级芯片组合在一起,包含 72 个 Blackwell GPU 和 36 个 Grace CPU,通过第五代 NVLink 技术相互连接
  • 每个 Grace Blackwell 超级芯片包含两个高性能的 NVIDIA Blackwell Tensor Core GPU 和一个 NVIDIA Grace CPU,使用 NVIDIA NVLink-C2C 连接

码字不易,若觉得本文对你有用,欢迎 点赞 👍、分享 🚀 ,相关技术热点时时看🔥🔥🔥​​​...


相关推荐
瓦力wow2 小时前
opencv 图像的平移和旋转
人工智能·opencv·计算机视觉
闭月之泪舞2 小时前
OpenCv高阶(十六)——Fisherface人脸识别
人工智能·opencv·计算机视觉
Echo``2 小时前
5:OpenCV—直方图均衡化
人工智能·opencv·计算机视觉·视觉检测
虾球xz3 小时前
游戏引擎学习第298天:改进排序键 - 第1部分
人工智能·学习·游戏引擎
PixelMind4 小时前
【LUT技术专题】极小尺寸LUT算法:TinyLUT
人工智能·深度学习·算法·lut·图像超分辨率
聚客AI4 小时前
PyTorch高阶技巧:构建非线性分类器与梯度优化全解析
人工智能·pytorch·深度学习·神经网络·语言模型·自然语言处理·transformer
40+老码农的修行之旅5 小时前
跟踪AI峰会,给自己提出的两个问题。
人工智能
摆烂仙君6 小时前
LoRA(Low-Rank Adaptation)
人工智能·计算机视觉
马剑威(威哥爱编程)7 小时前
鸿蒙 HarmonyOS NEXT 系统 Preference 首选项使用全解析
华为·harmonyos·arkts·arkui
杰瑞学AI8 小时前
深度学习中的分布偏移问题及其解决方法
人工智能·深度学习·机器学习·ai