470580算力
Ⅰ 綆楀姏鐨勫崟浣嶆槸浠涔堬紵
GPU鏈嶅姟鍣ㄦ槸鍩轟簬GPU鐨勫簲鐢ㄤ簬瑙嗛戠紪瑙ｇ爜銆佹繁搴﹀︿範銆佺戝﹁＄畻絳夊氱嶅満鏅鐨勫揩閫熴佺ǔ瀹氥佸脊鎬х殑璁＄畻鏈嶅姟銆
浣滅敤鏄錛氬嚭鑹茬殑鍥懼艦澶勭悊鑳藉姏鍜岄珮鎬ц兘璁＄畻鑳藉姏鎻愪緵鏋佽嚧璁＄畻鎬ц兘錛屾湁鏁堣В鏀捐＄畻鍘嬪姏錛屾彁鍗囦駭鍝佺殑璁＄畻澶勭悊鏁堢巼涓庣珵浜夊姏銆
閲囩敤2棰楄嚦寮篍5-2600V3緋誨垪澶勭悊鍣錛屽唴瀛橀噰鐢128GB/256GB DDR4 2133/2400MHZ,緋葷粺紜鐩橀噰鐢2鍧512G SSD鍥烘佺‖鐩橈紝鏁版嵁紜鐩橀噰鐢3鍧25瀵2T浼佷笟綰х‖鐩橈紝鎴栬3鍧35瀵 4T浼佷笟綰х‖鐩橈紝騫沖彴閲囩敤鏀鎸佷袱GPU鏈嶅姟鍣錛圠Z-743GR錛夛紝鍥汫PU鏈嶅姟鍣(LZ-748GT)錛屽叓GPU鏈嶅姟鍣(LZ-4028GR)銆
rx470鏄懼崱鎸栫熆綆楀姏215mh/s錛岄偅涔堟崲綆楁垚涓澶╃畻鍔涙槸澶氬皯T錛
綆楀姏鏄鎸囪＄畻璁懼囬氳繃澶勭悊鏁版嵁錛屽疄鐜扮壒瀹氱粨鏋滆緭鍑虹殑璁＄畻鑳藉姏銆
綆楀姏騫挎硾瀛樺湪浜庢墜鏈恆丳C銆佽秴綰ц＄畻鏈虹瓑鍚勭嶇‖浠惰懼囦腑錛屾病鏈夌畻鍔涳紝榪欎簺杞銆佺‖浠跺氨涓嶈兘姝ｅ父浣跨敤銆傝岀帺鉶氭嫙璐у竵鐨勬姇璧勮咃紝閮藉惉榪囩畻鍔涜繖涓璇嶏紝鍦ㄥ尯鍧楅摼涓錛岀畻鍔涢氬父鏄鎸囨寲鐭挎満鎸栧嚭姣旂壒甯佺殑鑳藉姏錛岀畻鍔涘崰鍏ㄧ綉綆楀姏鐨勬瘮渚嬭秺楂橈紝綆楀姏浜у嚭鐨勬瘮鐗瑰竵灝辮秺澶氥
綆楀姏鍙鍒嗕負涓夌被錛氱涓綾伙紝灝辨槸楂樻ц兘璁＄畻錛屽嵆鈥滆秴綆椻濄傜浜岀被綆楀姏錛屼負浜哄伐鏅鴻兘璁＄畻鏈猴紝涓昏佺敤浜庡勭悊浜哄伐鏅鴻兘搴旂敤闂棰橈紱絎涓夌被灝辨槸鏁版嵁涓蹇冿紝瀹冩洿澶氭槸閫氳繃浜戣＄畻鐨勬柟寮忕粰澶у舵彁渚涚畻鍔涚殑鍏鍏辨湇鍔°傝繖涓夌嶈＄畻涓蹇冿紝鍚堣搗鏉ュ氨鍙嶆槧鍑轟竴涓鍥藉剁殑綆楀姏銆
2023騫寸畻鍔涢緳澶翠笂甯傚叕鍙革細
1銆佹嫇緇翠俊鎮錛氬叕鍙鎬緷鎵樺厗鐎氭湇鍔″櫒鍜屽厗鐎欰I鎺ㄧ悊鏈嶅姟鍣ㄦ彁渚涚殑閫氱敤鍜孉綆楀姏鏀鎸侊紝鍦ㄤ簯杈圭鐨勬妧鏈妗嗘灦鍐咃紝閲嶇偣鍙戝睍楦胯挋琛屼笟涓撳睘鎿嶄綔緋葷粺銆侀縛钂欒屼笟涓撳睘緇堢銆佹嫇緇村厓鎿嶄綔緋葷粺銆佽屼笟杈圭紭涓浣撴満錛屸滆蔣+紜鈥濇繁搴﹁瀺鍚堬紝瀹炵幇浜戣竟絝鍗忓悓錛屼互杈圭淇冧簯銆
2銆佺戝ぇ璁椋烇細璁椋炵殑綆楀姏瀹屽叏婊¤凍AI綆楁硶妯″瀷璁緇冿紝鍙闈㈠悜寮鏀懼鉤鍙版暟鐧句竾寮鍙戣呭拰鍏朵粬琛屼笟浼欎即鎻愪緵鐩稿叧AI鏈嶅姟鐨勯渶奼傦紝鍏鍙告寔緇鎵撻犱漢宸ユ櫤鑳芥牳蹇冩妧鏈鐨勯嗗厛寮曟搸錛岄氳繃鏃犵洃鐫ｈ緇冦佸皬鏁版嵁瀛︿範綆楁硶鐨勭獊鐮達紝鐢ㄦ洿灝戠殑鏍囪版暟鎹瀹炵幇鏇村ソ鐨勬晥鏋滐紝浠庤岄檷浣庝漢宸ユ櫤鑳藉湪鍚勪釜棰嗗煙鎺ㄥ箍钀藉湴鐨勬垚鏈銆
3銆侀栭兘鍦ㄧ嚎錛氬叕鍙哥殑CDS棣栦簯寮傛瀯綆楀姏騫沖彴錛屼富瑕侀潰鍚戜互GPU綆楀姏涓轟富鐨勪笟鍔″満鏅錛屾棦鍖呮嫭浜嗕互娣卞害瀛︿範銆丄I璁＄畻銆佽秴綆椾負涓葷殑綆楀姏涓氬姟錛屼篃瑕嗙洊浜嗕互褰辮嗘覆鏌撱佸疄鏃舵覆鏌撱佷簯娓告垙銆乆R絳夎嗚夎＄畻闇奼傘
綆楃洏鍜岃＄畻鏈
鏄懼崱鐜板湪鎸栦笉鍑烘潵姣旂壒甯佺殑銆備綘榪欎釜綆楀姏鏄浠ュお鍧婄殑綆楀姏銆傝＄畻鏂規硶涔熶笉瀵
鍏蜂綋姝ラゅ備笅錛
涓澶╂湁86400縐掞紝鑰屼綘鎻愪緵鐨勫崟浣峬h/s騫朵笉鏄瀹歸噺鍗曚綅錛屾墍浠ヨ瘋嚜琛岃＄畻銆
ETH ETC ZEC SC 絳夋墠鏄鏄懼崱鎸栫熆鐨勩
鏈榪戝洜涓烘寲鐭跨伀鐖嗭紝閮ㄥ垎鏄懼崱鍨嬪彿渚涜揣緔у紶錛孉鍗″氨鏈夊ソ鍑犳懼熀鏈鏂璐т簡錛屼環鏍間篃涓婃定浜嗕笉灝戙傝嫳浼熻揪涓撲笟鐭垮崱鍙鑳藉氨鍦ㄦ湰鏈10鍙峰乏鍙沖嚭璐э紝鑰孉鍗¤繖杈規湁RX470銆丷X560涓ゆ句笓涓氱熆鍗★紝鍚庣畫鏄鍚﹁繕浼氭湁鍏跺畠鍨嬪彿鐨勪笓涓氱熆鍗″瀷鍙鋒帹鍑猴紝閭ｅ氨寰楃湅鎸栫熆榪樻槸鍚﹁兘紼沖畾涓嬪幓浜嗐傛湰嬈℃垜浠瑕佸規瘮鐨勬槸RX460鍜孏TX1060涓ゆ炬樉鍗＄殑鎸栫熆綆楀姏錛屼笅闈㈢殑嫻嬭瘯鏁版嵁鏄浠ュお甯佹寲鐭跨畻鍔涖
鑻變紵杈懼彂甯冨彶涓婃渶寮鴻＄畻騫沖彴錛岄粍鏁欎富錛氳嚜鍔ㄩ┚椹朵笉鍐嶆媴蹇冪畻鍔涢棶棰
紜呰胺鐨勮＄畻鏈哄崥鐗╅嗚や負涓鍥界殑綆楃洏鏄鏈鏃╃殑璁＄畻鏈轟箣涓銆傜畻鐩樺叿澶囦簡璁＄畻鏈虹殑鍩烘湰鐗圭偣錛岃蔣浠跺氨鏄鍙ｈ瘈錛岃緭鍏ャ佽緭鍑恆佽＄畻銆佸瓨鍌ㄥ氨闈犵畻鐝犲拰綆楃洏鐨勬嗘灦銆備粩緇嗘兂鎯籌紝榪欒繕鐪熸槸涓鍙版瀬綆涓諱箟鐨勫彂鏄庛
綆楃洏闈炲父濂界敤錛屽湪涓鍥斤紝鐩村埌90騫翠唬闅忕潃璁＄畻鏈虹殑鏅鍙婏紝綆楃洏鎵嶈褰誨簳鍙栦唬鎺夈80騫翠唬璁＄畻鍣ㄥ彂鏄庝互鍚庯紝鍦ㄥ緢澶氫笓涓氱殑璐浼氶嗗煙錛屽苟娌℃湁鍙栦唬綆楃洏錛屽緢澶氳佸笀鍌呰繕鏄瑙夊緱綆楃洏鏇村揩銆
鍦ㄧ數瑙嗗墽銆婃殫綆椼嬮噷錛屾垜浠鐢氳嚦鐪嬪埌涓鍫嗕漢浣跨敤綆楃洏璁＄畻鏉ョ牬瑙ｅ瘑鐮併
綆楃洏鍦ㄤ腑鍥界殑鍑虹幇錛屾渶鏃╁彲浠ヨ拷婧鍒頒笢奼夛紝鏈鏅氫篃鍩烘湰鏄瀹嬪厓鏃朵唬浜嗐傚彲浠ユ兂璞″湪閭ｄ釜騫翠唬錛屾湁浜嗙畻鐩樼殑涓鍥戒漢錛屽湪綆楀姏涓婄粷瀵圭⒕鍘嬪叏鐞冦
瑗挎柟涓栫晫寮濮嬮捇鐮旂敤鏈烘版潵鍋氳＄畻澶х害瑕佸埌17涓栫邯浜嗭紝涔熷氨鏄鎴戜滑鐨勬櫄鏄庢椂鏈熴傚笗鏂鍗″彂鏄庝簡鏈烘拌＄畻鍣錛屼嬌鐢ㄩ嬌杞絳夊嶆潅鏈烘拌呯疆鏉ュ仛鍔犲噺娉曘傝櫧鐒跺畠鐨勮＄畻閫熷害榪樻槸涓嶅傜畻鐩橈紝浣嗗畠鐨勫ソ澶勬槸瀹屽叏鑷鍔ㄧ殑錛屾垜浠鍙綆¤緭鍏ワ紝鍏蜂綋璁＄畻瀹屽叏闈犳満姊拌呯疆鏉ュ畬鎴愶紝涓嶉渶瑕佹垜浠鑳岃典箻娉曞彛璇浜嗐
宸磋礉濂囧悗鏉ュ彂鏄庝簡宸鍒嗘満鍜屽垎鏋愭満錛屽彲浠ヨ繘琛屽姞鍑忎箻闄や互澶栫殑鏇村姞澶嶆潅鐨勮＄畻錛屽傚規暟銆佷笁瑙掑嚱鏁般佸鉤鏂廣佸井縐鍒嗚＄畻絳夈
褰撶劧錛屾満姊拌＄畻鏈鴻繃浜庡嶆潅錛屽苟娌℃湁鐪熸ｆ祦琛屽紑錛屼絾鏄浠庢満姊拌＄畻鏈哄拰綆楃洏鐨勫尯鍒錛屾垜浠宸茬粡寮鍑轟笢瑗挎柟鎬濈淮鐨勪笉鍚岋紝鐢氳嚦鏂囨槑鐨勪笉鍚岃蛋鍚戙
1銆佸湪鍒墮犲拰浣跨敤宸ュ叿涓婏紝涓鍥藉湪鏄庢湯涔嬪墠騫朵笉钀藉悗銆
2銆佷絾鏄錛屼腑鍥界殑宸ュ叿鐩稿圭畝鍗曪紝瑕佽繘涓姝ユ彁楂樻晥鐜囷紝闇瑕佺殑涓嶆槸榪涗竴姝ュ崌綰у伐鍏鳳紝鑰屾槸寰堝氫漢涓璧蜂嬌鐢ㄥ伐鍏鳳紝姣斿100涓浜轟竴璧風敤綆楃洏銆備絾鏄瑗挎柟瀵瑰伐鍏瘋祴浜堜簡鍑犱箮鏃犻檺鐨勮兘鍔涢勬湡錛屼嬌寰椾粬浠鍙戞槑浜嗗彧闇瑕佹瀬灝戞暟浜烘搷浣滐紝浣嗗彲浠ュ畬鎴愬法澶у伐浣滈噺鐨勫伐鍏楓傛満姊拌＄畻鍣ㄦ槸涓縐嶏紝鍏跺畠榪樻湁寰堝氾紝姣斿傜漢緇囨満銆佽捀奼芥満絳夈
3銆佷腑鍥芥枃鍖栬嚜宸卞逛簬宸ュ叿鐨勮繘涓姝ュ彂灞曞嚑涔庡仠婊炰簡錛岃岃タ鏂規槸鏃ユ柊鏈堝紓銆
瑗挎柟瀛﹁呮湁涓瑙傜偣錛岃翠腑鍥藉湪鏄庢湞鍜屾竻鏈濇椂鏈燂紝鍐滀笟鍜屼漢鍙ｆ斂絳栭兘鍙戝睍鐨勫お濂戒簡錛屼漢鍙ｈ勬ā杈懼埌浜嗘暟浜匡紝榪欐牱閫犳垚浜嗕竴縐嶅唴鍗峰寲鏁堝簲錛屼篃灝辨槸璇翠腑鍥界殑寤変環鍔沖姩鍔涘お澶氫簡錛屽逛換浣曟彁鍗囧姵鍔ㄦ晥鐜囩殑鍙戞槑鍒涢犻兘娌℃湁闇奼傘傛墍浠ワ紝涓鍗庢枃鏄庤嚜宸辨妸鑷宸遍攣姝諱簡錛屽彧鑳介潬瑗挎柟鏂囨槑鐨勫己鍔垮叆渚墊墠鑳借蛋鍑烘誨驚鐜銆
鏉庣害鐟熶篃鏈夎憲鍚嶄竴闂錛屼負浠涔堝彜浠ｇ戞妧閭ｄ箞鍙戣揪鐨勪腑鍥芥病鏈夎癁鐢熺戝︺
鍏跺疄縐戝︽槸涓鏁村楁濈淮鍜岃ょ煡浣撶郴錛屽寘鎷褰㈣屼笂瀛︺侀昏緫銆佹暟瀛︺佹鐤戠簿紲炪佺嫭絝嬫濇兂絳夌瓑銆傝繖浜涘叾瀹炲湪涓鍥藉彜浠ｇ殑鐨囨潈紺句細閮戒笉鍏峰囥傛墍浠ワ紝涔熶笉浠呬粎鏄鍐呭嵎鍖栫殑闂棰樸
鎴戜滑鍐嶅洖澶寸湅鐪嬮樼洰閲岃寸殑錛岀畻鐩樹篃浣胯＄畻鏈虹殑闂棰樸
鎴戜滑鍙戞槑浜嗙畻鐩橈紝浣嗘槸鐩村埌90騫翠唬錛屾垜浠榪樺湪浣跨敤綆楃洏銆備絾鏄瑗挎柟紺句細宸茬粡浠庢満姊拌＄畻鍣ㄥ彂灞曞埌浜嗕粖澶╃殑鍚勭嶇數瀛愯＄畻鏈恆
鎴戜滑鐨勬枃鏄庡湪宸ュ叿鐨勮繘鍖栦笂鍋滄浜嗭紝浣嗘槸瑗挎柟鏂囨槑鍗村湪涓鐩翠笉鏂鐨勮繘姝ャ傝繖鍏跺疄鍍忔瀬浜嗭紝浜哄拰鍔ㄧ墿鐨勫尯鍒錛屼笉綆℃槸浣跨敤宸ュ叿榪樻槸緹や綋鍗忎綔錛屽姩鐗╀竴鐩村仠鐣欏湪涓涓姘村鉤涓嶅啀鍙戝睍浜嗭紝浣嗘槸浜哄嵈涓鐩村彂灞曪紝鍏墮熷害榪滆秴鐢熺墿鍩哄洜鐨勫彉寮傞熷害銆傛墍浠ュ緢澶氬﹁呰や負錛屾櫤浜虹殑鎬濈淮鍗囩駭浠ュ悗錛屼漢綾葷殑鍙戝睍閫熷害宸茬粡鎽嗚劚浜嗙敓鐗╁熀鍥狅紝鎴戜滑瓚呰秺浜嗚繘鍖栬恆傞亾閲戞柉鎻愬嚭浜嗘枃鍖栧熀鍥犵殑姒傚康錛宮eme錛屼粬璁や負鏂囧寲鍩哄洜鑷宸變篃鍦ㄥ彉寮傚拰澶嶅埗銆
浠庤繖涓鎰忎箟涓婅達紝搴旇ユ槸鏌愮嶆枃鍖栧熀鍥狅紝姣斿傜戞妧鍩哄洜錛屽湪涓滆タ鏂規枃鏄庝腑鏈夌潃宸ㄥぇ鍖哄埆錛岃繖縐嶅尯鍒鍦ㄦ櫄鏄庝互鍚庡彂鐢熶簡璐ㄥ彉銆傜戞妧鍩哄洜鑷宸卞湪鍏ㄤ笘鐣岀箒孌栥佸彉寮傘佽繘鍖栥傝屾垜浠涓鍥戒漢錛岃嚜宸卞苟娌℃湁婕斿寲鍑虹戞妧鍩哄洜銆
鍑鏂囧嚡鍒╁湪浠栫殑涔︺婄戞妧絀剁珶鎯寵佷粈涔堛嬮噷錛屼篃鎻愬嚭錛岀戞妧涔熸槸涓縐嶇敓鍛斤紝瀹冩湁鑷宸辯殑鐢熷瓨鍜屽彂灞曞姩鍔涖
鏄懼崱鎬庝箞璁＄畻鎸栫熆綆楀姏
鍘熸湰搴旇ュ湪浠婂勾 3 鏈堜喚浜庡姞宸炲湥浣曞炰婦鍔炵殑鑻變紵杈 GTC 2020 澶т細錛屽洜涓哄叏鐞冩ф柊鍐犵棶姣掕偤鐐庣殑鐖嗗彂鑰屼笉寰椾笉鎺ㄨ繜涓捐屻
姣斿師璁″垝鏅氫簡灝嗚繎 2 涓鏈堬紝鑻變紵杈 GTC 2020 緇堜簬鍦 5 鏈 14 鏃ュ洖褰掋
涓嶈繃榪欎竴嬈″紑鍙戣呬滑娌″姙娉曞湪綰誇笅闆嗕細錛屽彧鑳介氳繃綰誇笂鐩存挱瑙傜湅銆岀毊琛ｆ暀涓匯嶉粍浠佸媼鐨勪富棰樻紨璁層傝侀粍姝ゆ℃槸鍦ㄤ粬紜呰胺鐨勫朵腑瀹屾垚浜嗚繖鍦哄埆寮鐢熼潰鐨勩孠itchen Keynote銆嶃
鉶界劧鏄鍘ㄦ埧涓捐岋紝鑻變紵杈句緷鐒剁垎鍑恆屾牳寮廣嶏紝鍙戝竷浜嗗叏鏂頒竴浠ｇ殑 GPU 鏋舵瀯 Ampere錛堝畨鍩癸級銆
鍦ㄨ嚜鍔ㄩ┚椹舵柟鍚戜笂錛岃嫳浼熻揪閫氳繃涓ゅ潡 Orin SoC 鍜屼袱鍧楀熀浜庡畨鍩規灦鏋勭殑 GPU 緇勫悎錛屽疄鐜頒簡鍓嶆墍鏈鏈夌殑2000 TOPS綆楀姏鐨 Robotaxi 璁＄畻騫沖彴錛屾暣浣撳姛鑰椾負800W銆
鏈変笟鐣岃傜偣璁や負錛屽疄鐜 L2 鑷鍔ㄩ┚椹墮渶瑕佺殑璁＄畻鍔涘皬浜 10 TOPS錛孡3 闇瑕佺殑璁＄畻鍔涗負 30 - 60 TOPS錛孡4 闇瑕佺殑璁＄畻鍔涘ぇ浜 100 TOPS錛孡5 闇瑕佺殑璁＄畻鍔涜嚦灝戜負 1000 TOPS銆
鐜板湪鐨勮嫳浼熻揪鑷鍔ㄩ┚椹惰＄畻騫沖彴宸茬粡寤虹珛璧蜂簡浠10TOPS/5W錛200TOPS/45W鍒2000 TOPS/800W鐨勫畬鏁翠駭鍝佺嚎錛屽垎鍒瀵瑰簲鍓嶈嗘ā鍧椼丩2+ADAS浠ュ強Robotaxi鐨勫悇綰у簲鐢ㄣ
浠庝駭鍝佺嚎鐪嬶紝鑻變紵杈綝rive AGX灝嗗叏闈㈠規爣 MobileyeEyeQ緋誨垪錛屽笇鏈涙垚涓洪噺浜т緵搴旈摼涓鐨勫叧閿鍘傚晢銆
1銆佸叏鏂 GPU 鏋舵瀯錛欰mpere錛堝畨鍩癸級
2 涓鏈堢殑絳夊緟鏄鍊煎緱鐨勶紝鏈嬈 GTC 涓婏紝榛勪粊鍕嬮噸紓呭彂甯冧簡鑻變紵杈懼叏鏂頒竴浠 GPU 鏋舵瀯 Ampere錛堝畨鍩癸級浠ュ強鍩轟簬榪欎竴鏋舵瀯鐨勯栨 GPU NVIDIA A100銆
A100 鍦ㄦ暣浣撴ц兘涓婄浉姣斾簬鍓嶄唬鍩轟簬 Volta 鏋舵瀯鐨勪駭鍝佹湁 20 鍊嶇殑鎻愬崌錛岃繖棰 GPU 灝嗕富瑕佺敤浜庢暟鎹鍒嗘瀽銆佷笓涓氳＄畻浠ュ強鍥懼艦澶勭悊銆
鍦ㄥ畨鍩規灦鏋勪箣鍓嶏紝鑻變紵杈懼凡緇忕爺鍙戜簡澶氫唬 GPU 鏋舵瀯錛屽畠浠閮芥槸浠ョ戝﹀彂灞曞彶涓婄殑浼熶漢鏉ュ懡鍚嶇殑銆
姣斿 Tesla錛堢壒鏂鎷夛級銆丗ermi錛堣垂綾籌級銆並epler錛堝紑鏅鍕掞級銆丮axwell錛堥害鍏嬫柉緇村皵錛夈丳ascal錛堝笗鏂鍗★級銆乂olta錛堜紡鐗癸級浠ュ強 Turing錛堝浘鐏碉級銆
榪欎簺鏍稿績鏋舵瀯鐨勫崌綰фｆ槸鎺ㄥ姩鑻變紵杈懼悇綾 GPU 浜у搧鏁翠綋鎬ц兘鎻愬崌鐨勫叧閿銆
閽堝瑰熀浜庡畨鍩規灦鏋勭殑棣栨 GPU A100錛岄粍浠佸媼緇嗘暟浜嗗畠鐨勪簲澶ф牳蹇冪壒鐐癸細
闆嗘垚浜嗚秴榪 540 浜誇釜鏅朵綋綆★紝鏄鍏ㄧ悆瑙勬ā鏈澶х殑 7nm 澶勭悊鍣錛涘紩鍏ョ涓変唬寮犻噺榪愮畻鎸囦護 Tensor Core 鏍稿績錛岃繖涓浠 Tensor Core 鏇村姞鐏墊椿銆侀熷害鏇村揩錛屽悓鏃舵洿鏄撲簬浣跨敤錛涢噰鐢ㄤ簡緇撴瀯鍖栫█鐤忓姞閫熸妧鏈錛屾ц兘寰椾互澶у箙鎻愬崌錛涙敮鎸佸崟涓 A100 GPU 琚鍒嗗壊涓哄氳揪 7 鍧楃嫭絝嬬殑 GPU錛岃屼笖姣忎竴鍧 GPU 閮芥湁鑷宸辯殑璧勬簮錛屼負涓嶅悓瑙勬ā鐨勫伐浣滄彁渚涗笉鍚岀殑璁＄畻鍔涳紱闆嗘垚浜嗙涓変唬 NVLink 鎶鏈錛屼嬌 GPU 涔嬮棿楂橀熻繛鎺ラ熷害緲誨嶏紝澶氶 A100 鍙緇勬垚涓涓宸ㄥ瀷 GPU錛屾ц兘鍙鎵╁睍銆
榪欎簺浼樺娍緔鍔犺搗鏉ワ紝鏈緇堣 A100 鐩歌緝浜庡墠浠ｅ熀浜 Volta 鏋舵瀯鐨 GPU 鍦ㄨ緇冩ц兘涓婃彁鍗囦簡6 鍊嶏紝鍦ㄦ帹鐞嗘ц兘涓婃彁鍗囦簡7 鍊嶃
鏈閲嶈佺殑鏄錛孉100 鐜板湪灝卞彲浠ュ悜鐢ㄦ埛渚涜揣錛岄噰鐢ㄧ殑鏄鍙扮Н鐢電殑 7nm 宸ヨ壓鍒剁▼鐢熶駭銆
闃塊噷浜戙佺櫨搴︿簯銆佽吘璁浜戣繖浜涘浗鍐呬紒涓氭ｅ湪璁″垝鎻愪緵鍩轟簬 A100 GPU 鐨勬湇鍔°
2銆丱rin+瀹夊煿鏋舵瀯 GPU錛氬疄鐜 2000TOPS 綆楀姏
闅忕潃鑻變紵杈懼叏鏂 GPU 鏋舵瀯瀹夊煿鐨勬帹鍑猴紝鑻變紵杈劇殑鑷鍔ㄩ┚椹跺鉤鍙幫紙NVIDIA Drive錛変篃榪庢潵浜嗕竴嬈℃ц兘鐨勯炶穬銆
澶у剁煡閬擄紝鑻變紵杈炬ゅ墠宸茬粡鎺ㄥ嚭浜嗗氫唬 Drive AGX 鑷鍔ㄩ┚椹跺鉤鍙頒互鍙 SoC錛屽寘鎷珼rive AGX Xavier銆丏rive AGX Pegasus浠ュ強Drive AGX Orin銆
鍏朵腑錛孌rive AGX Xavier 騫沖彴鍖呭惈浜嗕袱棰 Xavier SoC錛岀畻鍔涘彲浠ヨ揪鍒 30TOPS錛屽姛鑰椾負 30W銆
鏈榪戜笂甯傜殑灝忛箯 P7 涓婂氨閲忎駭鎼杞戒簡榪欎竴璁＄畻騫沖彴錛岀敤浜庡疄鐜頒竴緋誨垪 L2 綰ц嚜鍔ㄨ緟鍔╅┚椹跺姛鑳姐
Drive AGX Pegasus 騫沖彴鍒欏寘鎷浜嗕袱棰 Xavier SoC 鍜屼袱棰楀熀浜庡浘鐏墊灦鏋勭殑 GPU錛岀畻鍔涜兘鍋氬埌 320TOPS錛屽姛鑰椾負 500W銆
鐩鍓嶆湁鏂囪繙鐭ヨ岃繖鏍風殑鑷鍔ㄩ┚椹跺叕鍙稿湪浣跨敤榪欎竴璁＄畻騫沖彴銆
鍦 2019 騫 12 鏈堢殑 GTC 涓鍥藉ぇ浼氫笂錛岃嫳浼熻揪鍙堝彂甯冧簡鏈鏂頒竴浠ｇ殑鑷鍔ㄩ┚椹惰＄畻 SoC Orin銆
榪欓楄姱鐗囩敱 170 浜誇釜鏅朵綋綆＄粍鎴愶紝闆嗘垚浜嗚嫳浼熻揪鏂頒竴浠 GPU 鏋舵瀯鍜 Arm Hercules CPU 鍐呮牳浠ュ強鍏ㄦ柊娣卞害瀛︿範鍜岃＄畻鏈鴻嗚夊姞閫熷櫒錛屾渶楂樻瘡縐掑彲榪愯 200 涓囦嚎嬈¤＄畻銆
鐩歌緝浜庝笂涓浠 Xavier 鐨勬ц兘錛屾彁鍗囦簡 7 鍊嶃
濡備粖錛岃嫳浼熻揪榪涗竴姝ュ皢鑷鍔ㄩ┚椹惰＄畻騫沖彴鐨勭畻鍔涘線鍓嶆帹榪涳紝閫氳繃灝嗕袱棰 Orin SoC 鍜屼袱鍧楀熀浜庡畨鍩規灦鏋勭殑 GPU 闆嗘垚璧鋒潵錛岃揪鍒版儕浜虹殑 2000TOPS 綆楀姏銆
鐩歌緝浜 Drive AGX Pegasus 鐨勬ц兘鍙堟彁鍗囦簡 6 鍊嶅氾紝鐩稿簲鍦幫紝鍏跺姛鑰椾負 800W銆
鎸変竴棰 Orin SoC 200TOPS 綆楀姏鏉ヨ＄畻錛屼竴鍧楀熀浜庡畨鍩規灦鏋勭殑 GPU 鐨勭畻鍔涜揪鍒頒簡 800TOPS銆
姝ｅ洜涓洪珮綆楀姏錛岃繖涓騫沖彴鑳藉熷勭悊鍏ㄨ嚜鍔ㄩ┚椹跺嚭縐熻濺榪愯屾墍闇鐨勬洿楂樺垎杈ㄧ巼浼犳劅鍣ㄨ緭鍏ュ拰鏇村厛榪涚殑鑷鍔ㄩ┚椹舵繁搴︾炵粡緗戠粶銆
瀵逛簬楂橀樁鑷鍔ㄩ┚椹舵妧鏈鐨勫彂灞曡岃█錛岃嫳浼熻揪姝ｅ湪渚濋潬 Orin SoC 鍜屽畨鍩 GPU 鏋舵瀯鍦ㄨ＄畻騫沖彴鏂歸潰寮曢嗘暣涓琛屼笟銆
褰撶劧錛屼綔涓轟竴涓杞浠跺畾涔夌殑騫沖彴錛岃嫳浼熻揪 Drive AGX 鍏峰囧緢濂界殑鍙鎵╁睍鎬с
鐗瑰埆鏄闅忕潃瀹夊煿 GPU 鏋舵瀯鐨勬帹鍑猴紝璇ュ鉤鍙板凡緇忓彲浠ュ疄鐜頒粠鍏ラ棬綰 ADAS 瑙ｅ喅鏂規堝埌 L5 綰ц嚜鍔ㄩ┚椹跺嚭縐熻濺緋葷粺鐨勫叏鏂逛綅瑕嗙洊銆
姣斿傝嫳浼熻揪鐨 Orin 澶勭悊鍣ㄧ郴鍒椾腑錛屾湁涓嬈句綆鎴愭湰鐨勪駭鍝佸彲浠ユ彁渚 10TOPS 鐨勭畻鍔涳紝鍔熻椾粎涓 5W錛屽彲鐢ㄤ綔杞﹁締鍓嶈 ADAS 鐨勮＄畻騫沖彴銆
鎹㈠彞璇濊達紝閲囩敤鑻變紵杈 Drive AGX 騫沖彴鐨勫紑鍙戣呭湪鍗曚竴騫沖彴涓婁粎鍩轟簬涓縐嶆灦鏋勪究鑳藉紑鍙戝嚭閫傚簲涓嶅悓緇嗗垎甯傚満鐨勮嚜鍔ㄩ┚椹剁郴緇燂紝鐪佸幓浜嗗崟鐙寮鍙戝氫釜瀛愮郴緇燂紙ADAS銆丩2+ 絳夌郴緇燂級鐨勯珮鏄傛垚鏈銆
涓嶈繃錛屾兂閲囩敤 Orin 澶勭悊鍣ㄧ殑鍘傚晢榪樺緱絳変竴孌墊椂闂達紝鍥犱負榪欐捐姱鐗囦細浠 2021 騫村紑濮嬫彁渚涙牱鍝侊紝鍒2022 騫翠笅鍗婂勾鎵嶄細鎶曞叆鐢熶駭騫跺紑濮嬩緵璐с
3銆佽嫳浼熻揪鑷鍔ㄩ┚椹躲屾湅鍙嬪湀銆嶅啀鎵╁ぇ
鏈灞 GTC 涓婏紝鑻變紵杈劇殑鑷鍔ㄩ┚椹躲屾湅鍙嬪湀銆嶇戶緇鎵╁ぇ銆
涓鍥借嚜鍔ㄩ┚椹跺叕鍙稿皬椹鏅鴻岋紙Ponyai錛夈佺編鍥界數鍔ㄨ濺鍒涗笟鍏鍙窩anoo鍜屾硶鎷夌鏈鏉ワ紙Faraday Future錛夊姞鍏ュ埌鑻變紵杈劇殑鑷鍔ㄩ┚椹剁敓鎬佸湀錛屽皢閲囩敤鑻變紵杈劇殑 Drive AGX 璁＄畻騫沖彴浠ュ強鐩稿簲鐨勯厤濂楄蔣浠躲
灝忛┈鏅鴻屽皢浼氬熀浜 Drive AGX Pegasus 璁＄畻騫沖彴鎵撻犲叏鏂頒竴浠 Robotaxi 杞﹀瀷銆
姝ゅ墠錛屽皬椹鏅鴻屽凡緇忔嬁鍒頒簡涓扮敯鐨 4 浜跨編閲戞姇璧勶紝涓嶇煡閬撳叾鍏ㄦ柊涓浠 Robotaxi 浼氫笉浼氬熀浜庝赴鐢版棗涓嬭濺鍨嬫墦閫犮
緹庡浗鐨勭數鍔ㄦ苯杞﹀垵鍒涘叕鍙 Canoo 鎺ㄥ嚭浜嗕竴嬈句笓闂ㄧ敤浜庡叡浜鍑鴻屾湇鍔＄殑鐢靛姩榪蜂綘宸村＋錛岃″垝鍦 2021 騫翠笅鍗婂勾鎶曞叆鐢熶駭銆
涓轟簡瀹炵幇杈呭姪椹鵑┒鐨勭郴鍒楀姛鑳斤紝榪欐捐濺鍨嬩細鎼杞借嫳浼熻揪 Drive AGX Xavier 璁＄畻騫沖彴銆傚墠涓嶄箙錛孋anoo 榪樺拰鐜頒唬奼借濺杈炬垚鍚堜綔錛岃佹惡鎵嬪紑鍙戠數鍔ㄦ苯杞﹀鉤鍙般
浣滀負鍏ㄧ悆鏂伴犺濺鍦堝唴姣旇緝鐗規畩瀛樺湪鐨勬硶鎷夌鏈鏉ワ紝榪欎竴嬈′篃鍔犲叆鍒頒簡鑻變紵杈劇殑鑷鍔ㄩ┚椹剁敓鎬佸湀銆
FF 棣栨鵑噺浜ц濺 FF91 涓婄殑鑷鍔ㄩ┚椹剁郴緇熷皢鍩轟簬 Drive AGX Xavier 璁＄畻騫沖彴鎵撻狅紝鍏ㄨ濺鎼杞戒簡澶氳揪 36 棰楀悇綾諱紶鎰熷櫒銆
娉曟媺絎鏈鏉ュ畼鏂圭О FF91 鏈夋湜鍦ㄤ粖騫村勾搴曞紑濮嬩氦浠橈紝涓嶇煡閬撳眾鏃朵細涓嶄細鍐嶄竴嬈¤煩紲ㄣ
浣滀負 GPU 棰嗗煙緇濆歸湼涓葷殑鑻變紵杈撅紝鍦ㄩ珮綆楀姏鐨勬暟鎹涓蹇 GPU 浠ュ強楂樻ц兘銆佸彲鎵╁睍鐨勮嚜鍔ㄩ┚椹惰＄畻騫沖彴鐨勫姞鎸佷笅錛屽凡緇忓緩璧蜂簡涓涓瀹屾暣鐨勯泦鏁版嵁鏀墮泦銆佹ā鍨嬭緇冦佷豢鐪熸祴璇曘佽繙紼嬫帶鍒跺拰瀹炶濺搴旂敤鐨勮蔣浠跺畾涔夌殑鑷鍔ㄩ┚椹跺鉤鍙幫紝瀹炵幇浜嗙鍒扮鐨勫畬鏁撮棴鐜銆
鍚屾椂錛屽叾鑷鍔ㄩ┚椹剁敓鎬佸湀涔熷湪涓嶆柇鎵╁ぇ錛屽寘鎷奼借濺鍒墮犲晢銆佷竴綰т緵搴斿晢銆佷紶鎰熷櫒渚涘簲鍟嗐丷obotaxi 鐮斿彂鍏鍙稿拰杞浠跺垵鍒涘叕鍙稿湪鍐呯殑鏁扮櫨瀹惰嚜鍔ㄩ┚椹朵駭涓氶摼涓婄殑浼佷笟宸茬粡鍦ㄥ熀浜庤嫳浼熻揪鐨勮＄畻紜浠跺拰閰嶅楄蔣浠跺紑鍙戙佹祴璇曞拰搴旂敤鑷鍔ㄩ┚椹惰濺杈嗐
鏈鏉ワ紝鍦ㄦ暣涓鑷鍔ㄩ┚椹朵駭涓氶噷錛屼互璁＄畻鑺鐗囦負鏍稿績浼樺娍錛岃嫳浼熻揪鐨勮Е瑙掑皢鏇村姞娣卞叆錛屾湁鏈轟細鎴愪負浜т笟閾炬潯涓婁笉鍙鎴栫己鐨勪緵搴斿晢銆
鏈鏂囨潵婧愪簬奼借濺涔嬪惰濺瀹跺彿浣滆咃紝涓嶄唬琛ㄦ苯杞︿箣瀹剁殑瑙傜偣絝嬪満銆
鍩轟簬鏋舵瀯鍒涙柊錛屼笟鍐呴栨懼瓨綆椾竴浣撳ぇ綆楀姏AI鑺鐗囩偣浜
鍙浠ュ弬鑰冧笅闈錛屾牴鎹涓浜涚綉鍚у競鍦哄父鐢ㄧ殑鏄懼崱,鏁寸悊鐨勪竴浠界浉鍏蟲樉鍗＄殑浠鋒牸鍜岀畻鍔涗互鍙婇勮″洖鏈鏈,澶ф傚彲浠ュ仛涓鍙傝:
Radeon RX 580鏄懼崱
鏁存満鍔熻楋細243W
璁＄畻鍔涳細224M
鏄懼崱鍞浠鳳細1999鍏
姣24灝忔椂鎸朎TH鏁伴噺錛0015
姣24灝忔椂浜х敓鏀剁泭:2448鍏
棰勮″洖鏈鏃墮棿錛8166澶
Radeon RX 470鏄懼崱
鏁存満鍔熻:159W
璁＄畻鍔涳細243M
鏄懼崱鍞浠鳳細1599鍏
姣24灝忔椂鎸朎TH鏁伴噺錛0017
姣24灝忔椂浜х敓鏀剁泭:279鍏
棰勮″洖鏈鏃墮棿錛5731澶
Radeon RX 480鏄懼崱
鏁存満鍔熻:171W
璁＄畻鍔涳細244M
鏄懼崱鍞浠鳳細1999鍏
姣24灝忔椂鎸朎TH鏁伴噺錛0017
姣24灝忔椂浜х敓鏀剁泭:2787鍏
棰勮″洖鏈鏃墮棿錛7173澶
鎵╁睍璧勬枡錛
鏄懼崱錛圴ideo card錛孏raphics card錛夊叏縐版樉紺烘帴鍙ｅ崱錛屽張縐版樉紺洪傞厤鍣錛屾槸璁＄畻鏈烘渶鍩烘湰閰嶇疆銆佹渶閲嶈佺殑閰嶄歡涔嬩竴銆傛樉鍗′綔涓虹數鑴戜富鏈洪噷鐨勪竴涓閲嶈佺粍鎴愰儴鍒嗭紝鏄鐢佃剳榪涜屾暟妯′俊鍙瘋漿鎹㈢殑璁懼囷紝鎵挎媴杈撳嚭鏄劇ず鍥懼艦鐨勪換鍔°
鏄懼崱鎺ュ湪鐢佃剳涓繪澘涓婏紝瀹冨皢鐢佃剳鐨勬暟瀛椾俊鍙瘋漿鎹㈡垚妯℃嫙淇″彿璁╂樉紺哄櫒鏄劇ず鍑烘潵錛屽悓鏃舵樉鍗¤繕鏄鏈夊浘鍍忓勭悊鑳藉姏錛屽彲鍗忓姪CPU宸ヤ綔錛屾彁楂樻暣浣撶殑榪愯岄熷害銆傚逛簬浠庝簨涓撲笟鍥懼艦璁捐＄殑浜烘潵璇存樉鍗￠潪甯擱噸瑕併 姘戠敤鍜屽啗鐢ㄦ樉鍗″浘褰㈣姱鐗囦緵搴斿晢涓昏佸寘鎷珹MD(瓚呭井鍗婂間綋)鍜孨vidia(鑻變紵杈)2瀹躲傜幇鍦ㄧ殑top500璁＄畻鏈猴紝閮藉寘鍚鏄懼崱璁＄畻鏍稿績銆傚湪縐戝﹁＄畻涓錛屾樉鍗¤縐頒負鏄劇ず鍔犻熷崱銆
鍙傝冭祫鏂欙細
鏄懼崱 鐧懼害鐧劇5鏈23鏃ワ紝AI鑺鐗囧叕鍙稿悗鎽╂櫤鑳藉ｅ竷錛屽叾鑷涓葷爺鍙戠殑涓氬唴棣栨懼瓨綆椾竴浣撳ぇ綆楀姏AI鑺鐗囨垚鍔熺偣浜錛屽苟鎴愬姛璺戦氭櫤鑳介┚椹剁畻娉曟ā鍨嬨傝姱鐗団滅偣浜鈥濇寚鐢墊祦欏哄埄閫氳繃鑺鐗囷紝閫氬父鎰忓懗鐫鑺鐗囧彲鐢錛屽悗緇嫻嬭瘯淇姝ｅ悗鍗沖彲閲忎駭銆
鍩轟簬鏋舵瀯鍒涙柊錛岃ユ捐姱鐗囬噰鐢⊿RAM錛堥潤鎬侀殢鏈哄瓨鍙栧瓨鍌ㄥ櫒錛変綔涓哄瓨綆椾竴浣撲粙璐錛岄氳繃瀛樺偍鍗曞厓鍜岃＄畻鍗曞厓鐨勬繁搴﹁瀺鍚堬紝瀹炵幇浜嗛珮鎬ц兘鍜屼綆鍔熻楋紝鏍風墖綆楀姏杈20TOPS錛圱OPS鏄澶勭悊鍣ㄨ繍綆楄兘鍔涘崟浣嶏級錛屽彲鎵╁睍鑷200TOPS錛岃＄畻鍗曞厓鑳芥晥姣旈珮杈20TOPS/W錛圱OPS/W鏄璇勪環澶勭悊鍣ㄨ繍綆楄兘鍔涚殑鎬ц兘鎸囨爣錛岀敤浜庡害閲忓湪1W鍔熻楃殑鎯呭喌涓嬪勭悊鍣ㄨ兘榪涜屽氬皯涓囦嚎嬈℃搷浣滐級銆傝繖鏄涓氬唴棣栨懼熀浜庝弗鏍煎瓨鍐呰＄畻鏋舵瀯銆丄I綆楀姏杈懼埌鏁板嶮TOPS鎴栬呮洿楂樸佸彲鏀鎸佸ぇ瑙勬ā瑙嗚夎＄畻妯″瀷鐨凙I鑺鐗囷紙瀛樺唴璁＄畻錛岄【鍚嶆濅箟灝辨槸鎶婅＄畻鍗曞厓宓屽叆鍒板唴瀛樺綋涓錛屾槸涓縐嶈煩鍑轟紶緇熻＄畻鏈虹粨鏋勪綋緋葷殑鎶鏈錛夈備笌浼犵粺鏋舵瀯涓嬬殑澶х畻鍔涜姱鐗囩浉姣旓紝璇ユ捐姱鐗囧湪綆楀姏銆佽兘鏁堟瘮絳夋柟闈㈤兘鍏鋒湁鏄捐憲鐨勪紭鍔褲
鎹鎮夛紝璇ユ捐姱鐗囬噰鐢22nm鎴愮啛宸ヨ壓鍒剁▼錛屽湪鎻愬崌鑳芥晥姣旂殑鍚屾椂錛岃繕鑳芥湁鏁堟妸鎺у埗閫犳垚鏈銆傛ゅ栵紝鍦ㄧ伒媧繪ф柟闈錛岃ユ捐姱鐗囦笉浣嗘敮鎸佸競闈涓婄殑涓繪祦綆楁硶錛岃繕鍙浠ユ敮鎸佷笉鍚屽㈡埛瀹氬埗鑷宸辯殑綆楀瓙錛屾洿鍔犻傞厤浜庣畻娉曠殑楂橀熻凱浠ｃ
鍦ㄦ櫤鑳介┚椹剁瓑杈圭紭絝楂樺苟鍙戣＄畻鍦烘櫙涓錛岄櫎浜嗗圭畻鍔涢渶奼傞珮澶栵紝瀵硅姱鐗囩殑鍔熻楀拰鏁ｇ儹涔熸湁寰堥珮鐨勮佹眰銆傜洰鍓嶏紝甯歌勬灦鏋勮姱鐗囪捐′腑鍐呭瓨緋葷粺鐨勬ц兘鎻愬崌閫熷害澶у箙钀藉悗浜庡勭悊鍣ㄧ殑鎬ц兘鎻愬崌閫熷害錛屾湁闄愮殑鍐呭瓨甯﹀芥棤娉曚繚璇佹暟鎹楂橀熶紶杈擄紝鏃犳硶婊¤凍楂樼駭鍒鏅鴻兘椹鵑┒鐨勮＄畻闇奼傘傚叾嬈★紝鏁版嵁鏉ュ洖浼犺緭鍙堜細浜х敓宸ㄥぇ鐨勫姛鑰椼 鍚庢懇鏅鴻兘鍩轟簬璇ユ捐姱鐗囷紝棣栨″湪瀛樺唴璁＄畻鏋舵瀯涓婅窇閫氫簡鏅鴻兘椹鵑┒鍦烘櫙涓嬪氬満鏅銆佸氫換鍔＄畻娉曟ā鍨嬶紝涓洪珮綰у埆鏅鴻兘椹鵑┒鎻愪緵浜嗕竴鏉″叏鏂扮殑鎶鏈璺寰勶紝鏈鏉ユ湁鏈涙洿濂藉湴婊¤凍楂樼駭鍒鏅鴻兘椹鵑┒鏃朵唬鐨勯渶奼傘
鍚庢懇鏅鴻兘鏄鍥藉唴鐜囧厛閫氳繃搴曞眰鏋舵瀯鍒涙柊錛岃繘琛屽ぇ綆楀姏AI鑺鐗囪捐＄殑鍒濆壋浼佷笟銆備換浣曢犺嗗紡鍒涙柊閮戒細闈㈠規瀬楂樼殑鎶鏈鎸戞垬錛岀爺鍙戜漢鍛橀渶瑕佹牴鎹浼犵粺瀛樺偍鍣ㄤ歡閲嶆柊璁捐＄數璺銆佸崟鍏冮樀鍒椼佸伐鍏烽摼絳夛紝鍚屾椂蹇呴』紿佺牬鍚勭嶇墿鐞嗗拰緇撴瀯涓婄殑鎶鏈闅鵑樸傛ゆ¤姱鐗囩偣浜鎴愬姛錛屾爣蹇楃潃鍏跺湪澶х畻鍔涘瓨綆椾竴浣撴妧鏈鐨勫伐紼嬪寲钀藉湴鍙栧緱浜嗗叧閿鎬х殑紿佺牬銆
鍚庢懇鏅鴻兘鍒涚珛浜2020騫村簳錛屾婚儴浣嶄簬鍗椾含錛屽湪鍖椾含銆佷笂嫻楓佹繁鍦沖潎鎷ユ湁鎶鏈鍥㈤槦銆傛埅鑷崇洰鍓嶏紝鍚庢懇鏅鴻兘宸插畬鎴3杞鋙嶈祫錛屾姇璧勬柟娑電洊綰㈡潐涓鍥姐佺粡綰鍒涙姇銆佸惎鏄庡壋鎶曘佽仈鎯沖壋鎶曠瓑澶撮儴鏈烘瀯錛屼互鍙婇噾嫻︽偊杈 奼借濺 銆佷腑鍏蟲潙鍚鑸絳夊浗璧勫熀閲戙
可以參考下面，根據一些網吧市場常用的顯卡,整理的一份相關顯卡的價格和算力以及預計回本期,大概可以做個參考:
Radeon RX 580顯卡
整機功耗：243W
計算力：22.4M
顯卡售價：1999元
每24小時挖ETH數量：0.015
每24小時產生收益:24.48元
預計回本時間：81.66天
Radeon RX 470顯卡
整機功耗:159W
計算力：24.3M
顯卡售價：1599元
每24小時挖ETH數量：0.017
每24小時產生收益:27.9元
預計回本時間：57.31天
Radeon RX 480顯卡
整機功耗:171W
計算力：24.4M
顯卡售價：1999元
每24小時挖ETH數量：0.017
每24小時產生收益:27.87元
預計回本時間：71.73天
(2)470580算力擴展閱讀：
顯卡（Video card，Graphics card）全稱顯示介面卡，又稱顯示適配器，是計算機最基本配置、最重要的配件之一。顯卡作為電腦主機里的一個重要組成部分，是電腦進行數模信號轉換的設備，承擔輸出顯示圖形的任務。
顯卡接在電腦主板上，它將電腦的數字信號轉換成模擬信號讓顯示器顯示出來，同時顯卡還是有圖像處理能力，可協助CPU工作，提高整體的運行速度。對於從事專業圖形設計的人來說顯卡非常重要。 民用和軍用顯卡圖形晶元供應商主要包括AMD(超微半導體)和Nvidia(英偉達)2家。現在的top500計算機，都包含顯卡計算核心。在科學計算中，顯卡被稱為顯示加速卡。
Ⅲ AMD CPU 算力表
不多解釋自己查
上面型號，下面算力
AMD THREADRIPPER 1950X (16C/32T)
1800
AMD RYZEN 1950X THREADRIPPER
1450
THREADRIPPER 1950X
1370
AMD THREADRIPPER 1950X
1367
RYZEN THREADRIPPER 1950X
1340
AMD THREADRIPPER 1950X
1333
AMD RYZEN THREADRIPPER 1950X
1280
RYZEN THREADRIPPER 1950X @3.9 GHZ
1265
RYZEN THREADRIPPER 1950X
1196
THREADRIPPER 1920X
1091
AMD THREADRIPPER 1950X @4GHZ
995
THREADRIPPER 1900 ONLY CPU (8THREADS)
780
AMD RYZEN 7 1800X
704
RYZEN 7 1700
700
AMD RYZEN 1700X
670
RYZEN 7 1700
662
RYZEN 7 1800X (OC TO 4.0GHZ)
660
AMD THREADRIPPER 1900X
655
RYZEN R7 1700X @4.0 GHZ
640
AMD RYZEN 7 1700X (4GHZ, 1.35V)
640
RYZEN 7 1700X 3875MHZ
638
AMD RYZEN 7 1700X
635
AMD RYZEN 7 1800X
632
AMD RYZEN 1700X
630
RYZEN 7 1800X
630
RYZEN 1700 @3.89GHZ
630
RYZEN 7 [email protected]
626
AMD RYZEN 5 1600
625
RYZEN 1800X AT 3.9MHZ (OC)
620
AMD RYZEN 7 1700
620
RYZEN 7 1700
620
RYZEN 1800X (OC TO 3,9GHZ)
620
AMD RYZEN 7 1800X 4.2GHZ
620
AMD RYZEN 7 1700
620
RYZEN 7 1700
615
RYZEN 7 1700
610
RYZEN 7 1700 @4.0GHZ
610
AMD RYZEN-7 1700 (@3700 MHZ)
605
RYZEN 1700X
605
AMD RYZEN 1700
601
AMD RYZEN 7 1700X 3.8GHZ
595
RYZEN R7 1700
594
RYZEN R5 1600X @4GHZ
592
RYZEN 5 1600X @4.0GHZ
587
RYZEN 5 1600 (3.95GHZ OC)
585
RYZEN 7 1700 @3.6GHZ
580
RYZEN 5 1600
575
RYZEN 5 1600 @3.9 GHZ 1.304 VOLTS
570
RYZEN 1700 (3.6GHZ)
570
AMD RYZEN 1700
570
RYZEN R5 1600X
565
AMD RYZEN 7 1700
565
RYZEN 7 1700
560
AMD RYZEN 5 1600@4GHZ
560
RYZEN 5 1600
560
AMD RYZEN 5 1600X
560
RYZEN 7 1700X
558
AMD RYZEN7 1700
555
RYZEN R5 1600X
550
AMD R5 1600 @3.925 MHZ 1.224V
550
RYZEN 7 1700X (STOCK)
550
AMD RYZEN 5 1600
545
AMD RYZEN 5 1600 [email protected]
540
AMD RYZEN R7 1700
536
RYZEN 5 1600 @3700 MHZ
527
RYZEN 1700
520
AMD RYZEN 5 1600X @ 4.1 GHZ
520
RYZEN 5 1600X
520
RYZEN 7 1700
520
RYZEN 7 1700
515
RYZEN 7 1700 @3.2GHZ
513
RYZEN 7-1700
510
RYZEN 5 1600X
510
RYZEN 5 1600X
510
RYZEN 5 1600
508
RYZEN 1700 (3.7GHZ OC)
506
R7 1700 @O 3,7GHZ
505
AMD RYZEN 5 1600 + 2400MHZ RAM
503
AMD RYZEN 7 1700 @3.1GHZ
503
RYZEN 5 1600 @3.8GHZ
500
RYZEN 1700X
500
RYZEN 5 1600 @3750 MHZ
500
AMD FX-9590
497
RYZEN 5 1600 @ STOCK
495
AMD RYZEN 7 1700
492
AMD RYZEN 5 1600
485
RYZEN 5 1600X
477
RYZEN 5 1600
475
FX-8350@4,5GHZ (22,5*200)
473
AMD RYZEN 5 1600
470
RYZEN 5 1600X AMD
470
RYZEN 5 1600 - OVERCLOCKED TO 3.7
470
RYZEN 5 1600
470
FX8320E@4,5GHZ
470
AMD OPTERON 6376
469
RYZEN 7 1700
466
RYZEN 7 1800X
465
AMD RYZEN 5 1500X
460
RYZEN 5 1600
460
AMD FX 8350
457
AMD FX 8350
457
RYZEN 1700X
455
AMD RYZEN 5 1600
453
FX-8350 (OVERCLOCK: 5.0 GHZ, DISABLED 4 CORES, 1 CORE = 2MB CACHE)
450
AMD RYZEN 5 1600
450
RYZEN 6 1600
450
RYZEN 5 1600
450
AMD [email protected]
445
FX-8350 (OVERCLOCKED: 4.8GHZ, OVERCLOCKED: DDR3 RAM 1600MHZ))
444
AMD RYZEN 5 1600X
440
AMD FX-8350 (4.6GHZ CORE / 2.4GHZ CPU NORTHBRIDGE)
440
FX-8350 @ 4.4GHZ
440
RYZEN 5 1600 - STOCK
436
AMD RYZEN 5 1600X
435
RYZEN 5 1600 (STOCK)
431
AMD FX-8350 OC 4.7GHZ
430
AMD RYZEN 5 1500X @ 3.5GHZ
429
RYZEN R7 1700
427
FX 9590
425
AMD FX-8300 OC 4.4GHZ
425
AMD FX-8300 OC 4.4GHZ
425
RYZEN 5 1500X @3.5GHZ
425
FX-9590
423
AMD FX-8350 OC 4.3 GHZ
423
AMD FX-8350 (USING 7 OF 8 CORES)
420
AMD FX 9590
420
AMD RYZEN 1600X
420
FX-8320 @ 4.2GHZ
415
[email protected] GHZ
415
FX8320@4200
412
RYZEN 7 1800 (STOCK)
412
AMD RYZEN 5 1500X @ 3.9 GHZ | DDR4 2933 CL16
410
AMD 8320 @4.3 GHZ
408
FX 8350 OVERCLOCKED 4.2
406
FX-8320E
405
FX-9370
404
AMD FX 8350 OVERCLOCKED 4.2(21X200)
400
MD RYZEN 7 1800X
400
FX-8320
400
AMD FX-8350 BLACK EDITION
400
RYZEN R7 1700 @ 3800 MHZ
400
AMD FX-8350
400
AMD RYZEN 5 1600 STOCK 3.4 GHZ
400
RYZEN 5 1600
400
AMD FX 8320 @4.1GHZ
399
AMD FX 8350
399
FX 8350
399
AMD RYZEN 1500X
396
FX8320E@4GHZ
395
AMD RYZEN R7 1800X (STOCK)
395
AMD 8350-FX @ 4300GHZ
393
AMD FX-8120 @OC 4010
393
AMD FX-8350
390
FX 8350
390
AMD FX8320E - 3,9GHZ OC
385
FX-8320E @3,9GHZ
383
AMD FX-8120
380
AMD FX 8370
379
OPTERON 4334
375
AMD RYZEN R7 1700
375
AMD RYZEN R5 1600 (STOCK)
370
FX 8320
368
AMD FX-8350 (DOWNCLOCK TO 3.6 GHZ)
360
AMD FX 8320
360
AMD FX-8370E EIGHT-CORE PROCESSOR
359
AMD [email protected]
358
FX-8150 (DEFAULT, NO OVERCLOCK)
356
RYZEN 1500X
354
FX 8300 @ 4400
354
FX 8350 @ 4.7 GHZ
350
AMD OPTERON PROCESSOR 4171 HE
345
FX 8300 (OC 4200)
340
FX-8320E
340
RYZEN 7 1700X
340
AMD 8370E
337
AMD RYZEN 5 1500X @3.57GHZ
334
AMD FX 8300
332
AMD FX-6350 @4.6 GHZ
332
AMD RYZEN 1700 3.8GHZ
330
AMD FX-8150 8X3.6 GHZ @ 4.1 GHZ
330
AMD FX 8320 BONE STOCK
330
FX8320-E
327
AMD FX 8370
320
AMD FX(TM)-8350 EIGHT-CORE PROCESSOR OC (8CPUS),~ @ 4.32GHZ
320
AMD FX 8370E
320
AMD RYZEN 7 1700 @ 3.8GHZ
320
AMD FX(TM)-8350 EIGHT-CORE PROCESSOR
316
FX-6300
315
AMD RYZEN 5 1600
313
AMD FX 6300 @ 4.7GHZ
310
AMD FX 8320
310
RYZEN 1500X
310
AMD FX-8350
310
AMD FX-6350
306
AMD FX-8320 4.0GHZ
305
AMD FX 6300
305
RYZEN X1700
302
AMD FX-8370
301
AMD FX-8320
300
RYZEN 5 1400X
300
AMD FX-6300
300
FX 8320
300
AMD RYZEN 3 1200 (3.1 GHZ BASE)
300
RYZEN 3 1200 OC TO 3.9GHZ
300
AMD FX-8320
300
RYZEN 5 1400X
300
AMD FX 6350
300
RYZEN 3 1200@3750
292
FX 8350
290
RYZEN 5 1400 @3.8 GHZ
289
AMD FM 8120 @3110
284
AMD3+ FX-6300 3.5GHZ
282
RYZEN 5 1400
280
AMD FX 8350
279
AMD FX 8300
279
AMD FX 6300
275
FX 6300
275
AMD FX6300
271
RYZEN 1300X (STOCK)
270
AMD 8320 (4.2)
269
AMD OPTERON(TM) 3280
266
AMD FX 6300
265
AMD FX-4350 (OVERCLOCKED TO 4.8MHZ)
264
RYZEN 5 1400
262
AMD FX-6300
260
AMD FX-6300 @ 4GHZ
255
AMD FX-6300
250
AMD FX 6300
250
FX 6300
250
FX-6100
249
FX 6300
245
RYZEN 3 1200
241
OPTERON 4334
240
AMD FX 6100 OC 4.0 GHZ
240
RYZEN 1800X
239
FX-6300
237
AMD OPTERON(TM) PROCESSOR 4274 HE
236
AMD FX 6300 @4.1 GHZ
230
FX-9370
230
FX 8350
230
AMD FX-8320E
226
AMX FX-8350
224
AMD FX-8150 8-CORE PROCESSOR 8X3.6GHZ UP TO 3.96GHZ
220
RYZEN 5 1400
220
AMD FX 8300
220
AMD FX-6350 HEXA-CORE 3.9GHZ
220
FX 8350
220
AMD FX-6100
220
FX 8350
220
AMD FX 6300
219
AMD A8-7650K, OC 4.5
219
AMD FX-8370E
216
FX 6300
216
AMD FX 4350
214
AMD FX 8320 4GHZ
210
AMD FX - 4100
210
AMD FX 8320E
210
AMD FX 4100 @4.40 GHZ
207
A8 7650K (OC 4.4GHZ)
207
A10 7850K
202
FX 4100
200
AMD A10-6800K APU
198
FX 4100
196
FX 4100
195
AMD FX-4300 @ 3.8 GHZ
194
AMD FX6300
188
FX 6300 (5 CORES)
181
AMD FX-8350 VISHERA
180
AMD FX 4300 3.8GZ
180
I5-4570S
180
AMD 7650K @ 4.0 GHZ 1.395V 95W
179
FX 6300 VISHERA
175
AMD FX-8350
175
AMD ATHLON X4 860K
175
AMD FX 4300 3800MHZ
172
AMD A8 5600K
170
AMD FX-4100
166
AMD FX-6300
165
AMD FX-6300
165
FX-4300
164
AMD A8-7650K
160
ATHLON X4 870K UP TO 4.2GHZ
157
AMD A10-6700
156
AMD A10 6800K
155
AMD FX 4350
154
AMD A8-6600K
152
FX 4300
150
AMD FX-6300
150
FX-4100 4,2GHZ
150
AMD FX4100
146
FX-6300
137
FX6300
135
ATHLON X4 760K
121
A8 7600
120
AMD FX6300
120
AMD A8-7600 RADEON R7 3.10GHZ
120
A10 7850
117
AMD FX 4100
108
AMD A8-7600 3.1GHZ 4 CORES
105
AMD PHENOM II X4 B60 @ 3.6GHZ
95
PHENOM 1090T X6 @ 3.6GHZ
90
AMD PHENOM(TM) II X6 1055T PROCESSOR, L3 6.0 MB, 3.9 GB RAM
90
AMD PHENOM II X4 965
89
AMD PHENOM(TM) II X6 1035T
86
AMD PHENOM II X4 965 BE
80
A6-7400K + GPU R3 128 BIT OC
75
AMD ATHLON II X4 740 3.2GHZ
75
PHENOM II X2 555BE
73
AMD RYZEN 5 1400 @ 3.2GHZ
70
AMD PHENOM II X6 1055T
70
AMD PHENOM II X4 960T
69
AMD ATHLON X4 860K
69
AMD PHENOM II X4 940
66
AMD A10 5800K
63
AMD A10 5800K 4.6GHZ
60
AMD A8 7600 3.8GHZ
55
AMD A8-5500
55
AMD ATHLON X4 860K
52
AMD PHENOM N830
50
AMD PHENOM II X6 1035T
50
AMD PHENOM II X6 1055T (2.8GHZ)
50
QUAD-CORE AMD OPTERON 1385
48
AMD A8 3870K @ 3,5GHZ
47
AMD PHENOM II X4 840
42
AMD ATHLON II X4
40
A6-5200
40
AMD PHENOM II X4 945
40
ATHLON X4 635
35
QUADCORE AMD A6-3620, 2272 MHZ
33
AMD A6 3400M
30
AMD ATHLON X4 630 3.1GHZ
29
AMD ATHLON X3 405E
29
PHENOM X4 9500
28
AMD SEMPRON(TM) 3850 APU
25
PHENOM II N930 (MOBILE) QUAD-CORE 2GHZ
25
AMD A4 6300
25
AMD ATHLON 7850
24
AMD A6-6400K APU
22
AMD ATHLON(TM) II X2 245
22
AMD A10-9600P
21
AMD OPTERON X2150
21
AMD A10-9600P
21
AMD A6 6400K
20
ATHLON II X2 240
20
AMD A4 6300
19
AMD FM1 A6-3670K @ 2.5GHZ (2.7 STOCK)
18
AMD ATHLON 64 X2 5400+ 2.8GHZ
15
AMD A4 6300 (1 CORE)
15
AMD A4 6300 (1 CORE)
15
AMD TURION X2 DUAL CORE MOBILE RM-75
14
AMD TURION X2 RM-75
12
AMD ATHLON(TM) II X2 245
12
ATHLON X2 2.00 GHZ
12
AMD ATHLON 64 DUAL CORE 4200+
11
AMD ATHLON 64 X2 4000+
11
AMD APU A4-3400
10
AMD SEMPRON 2650, 1.4GHZ, 1MB, DUAL-CORE
10
TURION TL-58
8
AMD OPTERON 1210
8
AMD ATHLON LE-1600
6
Ⅳ 顯卡礦機立放會有什麼影響
以太坊挖礦顯卡礦機占據了大部分，並且還有很大一部分的DIY顯卡礦機沒有顯示。
同 ASIC 礦機一樣，顯卡礦機也存在很多坑，而且顯卡礦機的專業化程度和透明度相對低些，對於新手礦工而言，更容易掉入坑裡。
今天，中外礦業就來梳理下購買顯卡礦機可能遇到的一些問題，希望可以幫助大家少走彎路，更好地規避風險。
顯卡礦機及其優點
挖礦設備的演變經歷了 4 個階段：個人電腦、顯卡礦機（GPU）、FPGA 礦機和 ASIC 礦機。
對於像 BTC、LTC 等發展相對成熟的 PoW 幣種，算力早已被 ASIC 礦機所壟斷，但一些小幣種，比如匿名幣 GRIN、XMR，還是以顯卡礦機為主。此外，雖然以太坊（ETH）2.0 的共識機制要轉變為 PoS，但目前階段依然是顯卡礦機在挖。
在算力上，顯卡礦機無法與 ASIC 礦機匹敵，但顯卡礦機也有自己的優勢：
首先，顯卡礦機能挖的幣種更多，更加靈活。不像 ASIC 礦機只能挖固定演算法的幣種，「弔死」在一棵樹上，顯卡礦機可以挖絕大部分的幣，哪個幣種收益高就選擇挖哪個幣，靈活切換。
其次，顯卡礦機的殘值更高。顯卡礦機的顯卡拆下來後還可以賣到新卡價格的 6～7 折，顯卡礦機的其餘硬體可以賣 500～1000 元。相比之下，ASIC 礦機的殘值就少得可憐，一台報廢的 ASIC 礦機硬體只能賣 30 元左右。
最後，顯卡礦機可供 DIY 的空間大。ASIC 礦機出廠時就封裝好了，功率、算力、能效比都是固定的，雖然有些型號的礦機可以採取降頻、超頻等方式，改變礦機的能效比，但變動的幅度不大；相比之下，顯卡礦機的可操作空間就很大了，除了官方封裝的顯卡礦機外，動手能力強的礦工也可以根據自身需求去市場上購買 CPU、顯卡、主板、內存、硬碟、電源和機箱，然後自己組裝。
購買顯卡礦機會遇到哪些坑
ASIC 礦機需要研發晶元，前期需要投入大量的資金和技術人才，門檻高，風險大，所以能生產 ASIC 礦機的廠商屈指可數。顯卡礦機不需要開發專用的晶元，最重要的部件顯卡是現成的，資金門檻和技術門檻更低。在 2017 年加密貨幣大牛市期間，超過一半的華強北顯卡經銷商都試過自己組裝顯卡礦機去參與挖礦。
普通用戶在購買顯卡礦機時，需要避開以下幾個坑：
1、新機器裝了二手顯卡
顯卡礦機的組裝門檻相對較低，這給了一些黑心的礦機廠商「發財機會」。他們賣的一些新礦機，裡面封裝的並不是全新的顯卡，而是二手甚至三手的顯卡，簡單翻新後，普通人根本沒有能力鑒別出來。這樣的礦機，上架後會經常出現算力不足、故障率高等現象。
2、通過刷 BIOS 篡改顯卡信息
顯卡礦機最重要的部件是顯卡，顯卡的性能和數量直接決定了礦機的算力。一些黑心的顯卡礦機二道販子會通過刷固件的形式，來篡改顯卡的信息，從而將低端顯卡礦機賣出高端礦機的價錢。
舉個例子，AMD 顯卡的 GPU 核心晶片上已經多年不印任何型號參數了，而 RX470~RX580 顯卡都有著相通的 PCB 方案，通過刷 BIOS 可以更改顯卡的一部分信息，讓人無法通過 GPU 核心上判斷礦機里封裝的顯卡是最低端的 RX470 還是 RX580。
這里簡單解釋下 BIOS。它是一個控製程序，控制著顯卡的各種工作狀態，包括核心工作頻率、顯存工作頻率、功耗限制、工作電壓、顯存時序等核心參數。刷 BIOS 就是用新的控製程序替代原廠的程序，從而篡改某些核心參數，以達到更好的能效比。這有點像 ASIC 礦機刷固件實現超頻、降頻。
Ⅳ 2022年顯卡算力天梯圖
顯卡在Ethash演算法算力的表現如下：
Nvidia CMP 170HX，算力為165 MH/s。
Nvidia RTX 3090，算力為121.16 MH/s。
AMD Radeon VII，算力為104.6 MH/s。
Nvidia RTX A30，算力為102 MH/s。
Nvidia RTX 3080，算力為97.88 MH/s。
Nvidia RTX A5000與Nvidia RTX A6000，算力均為93.6 MH/s。
Nvidia CMP 90HX，算力為86 MH/s。
AMD RX 6800與AMD RX 6800 XT，算力均為63.44 MH/s。
Nvidia RTX 3070，算力為61.79 MH/s。
Nvidia RTX 3060Ti，算力為60.21 MH/s。
Nvidia RTX 2080Ti，算力為59.21 MH/s。
AMD RX 6900 XT，算力為60.44 MH/s。
Nvidia RTX 3080Ti，算力為58.68 MH/s。
AMD RX 5700 XT，算力為54.28 MH/s。
Nvidia RTX A4000，算力為54.6 MH/s。
AMD RX 5700，算力為50.99 MH/s。
Nvidia RTX 3060，算力為49.64 MH/s。
AMD RX Vega 64，算力為49.25 MH/s。
AMD RX 6700 XT，算力為47.02 MH/s。
Nvidia RTX 3080 LHR，算力為48.88 MH/s。
Nvidia Titan XP，算力為49.02 MH/s。
Nvidia Tesla P100-PCIE-16GB，算力為44.85 MH/s。
Nvidia GTX 1080Ti，算力為45.68 MH/s。
Nvidia RTX 2080 Super，算力為44.54 MH/s。
Nvidia P102-100，算力為44.55 MH/s。
Nvidia CMP 50HX，算力為45 MH/s。
AMD RX 5600 XT，算力為37.65 MH/s。
Nvidia RTX 2060 Super，算力為37.67 MH/s。
Nvidia RTX 2080，算力為37.53 MH/s。
Nvidia RTX 3070Ti，算力為39.18 MH/s。
Nvidia RTX 2070 Super，算力為37.18 MH/s。
Nvidia RTX 2070，算力為36.63 MH/s。
AMD RX 580，算力為32.74 MH/s。
Nvidia CMP 40HX，算力為36 MH/s。
Nvidia RTX 3060 LHR V2，算力為33.54 MH/s。
Nvidia GTX 1080，算力為35.16 MH/s。
AMD RX Vega 56，算力為35.97 MH/s。
AMD RX 470與AMD RX 570，算力分別為31.57 MH/s與31.31 MH/s。
Nvidia GTX 1660 Super，算力為31.61 MH/s。
Nvidia P104-100，算力為32.51 MH/s。
Nvidia RTX 3070 LHR，算力為30.79 MH/s。
Nvidia CMP 30HX，算力為29.43 MH/s。
AMD RX 6600 XT，算力為28.32 MH/s。
AMD Vega Frontier Edition，算力為31.14 MH/s。
Nvidia RTX 3060Ti LHR，算力為30.21 MH/s。
Nvidia GTX 1070Ti，算力為28.58 MH/s。
AMD RX 590，算力為29.53 MH/s。
AMD RX 480，算力為25.54 MH/s。
Nvidia GTX 1660Ti，算力為25.72 MH/s。
Nvidia RTX 2060，算力為27.71 MH/s。
Nvidia GTX 1070，算力為26.27 MH/s。
AMD RX 5500 XT，算力為25.07 MH/s。
Nvidia GTX 1660，算力為21.28 MH/s。
Nvidia P106-100，算力為21.77 MH/s。
Nvidia GTX 1060，算力為20.03 MH/s。
AMD RX 460，算力為13.13 MH/s。
Nvidia GTX 1650，算力為11.37 MH/s。
AMD RX 560，算力為10.27 MH/s。
Nvidia Titan V，算力為74.37 MH/s。
Nvidia CMP 220HX，算力為210 MH/s。
AMD RX 550，算力為11.97 MH/s。
Nvidia GTX 1050Ti，算力為15.98 MH/s。
Nvidia GTX 1050，算力為12.53 MH/s。
Nvidia GTX 1650 Super，算力為0 MH/s。
Ⅵ rx470顯卡能挖以太坊嗎
GPU伺服器是基於GPU的應用於視頻編解碼、深度學習、科學計算等多種場景的快速、穩定、彈性的計算服務。
作用是：出色的圖形處理能力和高性能計算能力提供極致計算性能，有效解放計算壓力，提升產品的計算處理效率與競爭力。
採用2顆至強E5-2600V3系列處理器，內存採用128GB/256GB DDR4 2133/2400MHZ,系統硬碟採用2塊512G SSD固態硬碟，數據硬碟採用3塊25寸2T企業級硬碟，或者3塊35寸 4T企業級硬碟，平台採用支持兩GPU伺服器（LZ-743GR），四GPU伺服器(LZ-748GT)，八GPU伺服器(LZ-4028GR)。
rx470顯卡挖礦算力215mh/s，那麼換算成一天算力是多少T？
算力是指計算設備通過處理數據，實現特定結果輸出的計算能力。
算力廣泛存在於手機、PC、超級計算機等各種硬體設備中，沒有算力，這些軟、硬體就不能正常使用。而玩虛擬貨幣的投資者，都聽過算力這個詞，在區塊鏈中，算力通常是指挖礦機挖出比特幣的能力，算力佔全網算力的比例越高，算力產出的比特幣就越多。
算力可分為三類：第一類，就是高性能計算，即「超算」。第二類算力，為人工智慧計算機，主要用於處理人工智慧應用問題；第三類就是數據中心，它更多是通過雲計算的方式給大家提供算力的公共服務。這三種計算中心，合起來就反映出一個國家的算力。
2023年算力龍頭上市公司：
1、拓維信息：公司依託兆瀚伺服器和兆瀚AI推理伺服器提供的通用和A算力支持，在雲邊端的技術框架內，重點發展鴻蒙行業專屬操作系統、鴻蒙行業專屬終端、拓維元操作系統、行業邊緣一體機，「軟+硬」深度融合，實現雲邊端協同，以邊端促雲。
2、科大訊飛：訊飛的算力完全滿足AI演算法模型訓練，可面向開放平台數百萬開發者和其他行業夥伴提供相關AI服務的需求，公司持續打造人工智慧核心技術的領先引擎，通過無監督訓練、小數據學習演算法的突破，用更少的標記數據實現更好的效果，從而降低人工智慧在各個領域推廣落地的成本。
3、首都在線：公司的CDS首雲異構算力平台，主要面向以GPU算力為主的業務場景，既包括了以深度學習、AI計算、超算為主的算力業務，也覆蓋了以影視渲染、實時渲染、雲游戲、XR等視覺計算需求。
算盤和計算機
顯卡現在挖不出來比特幣的。你這個算力是以太坊的算力。計算方法也不對
具體步驟如下：
一天有86400秒，而你提供的單位mh/s並不是容量單位，所以請自行計算。
ETH ETC ZEC SC 等才是顯卡挖礦的。
最近因為挖礦火爆，部分顯卡型號供貨緊張，A卡就有好幾款基本斷貨了，價格也上漲了不少。英偉達專業礦卡可能就在本月10號左右出貨，而A卡這邊有RX470、RX560兩款專業礦卡，後續是否還會有其它型號的專業礦卡型號推出，那就得看挖礦還是否能穩定下去了。本次我們要對比的是RX460和GTX1060兩款顯卡的挖礦算力，下面的測試數據是以太幣挖礦算力。
英偉達發布史上最強計算平台，黃教主：自動駕駛不再擔心算力問題
矽谷的計算機博物館認為中國的算盤是最早的計算機之一。算盤具備了計算機的基本特點，軟體就是口訣，輸入、輸出、計算、存儲就靠算珠和算盤的框架。仔細想想，這還真是一台極簡主義的發明。
算盤非常好用，在中國，直到90年代隨著計算機的普及，算盤才被徹底取代掉。80年代計算器發明以後，在很多專業的財會領域，並沒有取代算盤，很多老師傅還是覺得算盤更快。
在電視劇《暗算》里，我們甚至看到一堆人使用算盤計算來破解密碼。
算盤在中國的出現，最早可以追溯到東漢，最晚也基本是宋元時代了。可以想像在那個年代，有了算盤的中國人，在算力上絕對碾壓全球。
西方世界開始鑽研用機械來做計算大約要到17世紀了，也就是我們的晚明時期。帕斯卡發明了機械計算器，使用齒輪等復雜機械裝置來做加減法。雖然它的計算速度還是不如算盤，但它的好處是完全自動的，我們只管輸入，具體計算完全靠機械裝置來完成，不需要我們背誦乘法口訣了。
巴貝奇後來發明了差分機和分析機，可以進行加減乘除以外的更加復雜的計算，如對數、三角函數、平方、微積分計算等。
當然，機械計算機過於復雜，並沒有真正流行開，但是從機械計算機和算盤的區別，我們已經開出東西方思維的不同，甚至文明的不同走向。
1、在製造和使用工具上，中國在明末之前並不落後。
2、但是，中國的工具相對簡單，要進一步提高效率，需要的不是進一步升級工具，而是很多人一起使用工具，比如100個人一起用算盤。但是西方對工具賦予了幾乎無限的能力預期，使得他們發明了只需要極少數人操作，但可以完成巨大工作量的工具。機械計算器是一種，其它還有很多，比如紡織機、蒸汽機等。
3、中國文化自己對於工具的進一步發展幾乎停滯了，而西方是日新月異。
西方學者有個觀點，說中國在明朝和清朝時期，農業和人口政策都發展的太好了，人口規模達到了數億，這樣造成了一種內卷化效應，也就是說中國的廉價勞動力太多了，對任何提升勞動效率的發明創造都沒有需求。所以，中華文明自己把自己鎖死了，只能靠西方文明的強勢入侵才能走出死循環。
李約瑟也有著名一問，為什麼古代科技那麼發達的中國沒有誕生科學。
其實科學是一整套思維和認知體系，包括形而上學、邏輯、數學、懷疑精神、獨立思想等等。這些其實在中國古代的皇權社會都不具備。所以，也不僅僅是內卷化的問題。
我們再回頭看看題目里說的，算盤也使計算機的問題。
我們發明了算盤，但是直到90年代，我們還在使用算盤。但是西方社會已經從機械計算器發展到了今天的各種電子計算機。
我們的文明在工具的進化上停止了，但是西方文明卻在一直不斷的進步。這其實像極了，人和動物的區別，不管是使用工具還是群體協作，動物一直停留在一個水平不再發展了，但是人卻一直發展，其速度遠超生物基因的變異速度。所以很多學者認為，智人的思維升級以後，人類的發展速度已經擺脫了生物基因，我們超越了進化論。道金斯提出了文化基因的概念，meme，他認為文化基因自己也在變異和復制。
從這個意義上說，應該是某種文化基因，比如科技基因，在東西方文明中有著巨大區別，這種區別在晚明以後發生了質變。科技基因自己在全世界繁殖、變異、進化。而我們中國人，自己並沒有演化出科技基因。
凱文凱利在他的書《科技究竟想要什麼》里，也提出，科技也是一種生命，它有自己的生存和發展動力。
顯卡怎麼計算挖礦算力
原本應該在今年 3 月份於加州聖何塞舉辦的英偉達 GTC 2020 大會，因為全球性新冠病毒肺炎的爆發而不得不推遲舉行。
比原計劃晚了將近 2 個月，英偉達 GTC 2020 終於在 5 月 14 日回歸。
不過這一次開發者們沒辦法在線下集會，只能通過線上直播觀看「皮衣教主」黃仁勛的主題演講。老黃此次是在他矽谷的家中完成了這場別開生面的「Kitchen Keynote」。
雖然是廚房舉行，英偉達依然爆出「核彈」，發布了全新一代的 GPU 架構 Ampere（安培）。
在自動駕駛方向上，英偉達通過兩塊 Orin SoC 和兩塊基於安培架構的 GPU 組合，實現了前所未有的2000 TOPS算力的 Robotaxi 計算平台，整體功耗為800W。
有業界觀點認為，實現 L2 自動駕駛需要的計算力小於 10 TOPS，L3 需要的計算力為 30 - 60 TOPS，L4 需要的計算力大於 100 TOPS，L5 需要的計算力至少為 1000 TOPS。
現在的英偉達自動駕駛計算平台已經建立起了從10TOPS/5W，200TOPS/45W到2000 TOPS/800W的完整產品線，分別對應前視模塊、L2+ADAS以及Robotaxi的各級應用。
從產品線看，英偉達Drive AGX將全面對標 MobileyeEyeQ系列，希望成為量產供應鏈中的關鍵廠商。
1、全新 GPU 架構：Ampere（安培）
2 個月的等待是值得的，本次 GTC 上，黃仁勛重磅發布了英偉達全新一代 GPU 架構 Ampere（安培）以及基於這一架構的首款 GPU NVIDIA A100。
A100 在整體性能上相比於前代基於 Volta 架構的產品有 20 倍的提升，這顆 GPU 將主要用於數據分析、專業計算以及圖形處理。
在安培架構之前，英偉達已經研發了多代 GPU 架構，它們都是以科學發展史上的偉人來命名的。
比如 Tesla（特斯拉）、Fermi（費米）、Kepler（開普勒）、Maxwell（麥克斯維爾）、Pascal（帕斯卡）、Volta（伏特）以及 Turing（圖靈）。
這些核心架構的升級正是推動英偉達各類 GPU 產品整體性能提升的關鍵。
針對基於安培架構的首款 GPU A100，黃仁勛細數了它的五大核心特點：
集成了超過 540 億個晶體管，是全球規模最大的 7nm 處理器；引入第三代張量運算指令 Tensor Core 核心，這一代 Tensor Core 更加靈活、速度更快，同時更易於使用；採用了結構化稀疏加速技術，性能得以大幅提升；支持單一 A100 GPU 被分割為多達 7 塊獨立的 GPU，而且每一塊 GPU 都有自己的資源，為不同規模的工作提供不同的計算力；集成了第三代 NVLink 技術，使 GPU 之間高速連接速度翻倍，多顆 A100 可組成一個巨型 GPU，性能可擴展。
這些優勢累加起來，最終讓 A100 相較於前代基於 Volta 架構的 GPU 在訓練性能上提升了6 倍，在推理性能上提升了7 倍。
最重要的是，A100 現在就可以向用戶供貨，採用的是台積電的 7nm 工藝製程生產。
阿里雲、網路雲、騰訊雲這些國內企業正在計劃提供基於 A100 GPU 的服務。
2、Orin+安培架構 GPU：實現 2000TOPS 算力
隨著英偉達全新 GPU 架構安培的推出，英偉達的自動駕駛平台（NVIDIA Drive）也迎來了一次性能的飛躍。
大家知道，英偉達此前已經推出了多代 Drive AGX 自動駕駛平台以及 SoC，包括Drive AGX Xavier、Drive AGX Pegasus以及Drive AGX Orin。
其中，Drive AGX Xavier 平台包含了兩顆 Xavier SoC，算力可以達到 30TOPS，功耗為 30W。
最近上市的小鵬 P7 上就量產搭載了這一計算平台，用於實現一系列 L2 級自動輔助駕駛功能。
Drive AGX Pegasus 平台則包括了兩顆 Xavier SoC 和兩顆基於圖靈架構的 GPU，算力能做到 320TOPS，功耗為 500W。
目前有文遠知行這樣的自動駕駛公司在使用這一計算平台。
在 2019 年 12 月的 GTC 中國大會上，英偉達又發布了最新一代的自動駕駛計算 SoC Orin。
這顆晶元由 170 億個晶體管組成，集成了英偉達新一代 GPU 架構和 Arm Hercules CPU 內核以及全新深度學習和計算機視覺加速器，最高每秒可運行 200 萬億次計算。
相較於上一代 Xavier 的性能，提升了 7 倍。
如今，英偉達進一步將自動駕駛計算平台的算力往前推進，通過將兩顆 Orin SoC 和兩塊基於安培架構的 GPU 集成起來，達到驚人的 2000TOPS 算力。
相較於 Drive AGX Pegasus 的性能又提升了 6 倍多，相應地，其功耗為 800W。
按一顆 Orin SoC 200TOPS 算力來計算，一塊基於安培架構的 GPU 的算力達到了 800TOPS。
正因為高算力，這個平台能夠處理全自動駕駛計程車運行所需的更高解析度感測器輸入和更先進的自動駕駛深度神經網路。
對於高階自動駕駛技術的發展而言，英偉達正在依靠 Orin SoC 和安培 GPU 架構在計算平台方面引領整個行業。
當然，作為一個軟體定義的平台，英偉達 Drive AGX 具備很好的可擴展性。
特別是隨著安培 GPU 架構的推出，該平台已經可以實現從入門級 ADAS 解決方案到 L5 級自動駕駛計程車系統的全方位覆蓋。
比如英偉達的 Orin 處理器系列中，有一款低成本的產品可以提供 10TOPS 的算力，功耗僅為 5W，可用作車輛前視 ADAS 的計算平台。
換句話說，採用英偉達 Drive AGX 平台的開發者在單一平台上僅基於一種架構便能開發出適應不同細分市場的自動駕駛系統，省去了單獨開發多個子系統（ADAS、L2+ 等系統）的高昂成本。
不過，想採用 Orin 處理器的廠商還得等一段時間，因為這款晶元會從 2021 年開始提供樣品，到2022 年下半年才會投入生產並開始供貨。
3、英偉達自動駕駛「朋友圈」再擴大
本屆 GTC 上，英偉達的自動駕駛「朋友圈」繼續擴大。
中國自動駕駛公司小馬智行（Ponyai）、美國電動車創業公司Canoo和法拉第未來（Faraday Future）加入到英偉達的自動駕駛生態圈，將採用英偉達的 Drive AGX 計算平台以及相應的配套軟體。
小馬智行將會基於 Drive AGX Pegasus 計算平台打造全新一代 Robotaxi 車型。
此前，小馬智行已經拿到了豐田的 4 億美金投資，不知道其全新一代 Robotaxi 會不會基於豐田旗下車型打造。
美國的電動汽車初創公司 Canoo 推出了一款專門用於共享出行服務的電動迷你巴士，計劃在 2021 年下半年投入生產。
為了實現輔助駕駛的系列功能，這款車型會搭載英偉達 Drive AGX Xavier 計算平台。前不久，Canoo 還和現代汽車達成合作，要攜手開發電動汽車平台。
作為全球新造車圈內比較特殊存在的法拉第未來，這一次也加入到了英偉達的自動駕駛生態圈。
FF 首款量產車 FF91 上的自動駕駛系統將基於 Drive AGX Xavier 計算平台打造，全車搭載了多達 36 顆各類感測器。
法拉第未來官方稱 FF91 有望在今年年底開始交付，不知道屆時會不會再一次跳票。
作為 GPU 領域絕對霸主的英偉達，在高算力的數據中心 GPU 以及高性能、可擴展的自動駕駛計算平台的加持下，已經建起了一個完整的集數據收集、模型訓練、模擬測試、遠程式控制制和實車應用的軟體定義的自動駕駛平台，實現了端到端的完整閉環。
同時，其自動駕駛生態圈也在不斷擴大，包括汽車製造商、一級供應商、感測器供應商、Robotaxi 研發公司和軟體初創公司在內的數百家自動駕駛產業鏈上的企業已經在基於英偉達的計算硬體和配套軟體開發、測試和應用自動駕駛車輛。
未來，在整個自動駕駛產業里，以計算晶元為核心優勢，英偉達的觸角將更加深入，有機會成為產業鏈條上不可或缺的供應商。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
基於架構創新，業內首款存算一體大算力AI晶元點亮
可以參考下面，根據一些網吧市場常用的顯卡,整理的一份相關顯卡的價格和算力以及預計回本期,大概可以做個參考:
Radeon RX 580顯卡
整機功耗：243W
計算力：224M
顯卡售價：1999元
每24小時挖ETH數量：0015
每24小時產生收益:2448元
預計回本時間：8166天
Radeon RX 470顯卡
整機功耗:159W
計算力：243M
顯卡售價：1599元
每24小時挖ETH數量：0017
每24小時產生收益:279元
預計回本時間：5731天
Radeon RX 480顯卡
整機功耗:171W
計算力：244M
顯卡售價：1999元
每24小時挖ETH數量：0017
每24小時產生收益:2787元
預計回本時間：7173天
(6)470580算力擴展閱讀：
顯卡（Video card，Graphics card）全稱顯示介面卡，又稱顯示適配器，是計算機最基本配置、最重要的配件之一。顯卡作為電腦主機里的一個重要組成部分，是電腦進行數模信號轉換的設備，承擔輸出顯示圖形的任務。
顯卡接在電腦主板上，它將電腦的數字信號轉換成模擬信號讓顯示器顯示出來，同時顯卡還是有圖像處理能力，可協助CPU工作，提高整體的運行速度。對於從事專業圖形設計的人來說顯卡非常重要。 民用和軍用顯卡圖形晶元供應商主要包括AMD(超微半導體)和Nvidia(英偉達)2家。現在的top500計算機，都包含顯卡計算核心。在科學計算中，顯卡被稱為顯示加速卡。
Ⅶ 浠涔堟槸gpu鏈嶅姟鍣錛
GPU鏈嶅姟鍣ㄦ槸涓縐嶆惌杞戒簡鍥懼艦澶勭悊鍗曞厓錛圙PU錛夌殑涓撶敤鏈嶅姟鍣錛屽畠鑳藉熸彁渚涢珮鎬ц兘鐨勮＄畻鏈嶅姟錛屽挨鍏墮傜敤浜庤嗛戠紪瑙ｇ爜銆佹繁搴﹀︿範鍜岀戝﹁＄畻絳夐渶瑕佸ぇ閲忓苟琛屽勭悊鑳藉姏鐨勫満鏅銆傚叾鐗圭偣鍜屼綔鐢ㄥ寘鎷錛
楂樻ц兘璁＄畻錛欸PU鏈嶅姟鍣ㄥ埄鐢℅PU鐨勫ぇ瑙勬ā騫惰岃＄畻鏋舵瀯錛屽彲浠ュ悓鏃跺勭悊鎴愬崈涓婁竾鐨勮＄畻浠誨姟錛岀壒鍒閫傚悎浜庤＄畻瀵嗛泦鍨嬬殑搴旂敤紼嬪簭銆
浠誨姟鍒嗘媴錛氬湪榪愯屽簲鐢ㄧ▼搴忔椂錛孏PU鍙浠ユ壙鎷呰＄畻瀵嗛泦閮ㄥ垎鐨勫伐浣滆礋杞斤紝鑰孋PU鍒欑戶緇鎵ц屽叾浣欑殑紼嬪簭浠ｇ爜錛岃繖鏍峰彲浠ユ樉钁楁彁楂樻暣涓搴旂敤紼嬪簭鐨勮繍琛岄熷害銆
搴旂敤鍦烘櫙騫挎硾錛欸PU鏈嶅姟鍣ㄩ傜敤浜庡氱嶈＄畻鍦烘櫙錛屽寘鎷浣嗕笉闄愪簬浜哄伐鏅鴻兘璁緇冦佸浘鍍忓拰瑙嗛戝勭悊銆佸嶆潅鐨勭戝︽ā鎷熺瓑銆
紼沖畾鎬т笌寮規э細GPU鏈嶅姟鍣ㄤ笉浠呰＄畻閫熷害蹇錛岃屼笖紼沖畾鎬ч珮錛屾敮鎸佸脊鎬у彉鍖栵紝鍗沖彲浠ユ牴鎹闇奼傝皟鏁磋＄畻璧勬簮鐨勮勬ā銆
闆嗙兢閰嶇疆錛氬湪鏋勫緩璁＄畻鏈洪泦緹ゆ椂錛屽彲浠ヤ負姣忎釜鑺傜偣閰嶅嘒PU錛屽艦鎴怗PU鏈嶅姟鍣ㄩ泦緹ゃ傝繖鏍風殑閰嶇疆鍙浠ヨ繘涓姝ユ彁鍗囪＄畻鏁堢巼錛屾弧瓚蟲洿澶ц勬ā鐨勮＄畻闇奼傘