英伟达和华为昇腾芯片算力天梯图
部分数据为估算值，表中数据仅供参考，性能可能因具体配置、软件优化等因素有所差异，
·
NVIDIA系列
| 型号 | 架构 | FP32 (TFLOPS) | FP16/BF16 (TFLOPS) | FP8 (TFLOPS) | INT8 (TOPS) | 显存容量 | 发布时间 |
|---|---|---|---|---|---|---|---|
| B300（目前最强AI计算卡） | Blackwell Ultra | 600T | 36P (36,000T) | 72P (72,000T) | - | 2.3TB HBM | 2025 |
| H100 | Hopper | 51 | 3,958 | 9,000 | - | 80GB HBM3 | 2022 |
| H800（特供版（NVLink带宽限制）） | Hopper | 51 | 3,958 | 9,000 | - | 80GB HBM3 | 2023 |
| A100 | Ampere | 19.5 | 312/624 | - | - | 40/80GB HBM2e | 2020 |
| V100（Ampere架构经典产品，仍在广泛使用） | Volta | 14 | 112 | - | - | 32GB HBM2 | 2017 |
| T4 | Turing | 8.1 | 65 | - | 130 | 16GB GDDR6 | 2018 |
| RTX 4090（消费级显卡） | Ada Lovelace | 83 | 330 | - | - | 24GB GDDR6X | 2022 |
| RTX 3090 | Ampere | 35.6 | 142 | - | - | 24GB GDDR6X | 2020 |
HUAWEI 昇腾（Ascend）系列
| 型号 | 架构 | FP32 (TFLOPS) | FP16 (TFLOPS) | FP8 (TFLOPS) | INT8 (TOPS) | 显存容量 | 发布时间 |
|---|---|---|---|---|---|---|---|
| 970 | SIMD/SIMT | - | - | 4P (4,000T) | - | 288GB HBM | 2028(Q4) |
| 960 | SIMD/SIMT | - | - | 2P (2,000T) | - | 288GB HBM | 2027(Q4) |
| 950DT | SIMD/SIMT | - | - | 1P (1,000T) | - | 144GB HBM | 2026(Q4) |
| 950PR | SIMD/SIMT | - | - | 1P (1,000T) | - | 128GB HBM | 2026(Q1) |
| 910C（910系列为华为主力产品） | SIMD | - | 800 | - | - | 128GB HBM | 2025(Q1) |
| 910 | DaVinci | - | 256 | - | 512 | - | 2019 |
| 610 | - | - | - | - | - | - | - |
| 310 | DaVinci | - | 8 | - | 16 | - | 2018 |
算力对比分析：
- B300 vs 昇腾970：B300的FP8算力72P vs 970的4P，英伟达在单芯片算力上仍有明显优势
- H100 vs 昇腾910C：H100的FP16算力约4P vs 910C的800T，差距显著
- 架构差异：英伟达采用SIMT架构，华为从950开始升级到SIMD/SIMT混合架构
注：部分数据为估算值，表中数据仅供参考，性能可能因具体配置、软件优化等因素有所差异，精确数据查询官网。
昇腾计算产业是基于昇腾系列（HUAWEI Ascend）处理器和基础软件构建的全栈 AI计算基础设施、行业应用及服务，https://devpress.csdn.net/organization/setting/general/146749包括昇腾系列处理器、系列硬件、CANN、AI计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链
更多推荐
4
0- 0
已为社区贡献1条内容
所有评论(0)