英伟达GPU参数速查表

by ·2条评论 · 6,821 人阅读 · · 隐藏边栏 · 最后更新: 2026/3/10
◎NVIDIA GPU参数速查表 | 更新日期：20251129
GPU型号产品架构产品形态算力情况，挂*为稀疏值显存显存带宽GPU互联详细参数
GB300Blackwell
Ultra		多芯组合，2个B300和1个Grace CPUFP4：30/38.9P*
FP8：10/20P*
FP16：5/10P*
TF32：2.5/5P*		576G HBM3e16TB/sNvlink 2x1.8TB/s查看
B300Blackwell
Ultra		SXMFP4：15/17.5P?*
FP8：4.5/9P*
FP16：2.25/4.5P*
TF32：1.12/2.25P*
FP64：40T		288G HBM3e8TB/sNvlink 1.8TB/s查看
GB200Blackwell多芯组合，2个B200和1个Grace CPUFP4：20/40P*
FP8：10/20P*
FP16：5/10P*
TF32：2.5/5P*
FP64：90T		384G HBM3e16TB/sNvlink 2x1.8TB/s查看
B200BlackwellSXMFP4：9/18P*
FP8：4.5/9P*
FP16：2.25/4.5P*
TF32：1.12/2.25P*
FP64：40T		192G HBM3e8TB/sNvlink 1.8TB/s查看
B100BlackwellSXMFP16：1.8/3.5P*
TF32：0.9/1.8P*
FP64：30T		192G HBM3e8TB/sNvlink 1.8TB/s查看
H20标准款HopperSXMINT8和FP8：296T
FP16：148T
TF32：59.8T		96G HBM34TB/sNVlink 900GB/s查看
H20大显存HopperSXMINT8和FP8：296T
FP16：148T
TF32：59.8T		141G HBM3e4.8TB/sNVlink 900GB/s
H200HopperSXMFP8和INT8：1/2P*
FP16：1/2P*
TF32：495/989T*
FP64：67T		141G HBM3e4.8TB/sNvlink 900GB/s查看
RTX 4090AdaPCIeFP16：165T/330T*
TF32:82.6/165.2T*
源于AutoDL官网		24G GDDR6x
新增48G		1TB/s64GB/s查看
RTX 4090DAdaPCIeFP16：147/294T*
TF32：73.54/147T*
源于AutoDL官网		24G GDDR6x1TB/s64GB/s查看
RTX 5090BlackwellPCIe 5.0FP16：210T/420T？
TF32：108T
源自网络，供参考		32G GDDR71.8TB/sPCIe 128GB/s查看
RTX 5090DBlackwellPCIe 5.0FP16：150/297T*？
TF32：未找到
源自网络，供参考		32G GDDR71.8TB/sPCIe 128GB/s查看
H100HopperSXMFP8和INT8：1/2P*
FP16：1/2P*
TF32：495/989T*
FP64：67T		80G HBM33.35TB/sNvlink 900GB/s查看
H100HopperPCIeFP16：0.8/1.6P*
TF32：378/756T*
FP64：51T		80G HBM32TB/sPCIe 128GB/s查看
H800HopperSXMFP16：1/2P*
TF32：495/989T*
FP64：1T		80G HBM33.35TB/sNvlink 400GB/s查看
H800HopperPCIeFP16：0.8/1.6P*
TF32：378/756T*
FP64：0.8T		80G HBM32TB/sPCIe 128GB/s查看
A100AmpereSXMFP16：0.3/0.6P*
TF32：156/312T*
FP64：19.5T		80GHBM2e2TB/sNvlink 600GB/s查看
A100AmperePCIeFP16：0.3/0.6P*
TF32：156/312T*
FP64：19.5T		80GB HBM2e2TB/sPCIe 64GB/s查看
A800AmpereSXMFP16：0.3/0.6P*
TF32：156/312T*
FP64：19.5T		80GHBM2e2TB/sNvlink 400GB/s查看
A800AmperePCIeFP16：0.3/0.6P*
TF32：156/312T*
FP64：19.5T		80GB HBM2e2TB/sPCIe 64GB/s查看
L40SAdaPCIeFP16：366/733T*
TF32：181/366*		48G GDDR6x864GB/s64GB/s查看
L40AdaPCIeFP16：181/362T*
TF32：90.5/181*		48G GDDR6x864GB/s64GB/s查看
L20AdaPCIeFP16：119.5T
TF32：59.8T		48G GDDR6x864GB/s64GB/s查看
A40AmperePCIe

FP16：149.7/299.4*

TF32：74.8/149.6*

48G GDDR6x696GB/s

Nvlink

112GB/s

PCIe

64GB/s

查看
L4AdaPCIeFP16：121/242T*
TF32：60.5/121*		24G GDDR6x300GB/s64GB/s查看
L2AdaPCIeFP16：96.5T
TF32：48.3T		24G GDDR6x300GB/s64GB/s查看
V100VoltaPCIe

FP16：32.71T
FP32：16.35T
FP64：8.177T

16/32G HBM21.13TB/s

Nvlink

300GB/s

PCIe

32GB/s

查看

T4

TuringPCIe

FP16：65.13T
FP32：8.141T
FP64：254.4G

16G GDDR6x320GB/s32GB/s查看

请注意：以上内容根据公开数据整理，建议在决策前访问NVIDIA官方网站获取最权威和最新的数据！

1. FLOPS 到底是什么？

FLOPS 的全称是Floating-Point Operations Per Second，翻译过来就是「每秒浮点运算次数」。
简单理解：它就像 GPU 的「算数速度表」，1 FLOPS 意味着 GPU 每秒能完成 1 次小数的加减乘除运算；这个数字越大，说明 GPU 的算数能力越强，处理海量数据的速度就越快。
为什么偏偏用它？因为 GPU 的核心使命，就是处理 AI 训练、科学计算、图形渲染这类「需要疯狂算数」的场景——比如跑大模型时，要同时计算上亿个参数，这时候「每秒能算多少次」，就成了最关键的能力指标。

2. 常见单位： K/M/G/T/P 

GPU 算力越来越强，单靠 FLOPS 已经不够用，于是就有了这些「量级单位」，记住换算逻辑，看参数就像看体重一样简单：
「K」= 千：KFLOPS = 每秒 1000 次浮点运算（入门级，现在基本不用）
「M」= 百万：MFLOPS = 每秒 100 万次浮点运算（早期低端显卡）
「G」= 十亿：GFLOPS = 每秒 10 亿次浮点运算（中端显卡入门）
「T」= 万亿：TFLOPS = 每秒 1 万亿次浮点运算（现在主流 GPU 核心单位）
「P」= 千万亿：PFLOPS = 每秒 1000 万亿次浮点运算（超算、GPU 集群级别）
举个直观例子：NVIDIA H100 显卡的峰值算力约 1000 TFLOPS（FP8 精度），意思就是——这张卡每秒能完成 1000 万亿次小数运算，相当于每秒能算完普通人一辈子都算不完的题目。

FP 缩写：FP = Floating-Point，中文意思是「浮点型」，简单说就是「带小数的数字类型」，用来表示有小数点的数值（比如 3.14、0.001），是 GPU 处理算数运算时的核心数据格式。  FP32 / FP16 / FP8 含义（按精度从高到低）：  

FP32（单精度）：精度最高、速度最慢、算力最低。适合科学计算、高精度仿真、传统图形渲染（比如工业设计、影视后期），追求“算得准”，不追求“算得快”。
FP16 / BF16（半精度）：AI 领域最常用的精度。精度足够支撑大模型训练，速度比 FP32 快很多，是目前主流显卡的“主力精度”。
FP8（8位精度）：专为大模型加速设计。精度比 FP16 低，但速度暴增，算力数字直接翻倍，适合大模型训练和推理的“提速场景”。
INT8 / INT4（整数精度）：精度最低、速度最快、算力最高。适合模型推理、图像识别、语音识别等场景，主打“又快又省”，不用追求高精度，只需要快速输出结果。


参考：

anzhihe 安志合个人博客，版权所有 丨 如未注明，均为原创 丨 转载请注明转自：https://chegva.com/6562.html | ☆★★每天进步一点点,加油!★★☆ | 
标签：

您可能还感兴趣的文章！

2 评论

发表评论

电子邮件地址不会被公开。 必填项已用*标注