T4 16GB

Spécifications expliquées

Utilisé pour AI inference et video

1. 0116 GB de mémoire GDDR6

   VRAM

   16 GB

   Type de mémoire

   GDDR6

   Bande passante mémoire

   0.32 TB/s

   La GDDR est une mémoire graphique montée sur la carte autour du GPU, plutôt qu’empilée sur le package. Elle est très utilisée sur les cartes graphiques, de rendu et d’inférence économiques.

   La VRAM est l’espace de travail de la carte. Les poids du modèle, les activations et les jeux de données doivent y tenir, ou être répartis sur plusieurs GPU. Règle empirique pour les seuls poids en précision 16 bits (environ 2 GB par milliard de paramètres) : jusqu’à environ 8 milliards de paramètres, avant activations et cache. Il s’agit d’un calcul arithmétique sur la VRAM enregistrée, et non d’un benchmark.

2. 02Architecture Turing

   Architecture

   Turing

   Année de lancement

   2018

   Statut du cycle de vie

   Legacy

   Turing a ajouté des cœurs de ray tracing et des Tensor Cores de deuxième génération. (Contexte général sur l’architecture, et non une affirmation sur cette carte en particulier.)

   Lancé en 2018. Les enregistrements de Kovara l’indiquent comme un composant legacy.

3. 03Facteur de forme et alimentation

   NVLink

   Non pris en charge

   MIG

   Non pris en charge

   Facteur de forme

   PCIe low-profile single-slot

   TDP

   70 W

   Les enregistrements de Kovara n’indiquent aucune prise en charge de NVLink ; les tâches multi-GPU sur ce composant s’appuient donc sur le PCIe ou sur le réseau entre serveurs pour déplacer les données.

   Les cartes PCIe s’insèrent dans les emplacements d’extension standard des serveurs et des stations de travail, ce qui convient à un large éventail de systèmes.

   Le TDP est la puissance thermique de conception nominale : la valeur de référence pour dimensionner l’alimentation et le refroidissement d’un serveur.

4. 04À quoi il sert

   Usage principal (enregistré)

   AI inference / video

   Voici les usages que Kovara a enregistrés pour ce composant. Les notes expliquent la charge de travail en termes généraux ; elles ne constituent pas des affirmations de performance.

   • AI inferenceL’exécution d’un modèle entraîné pour répondre à des demandes. La capacité mémoire, la latence et le coût par demande sont les préoccupations habituelles.
   • videoLe transcodage vidéo et les pipelines d’analyse vidéo.

Les chiffres sont des données de référence de Kovara, dernière vérification : 03 sept. 2026. Les explications décrivent la technologie de manière générale ; elles ne sont pas des benchmarks et ne disent rien du prix ni de la disponibilité.