V100 32GB SXM2

仕様の解説

用途：AI trainingとHPC

1. 0132 GBのHBM2メモリ

   VRAM

   32 GB

   メモリタイプ

   HBM2

   メモリ帯域幅

   0.9 TB/s

   HBM（High Bandwidth Memory）は層状に積み重ねられ、同じパッケージ上でプロセッサーのすぐ隣に配置されています。この短く幅の広い経路こそが、HBMを搭載したアクセラレーターにメモリ帯域幅をもたらしています。そのため、大規模モデルの推論やHPCシミュレーションなど、データがコアに届く速度に制約される処理によく選ばれます。

   VRAMはカード上の作業領域です。モデルの重み、アクティベーション、データセットはここに収まる必要があり、収まらない場合は複数のGPUに分割しなければなりません。 16ビット精度での重みだけの目安（パラメーター十億個あたり約2 GB）：活性化とキャッシュを除いて、最大でおよそ16Bパラメーター。これは記録されたVRAMに基づく計算であり、ベンチマークではありません。

2. 02Voltaアーキテクチャ

   アーキテクチャ

   Volta

   発売年

   2017

   ライフサイクルのステータス

   Legacy

   Voltaは、ディープラーニング向けの専用行列演算ユニットであるTensorコアを導入しました。 （アーキテクチャに関する一般的な説明であり、この特定のカードについての記述ではありません。）

   2017年発売 Kovaraのレコードでは、レガシー製品として掲載されています。

3. 03複数のGPUへのスケールを前提に設計

   NVLink

   対応

   MIG

   非対応

   フォームファクター

   SXM2

   TDP

   300 W

   NVLinkはGPUとGPUを直接つなぐリンクです。対応している場合、同じサーバー内のGPUはPCIeだけを使うよりも高速にデータを交換できます。これは、一つのトレーニングジョブを複数のGPUに分散させる際に重要です。

   SXMモジュールは、カードとしてスロットに差し込むのではなく、サーバーのベースボードに直接実装されます。高密度のマルチGPUサーバーで一般的に使われる構成です。

   TDPは定格の熱設計電力で、サーバーの電力供給と冷却を計画するための数値です。

4. 04用途

   主な用途（記録）

   AI training / HPC

   これらは、Kovaraがこの製品について記録している用途です。注記はワークロードを一般的に説明したもので、性能を主張するものではありません。

   • AI trainingデータからモデルに学習させること。通常、最も計算資源とメモリを消費する段階で、多くのGPUに分散されることがよくあります。
   • HPC数値精度とメモリ帯域幅が重要となる、科学・工学シミュレーション。

数値はKovaraのマスターデータで、最終検証日は2026年9月03日です。解説は技術全般を説明するもので、ベンチマークではなく、価格や在庫状況については何も示していません。