A2 16GB

Specifikationerna förklarade

Används för Edge AI och inference

1. 0116 GB GDDR6-minne

   VRAM

   16 GB

   Minnestyp

   GDDR6

   Minnesbandbredd

   0.2 TB/s

   GDDR är grafikminne som är monterat på kortet runt GPU:n i stället för staplat i kapseln. Det används i stor utsträckning på kort för grafik, rendering och kostnadseffektiv inferens.

   VRAM är arbetsytan på kortet. Modellvikter, aktiveringar och datamängder måste rymmas i det eller delas upp över flera GPU:er. Tumregel för enbart vikterna vid 16-bitars precision (cirka 2 GB per miljard parametrar): upp till ungefär 8 miljarder parametrar, före aktiveringar och cache. Det här är aritmetik på det registrerade VRAM-värdet, inte en benchmark.

2. 02Arkitekturen Ampere

   Arkitektur

   Ampere

   Lanseringsår

   2021

   Livscykelstatus

   Previous

   Ampere gav sina datacenterkomponenter tredje generationens Tensor Cores, TF32-precision och Multi-Instance GPU (MIG). (Allmänt sammanhang om arkitekturen, inte ett påstående om just det här kortet.)

   Lanserad 2021. Enligt Kovaras poster är det en komponent av föregående generation.

3. 03Formfaktor och effekt

   NVLink

   Stöds inte

   MIG

   Stöds inte

   Formfaktor

   PCIe low-profile single-slot

   TDP

   60 W

   Kovaras poster visar inget stöd för NVLink, så jobb med flera GPU:er på den här komponenten är beroende av PCIe eller nätverket mellan servrar för att flytta data.

   PCIe-kort sätts i vanliga expansionsplatser i servrar och arbetsstationer, vilket passar ett brett spektrum av system.

   TDP är den angivna termiska designeffekten: planeringsvärdet för strömförsörjning och kylning i en server.

4. 04Vad den används till

   Primär användning (registrerad)

   Edge AI / inference

   Det här är de användningsområden som Kovara har registrerat för komponenten. Kommentarerna förklarar arbetslasten i allmänna termer; de är inga påståenden om prestanda.

   • Edge AIAtt köra modeller nära den plats där data uppstår, i kompakta system med begränsad effekt.
   • inferenceAtt köra en tränad modell för att besvara förfrågningar. Minneskapacitet, latens och kostnad per förfrågan är de vanliga frågorna.

Värdena är Kovaras masterdata, senast verifierade 03 sep. 2026. Förklaringarna beskriver tekniken i allmänhet; de är inga benchmarks och säger inget om pris eller tillgänglighet.