Tesla P4 8GB PCIe

Spécifications expliquées

Utilisé pour AI inference et video transcoding

1. 018 GB de mémoire GDDR5

   VRAM

   8 GB

   Type de mémoire

   GDDR5

   Bande passante mémoire

   0.192 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 4 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 Pascal

   Architecture

   Pascal

   Année de lancement

   2016

   Statut du cycle de vie

   Legacy

   Pascal a introduit NVLink dans les GPU pour centres de données de NVIDIA, d’abord sur la Tesla P100. (Contexte général sur l’architecture, et non une affirmation sur cette carte en particulier.)

   Lancé en 2016. 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

   75 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 transcoding

   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.
   • video transcodingLe 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.