470580算力
Ⅰ 绠楀姏鐨勫崟浣嶆槸浠涔堬紵
GPU鏈嶅姟鍣ㄦ槸鍩轰簬GPU鐨勫簲鐢ㄤ簬瑙嗛戠紪瑙ｇ爜銆佹繁搴﹀︿範銆佺戝﹁＄畻绛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
浣滅敤鏄锛氬嚭鑹茬殑鍥惧舰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兘锛屾湁鏁堣В鏀捐＄畻鍘嬪姏锛屾彁鍗囦骇鍝佺殑璁＄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绯诲垪澶勭悊鍣锛屽唴瀛橀噰鐢128GB/256GB DDR4 2133/2400MHZ,绯荤粺纭鐩橀噰鐢2鍧512G SSD鍥烘佺‖鐩橈紝鏁版嵁纭鐩橀噰鐢3鍧25瀵2T浼佷笟绾х‖鐩橈紝鎴栬3鍧35瀵 4T浼佷笟绾х‖鐩橈紝骞冲彴閲囩敤鏀鎸佷袱GPU鏈嶅姟鍣锛圠Z-743GR锛夛紝鍥汫PU鏈嶅姟鍣(LZ-748GT)锛屽叓GPU鏈嶅姟鍣(LZ-4028GR)銆
rx470鏄惧崱鎸栫熆绠楀姏215mh/s锛岄偅涔堟崲绠楁垚涓澶╃畻鍔涙槸澶氬皯T锛
绠楀姏鏄鎸囪＄畻璁惧囬氳繃澶勭悊鏁版嵁锛屽疄鐜扮壒瀹氱粨鏋滆緭鍑虹殑璁＄畻鑳藉姏銆
绠楀姏骞挎硾瀛樺湪浜庢墜鏈恒丳C銆佽秴绾ц＄畻鏈虹瓑鍚勭嶇‖浠惰惧囦腑锛屾病鏈夌畻鍔涳紝杩欎簺杞銆佺‖浠跺氨涓嶈兘姝ｅ父浣跨敤銆傝岀帺铏氭嫙璐у竵鐨勬姇璧勮咃紝閮藉惉杩囩畻鍔涜繖涓璇嶏紝鍦ㄥ尯鍧楅摼涓锛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锛岀畻鍔涘崰鍏ㄧ綉绠楀姏鐨勬瘮渚嬭秺楂橈紝绠楀姏浜у嚭鐨勬瘮鐗瑰竵灏辫秺澶氥
绠楀姏鍙鍒嗕负涓夌被锛氱涓绫伙紝灏辨槸楂樻ц兘璁＄畻锛屽嵆鈥滆秴绠椻濄傜浜岀被绠楀姏锛屼负浜哄伐鏅鸿兘璁＄畻鏈猴紝涓昏佺敤浜庡勭悊浜哄伐鏅鸿兘搴旂敤闂棰橈紱绗涓夌被灏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＄畻涓蹇冿紝鍚堣捣鏉ュ氨鍙嶆槧鍑轰竴涓鍥藉剁殑绠楀姏銆
2023骞寸畻鍔涢緳澶翠笂甯傚叕鍙革細
1銆佹嫇缁翠俊鎭锛氬叕鍙镐緷鎵樺厗鐎氭湇鍔″櫒鍜屽厗鐎欰I鎺ㄧ悊鏈嶅姟鍣ㄦ彁渚涚殑閫氱敤鍜孉绠楀姏鏀鎸侊紝鍦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绯荤粺銆侀缚钂欒屼笟涓撳睘缁堢銆佹嫇缁村厓鎿嶄綔绯荤粺銆佽屼笟杈圭紭涓浣撴満锛屸滆蒋+纭鈥濇繁搴﹁瀺鍚堬紝瀹炵幇浜戣竟绔鍗忓悓锛屼互杈圭淇冧簯銆
2銆佺戝ぇ璁椋烇細璁椋炵殑绠楀姏瀹屽叏婊¤冻AI绠楁硶妯″瀷璁缁冿紝鍙闈㈠悜寮鏀惧钩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鏈嶅姟鐨勯渶姹傦紝鍏鍙告寔缁鎵撻犱汉宸ユ櫤鑳芥牳蹇冩妧鏈鐨勯嗗厛寮曟搸锛岄氳繃鏃犵洃鐫ｈ缁冦佸皬鏁版嵁瀛︿範绠楁硶鐨勭獊鐮达紝鐢ㄦ洿灏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汉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嚎锛氬叕鍙哥殑CDS棣栦簯寮傛瀯绠楀姏骞冲彴锛屼富瑕侀潰鍚戜互GPU绠楀姏涓轰富鐨勪笟鍔″満鏅锛屾棦鍖呮嫭浜嗕互娣卞害瀛︿範銆丄I璁＄畻銆佽秴绠椾负涓荤殑绠楀姏涓氬姟锛屼篃瑕嗙洊浜嗕互褰辫嗘覆鏌撱佸疄鏃舵覆鏌撱佷簯娓告垙銆乆R绛夎嗚夎＄畻闇姹傘
绠楃洏鍜岃＄畻鏈
鏄惧崱鐜板湪鎸栦笉鍑烘潵姣旂壒甯佺殑銆備綘杩欎釜绠楀姏鏄浠ュお鍧婄殑绠楀姏銆傝＄畻鏂规硶涔熶笉瀵
鍏蜂綋姝ラゅ備笅锛
涓澶╂湁86400绉掞紝鑰屼綘鎻愪緵鐨勫崟浣峬h/s骞朵笉鏄瀹归噺鍗曚綅锛屾墍浠ヨ疯嚜琛岃＄畻銆
ETH ETC ZEC SC 绛夋墠鏄鏄惧崱鎸栫熆鐨勩
鏈杩戝洜涓烘寲鐭跨伀鐖嗭紝閮ㄥ垎鏄惧崱鍨嬪彿渚涜揣绱у紶锛孉鍗″氨鏈夊ソ鍑犳惧熀鏈鏂璐т簡锛屼环鏍间篃涓婃定浜嗕笉灏戙傝嫳浼熻揪涓撲笟鐭垮崱鍙鑳藉氨鍦ㄦ湰鏈10鍙峰乏鍙冲嚭璐э紝鑰孉鍗¤繖杈规湁RX470銆丷X560涓ゆ句笓涓氱熆鍗★紝鍚庣画鏄鍚﹁繕浼氭湁鍏跺畠鍨嬪彿鐨勪笓涓氱熆鍗″瀷鍙锋帹鍑猴紝閭ｅ氨寰楃湅鎸栫熆杩樻槸鍚﹁兘绋冲畾涓嬪幓浜嗐傛湰娆℃垜浠瑕佸规瘮鐨勬槸RX460鍜孏TX1060涓ゆ炬樉鍗＄殑鎸栫熆绠楀姏锛屼笅闈㈢殑娴嬭瘯鏁版嵁鏄浠ュお甯佹寲鐭跨畻鍔涖
鑻变紵杈惧彂甯冨彶涓婃渶寮鸿＄畻骞冲彴锛岄粍鏁欎富锛氳嚜鍔ㄩ┚椹朵笉鍐嶆媴蹇冪畻鍔涢棶棰
纭呰胺鐨勮＄畻鏈哄崥鐗╅嗚や负涓鍥界殑绠楃洏鏄鏈鏃╃殑璁＄畻鏈轰箣涓銆傜畻鐩樺叿澶囦簡璁＄畻鏈虹殑鍩烘湰鐗圭偣锛岃蒋浠跺氨鏄鍙ｈ瘈锛岃緭鍏ャ佽緭鍑恒佽＄畻銆佸瓨鍌ㄥ氨闈犵畻鐝犲拰绠楃洏鐨勬嗘灦銆備粩缁嗘兂鎯筹紝杩欒繕鐪熸槸涓鍙版瀬绠涓讳箟鐨勫彂鏄庛
绠楃洏闈炲父濂界敤锛屽湪涓鍥斤紝鐩村埌90骞翠唬闅忕潃璁＄畻鏈虹殑鏅鍙婏紝绠楃洏鎵嶈褰诲簳鍙栦唬鎺夈80骞翠唬璁＄畻鍣ㄥ彂鏄庝互鍚庯紝鍦ㄥ緢澶氫笓涓氱殑璐浼氶嗗煙锛屽苟娌℃湁鍙栦唬绠楃洏锛屽緢澶氳佸笀鍌呰繕鏄瑙夊緱绠楃洏鏇村揩銆
鍦ㄧ數瑙嗗墽銆婃殫绠椼嬮噷锛屾垜浠鐢氳嚦鐪嬪埌涓鍫嗕汉浣跨敤绠楃洏璁＄畻鏉ョ牬瑙ｅ瘑鐮併
绠楃洏鍦ㄤ腑鍥界殑鍑虹幇锛屾渶鏃╁彲浠ヨ拷婧鍒颁笢姹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釜骞翠唬锛屾湁浜嗙畻鐩樼殑涓鍥戒汉锛屽湪绠楀姏涓婄粷瀵圭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＄畻鍣锛屼娇鐢ㄩ娇杞绛夊嶆潅鏈烘拌呯疆鏉ュ仛鍔犲噺娉曘傝櫧鐒跺畠鐨勮＄畻閫熷害杩樻槸涓嶅傜畻鐩橈紝浣嗗畠鐨勫ソ澶勬槸瀹屽叏鑷鍔ㄧ殑锛屾垜浠鍙绠¤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锛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＄畻锛屽傚规暟銆佷笁瑙掑嚱鏁般佸钩鏂广佸井绉鍒嗚＄畻绛夈
褰撶劧锛屾満姊拌＄畻鏈鸿繃浜庡嶆潅锛屽苟娌℃湁鐪熸ｆ祦琛屽紑锛屼絾鏄浠庢満姊拌＄畻鏈哄拰绠楃洏鐨勫尯鍒锛屾垜浠宸茬粡寮鍑轰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銆佸湪鍒堕犲拰浣跨敤宸ュ叿涓婏紝涓鍥藉湪鏄庢湯涔嬪墠骞朵笉钀藉悗銆
2銆佷絾鏄锛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杩涗竴姝ュ崌绾у伐鍏凤紝鑰屾槸寰堝氫汉涓璧蜂娇鐢ㄥ伐鍏凤紝姣斿100涓浜轰竴璧风敤绠楃洏銆備絾鏄瑗挎柟瀵瑰伐鍏疯祴浜堜簡鍑犱箮鏃犻檺鐨勮兘鍔涢勬湡锛屼娇寰椾粬浠鍙戞槑浜嗗彧闇瑕佹瀬灏戞暟浜烘搷浣滐紝浣嗗彲浠ュ畬鎴愬法澶у伐浣滈噺鐨勫伐鍏枫傛満姊拌＄畻鍣ㄦ槸涓绉嶏紝鍏跺畠杩樻湁寰堝氾紝姣斿傜汉缁囨満銆佽捀姹芥満绛夈
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锛岃岃タ鏂规槸鏃ユ柊鏈堝紓銆
瑗挎柟瀛﹁呮湁涓瑙傜偣锛岃翠腑鍥藉湪鏄庢湞鍜屾竻鏈濇椂鏈燂紝鍐滀笟鍜屼汉鍙ｆ斂绛栭兘鍙戝睍鐨勫お濂戒簡锛屼汉鍙ｈ勬ā杈惧埌浜嗘暟浜匡紝杩欐牱閫犳垚浜嗕竴绉嶅唴鍗峰寲鏁堝簲锛屼篃灏辨槸璇翠腑鍥界殑寤変环鍔冲姩鍔涘お澶氫簡锛屽逛换浣曟彁鍗囧姵鍔ㄦ晥鐜囩殑鍙戞槑鍒涢犻兘娌℃湁闇姹傘傛墍浠ワ紝涓鍗庢枃鏄庤嚜宸辨妸鑷宸遍攣姝讳簡锛屽彧鑳介潬瑗挎柟鏂囨槑鐨勫己鍔垮叆渚垫墠鑳借蛋鍑烘诲惊鐜銆
鏉庣害鐟熶篃鏈夎憲鍚嶄竴闂锛屼负浠涔堝彜浠ｇ戞妧閭ｄ箞鍙戣揪鐨勪腑鍥芥病鏈夎癁鐢熺戝︺
鍏跺疄绉戝︽槸涓鏁村楁濈淮鍜岃ょ煡浣撶郴锛屽寘鎷褰㈣屼笂瀛︺侀昏緫銆佹暟瀛︺佹鐤戠簿绁炪佺嫭绔嬫濇兂绛夌瓑銆傝繖浜涘叾瀹炲湪涓鍥藉彜浠ｇ殑鐨囨潈绀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锛岀畻鐩樹篃浣胯＄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骞翠唬锛屾垜浠杩樺湪浣跨敤绠楃洏銆備絾鏄瑗挎柟绀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＄畻鏈恒
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墿鐨勫尯鍒锛屼笉绠℃槸浣跨敤宸ュ叿杩樻槸缇や綋鍗忎綔锛屽姩鐗╀竴鐩村仠鐣欏湪涓涓姘村钩涓嶅啀鍙戝睍浜嗭紝浣嗘槸浜哄嵈涓鐩村彂灞曪紝鍏堕熷害杩滆秴鐢熺墿鍩哄洜鐨勫彉寮傞熷害銆傛墍浠ュ緢澶氬﹁呰や负锛屾櫤浜虹殑鎬濈淮鍗囩骇浠ュ悗锛屼汉绫荤殑鍙戝睍閫熷害宸茬粡鎽嗚劚浜嗙敓鐗╁熀鍥狅紝鎴戜滑瓒呰秺浜嗚繘鍖栬恒傞亾閲戞柉鎻愬嚭浜嗘枃鍖栧熀鍥犵殑姒傚康锛宮eme锛屼粬璁や负鏂囧寲鍩哄洜鑷宸变篃鍦ㄥ彉寮傚拰澶嶅埗銆
浠庤繖涓鎰忎箟涓婅达紝搴旇ユ槸鏌愮嶆枃鍖栧熀鍥狅紝姣斿傜戞妧鍩哄洜锛屽湪涓滆タ鏂规枃鏄庝腑鏈夌潃宸ㄥぇ鍖哄埆锛岃繖绉嶅尯鍒鍦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笘鐣岀箒娈栥佸彉寮傘佽繘鍖栥傝屾垜浠涓鍥戒汉锛岃嚜宸卞苟娌℃湁婕斿寲鍑虹戞妧鍩哄洜銆
鍑鏂囧嚡鍒╁湪浠栫殑涔︺婄戞妧绌剁珶鎯宠佷粈涔堛嬮噷锛屼篃鎻愬嚭锛岀戞妧涔熸槸涓绉嶇敓鍛斤紝瀹冩湁鑷宸辩殑鐢熷瓨鍜屽彂灞曞姩鍔涖
鏄惧崱鎬庝箞璁＄畻鎸栫熆绠楀姏
鍘熸湰搴旇ュ湪浠婂勾 3 鏈堜唤浜庡姞宸炲湥浣曞炰妇鍔炵殑鑻变紵杈 GTC 2020 澶т細锛屽洜涓哄叏鐞冩ф柊鍐犵梾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″垝鏅氫簡灏嗚繎 2 涓鏈堬紝鑻变紵杈 GTC 2020 缁堜簬鍦 5 鏈 14 鏃ュ洖褰掋
涓嶈繃杩欎竴娆″紑鍙戣呬滑娌″姙娉曞湪绾夸笅闆嗕細锛屽彧鑳介氳繃绾夸笂鐩存挱瑙傜湅銆岀毊琛ｆ暀涓汇嶉粍浠佸媼鐨勪富棰樻紨璁层傝侀粍姝ゆ℃槸鍦ㄤ粬纭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
铏界劧鏄鍘ㄦ埧涓捐岋紝鑻变紵杈句緷鐒剁垎鍑恒屾牳寮广嶏紝鍙戝竷浜嗗叏鏂颁竴浠ｇ殑 GPU 鏋舵瀯 Ampere锛堝畨鍩癸級銆
鍦ㄨ嚜鍔ㄩ┚椹舵柟鍚戜笂锛岃嫳浼熻揪閫氳繃涓ゅ潡 Orin SoC 鍜屼袱鍧楀熀浜庡畨鍩规灦鏋勭殑 GPU 缁勫悎锛屽疄鐜颁簡鍓嶆墍鏈鏈夌殑2000 TOPS绠楀姏鐨 Robotaxi 璁＄畻骞冲彴锛屾暣浣撳姛鑰椾负800W銆
鏈変笟鐣岃傜偣璁や负锛屽疄鐜 L2 鑷鍔ㄩ┚椹堕渶瑕佺殑璁＄畻鍔涘皬浜 10 TOPS锛孡3 闇瑕佺殑璁＄畻鍔涗负 30 - 60 TOPS锛孡4 闇瑕佺殑璁＄畻鍔涘ぇ浜 100 TOPS锛孡5 闇瑕佺殑璁＄畻鍔涜嚦灏戜负 1000 TOPS銆
鐜板湪鐨勮嫳浼熻揪鑷鍔ㄩ┚椹惰＄畻骞冲彴宸茬粡寤虹珛璧蜂簡浠10TOPS/5W锛200TOPS/45W鍒2000 TOPS/800W鐨勫畬鏁翠骇鍝佺嚎锛屽垎鍒瀵瑰簲鍓嶈嗘ā鍧椼丩2+ADAS浠ュ強Robotaxi鐨勫悇绾у簲鐢ㄣ
浠庝骇鍝佺嚎鐪嬶紝鑻变紵杈綝rive AGX灏嗗叏闈㈠规爣 MobileyeEyeQ绯诲垪锛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 鏋舵瀯锛欰mpere锛堝畨鍩癸級
2 涓鏈堢殑绛夊緟鏄鍊煎緱鐨勶紝鏈娆 GTC 涓婏紝榛勪粊鍕嬮噸纾呭彂甯冧簡鑻变紵杈惧叏鏂颁竴浠 GPU 鏋舵瀯 Ampere锛堝畨鍩癸級浠ュ強鍩轰簬杩欎竴鏋舵瀯鐨勯栨 GPU NVIDIA A100銆
A100 鍦ㄦ暣浣撴ц兘涓婄浉姣斾簬鍓嶄唬鍩轰簬 Volta 鏋舵瀯鐨勪骇鍝佹湁 20 鍊嶇殑鎻愬崌锛岃繖棰 GPU 灏嗕富瑕佺敤浜庢暟鎹鍒嗘瀽銆佷笓涓氳＄畻浠ュ強鍥惧舰澶勭悊銆
鍦ㄥ畨鍩规灦鏋勪箣鍓嶏紝鑻变紵杈惧凡缁忕爺鍙戜簡澶氫唬 GPU 鏋舵瀯锛屽畠浠閮芥槸浠ョ戝﹀彂灞曞彶涓婄殑浼熶汉鏉ュ懡鍚嶇殑銆
姣斿 Tesla锛堢壒鏂鎷夛級銆丗ermi锛堣垂绫筹級銆並epler锛堝紑鏅鍕掞級銆丮axwell锛堥害鍏嬫柉缁村皵锛夈丳ascal锛堝笗鏂鍗★級銆乂olta锛堜紡鐗癸級浠ュ強 Turing锛堝浘鐏碉級銆
杩欎簺鏍稿績鏋舵瀯鐨勫崌绾фｆ槸鎺ㄥ姩鑻变紵杈惧悇绫 GPU 浜у搧鏁翠綋鎬ц兘鎻愬崌鐨勫叧閿銆
閽堝瑰熀浜庡畨鍩规灦鏋勭殑棣栨 GPU A100锛岄粍浠佸媼缁嗘暟浜嗗畠鐨勪簲澶ф牳蹇冪壒鐐癸細
闆嗘垚浜嗚秴杩 540 浜夸釜鏅朵綋绠★紝鏄鍏ㄧ悆瑙勬ā鏈澶х殑 7nm 澶勭悊鍣锛涘紩鍏ョ涓変唬寮犻噺杩愮畻鎸囦护 Tensor Core 鏍稿績锛岃繖涓浠 Tensor Core 鏇村姞鐏垫椿銆侀熷害鏇村揩锛屽悓鏃舵洿鏄撲簬浣跨敤锛涢噰鐢ㄤ簡缁撴瀯鍖栫█鐤忓姞閫熸妧鏈锛屾ц兘寰椾互澶у箙鎻愬崌锛涙敮鎸佸崟涓 A100 GPU 琚鍒嗗壊涓哄氳揪 7 鍧楃嫭绔嬬殑 GPU锛岃屼笖姣忎竴鍧 GPU 閮芥湁鑷宸辩殑璧勬簮锛屼负涓嶅悓瑙勬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 鎶鏈锛屼娇 GPU 涔嬮棿楂橀熻繛鎺ラ熷害缈诲嶏紝澶氶 A100 鍙缁勬垚涓涓宸ㄥ瀷 GPU锛屾ц兘鍙鎵╁睍銆
杩欎簺浼樺娍绱鍔犺捣鏉ワ紝鏈缁堣 A100 鐩歌緝浜庡墠浠ｅ熀浜 Volta 鏋舵瀯鐨 GPU 鍦ㄨ缁冩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
鏈閲嶈佺殑鏄锛孉100 鐜板湪灏卞彲浠ュ悜鐢ㄦ埛渚涜揣锛岄噰鐢ㄧ殑鏄鍙扮Н鐢电殑 7nm 宸ヨ壓鍒剁▼鐢熶骇銆
闃块噷浜戙佺櫨搴︿簯銆佽吘璁浜戣繖浜涘浗鍐呬紒涓氭ｅ湪璁″垝鎻愪緵鍩轰簬 A100 GPU 鐨勬湇鍔°
2銆丱rin+瀹夊煿鏋舵瀯 GPU锛氬疄鐜 2000TOPS 绠楀姏
闅忕潃鑻变紵杈惧叏鏂 GPU 鏋舵瀯瀹夊煿鐨勬帹鍑猴紝鑻变紵杈剧殑鑷鍔ㄩ┚椹跺钩鍙帮紙NVIDIA Drive锛変篃杩庢潵浜嗕竴娆℃ц兘鐨勯炶穬銆
澶у剁煡閬擄紝鑻变紵杈炬ゅ墠宸茬粡鎺ㄥ嚭浜嗗氫唬 Drive AGX 鑷鍔ㄩ┚椹跺钩鍙颁互鍙 SoC锛屽寘鎷珼rive AGX Xavier銆丏rive AGX Pegasus浠ュ強Drive AGX Orin銆
鍏朵腑锛孌rive AGX Xavier 骞冲彴鍖呭惈浜嗕袱棰 Xavier SoC锛岀畻鍔涘彲浠ヨ揪鍒 30TOPS锛屽姛鑰椾负 30W銆
鏈杩戜笂甯傜殑灏忛箯 P7 涓婂氨閲忎骇鎼杞戒簡杩欎竴璁＄畻骞冲彴锛岀敤浜庡疄鐜颁竴绯诲垪 L2 绾ц嚜鍔ㄨ緟鍔╅┚椹跺姛鑳姐
Drive AGX Pegasus 骞冲彴鍒欏寘鎷浜嗕袱棰 Xavier SoC 鍜屼袱棰楀熀浜庡浘鐏垫灦鏋勭殑 GPU锛岀畻鍔涜兘鍋氬埌 320TOPS锛屽姛鑰椾负 500W銆
鐩鍓嶆湁鏂囪繙鐭ヨ岃繖鏍风殑鑷鍔ㄩ┚椹跺叕鍙稿湪浣跨敤杩欎竴璁＄畻骞冲彴銆
鍦 2019 骞 12 鏈堢殑 GTC 涓鍥藉ぇ浼氫笂锛岃嫳浼熻揪鍙堝彂甯冧簡鏈鏂颁竴浠ｇ殑鑷鍔ㄩ┚椹惰＄畻 SoC Orin銆
杩欓楄姱鐗囩敱 170 浜夸釜鏅朵綋绠＄粍鎴愶紝闆嗘垚浜嗚嫳浼熻揪鏂颁竴浠 GPU 鏋舵瀯鍜 Arm Hercules CPU 鍐呮牳浠ュ強鍏ㄦ柊娣卞害瀛︿範鍜岃＄畻鏈鸿嗚夊姞閫熷櫒锛屾渶楂樻瘡绉掑彲杩愯 200 涓囦嚎娆¤＄畻銆
鐩歌緝浜庝笂涓浠 Xavier 鐨勬ц兘锛屾彁鍗囦簡 7 鍊嶃
濡備粖锛岃嫳浼熻揪杩涗竴姝ュ皢鑷鍔ㄩ┚椹惰＄畻骞冲彴鐨勭畻鍔涘線鍓嶆帹杩涳紝閫氳繃灏嗕袱棰 Orin SoC 鍜屼袱鍧楀熀浜庡畨鍩规灦鏋勭殑 GPU 闆嗘垚璧锋潵锛岃揪鍒版儕浜虹殑 2000TOPS 绠楀姏銆
鐩歌緝浜 Drive AGX Pegasus 鐨勬ц兘鍙堟彁鍗囦簡 6 鍊嶅氾紝鐩稿簲鍦帮紝鍏跺姛鑰椾负 800W銆
鎸変竴棰 Orin SoC 200TOPS 绠楀姏鏉ヨ＄畻锛屼竴鍧楀熀浜庡畨鍩规灦鏋勭殑 GPU 鐨勭畻鍔涜揪鍒颁簡 800TOPS銆
姝ｅ洜涓洪珮绠楀姏锛岃繖涓骞冲彴鑳藉熷勭悊鍏ㄨ嚜鍔ㄩ┚椹跺嚭绉熻溅杩愯屾墍闇鐨勬洿楂樺垎杈ㄧ巼浼犳劅鍣ㄨ緭鍏ュ拰鏇村厛杩涚殑鑷鍔ㄩ┚椹舵繁搴︾炵粡缃戠粶銆
瀵逛簬楂橀樁鑷鍔ㄩ┚椹舵妧鏈鐨勫彂灞曡岃█锛岃嫳浼熻揪姝ｅ湪渚濋潬 Orin SoC 鍜屽畨鍩 GPU 鏋舵瀯鍦ㄨ＄畻骞冲彴鏂归潰寮曢嗘暣涓琛屼笟銆
褰撶劧锛屼綔涓轰竴涓杞浠跺畾涔夌殑骞冲彴锛岃嫳浼熻揪 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钩鍙板凡缁忓彲浠ュ疄鐜颁粠鍏ラ棬绾 ADAS 瑙ｅ喅鏂规堝埌 L5 绾ц嚜鍔ㄩ┚椹跺嚭绉熻溅绯荤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郴鍒椾腑锛屾湁涓娆句綆鎴愭湰鐨勪骇鍝佸彲浠ユ彁渚 10TOPS 鐨勭畻鍔涳紝鍔熻椾粎涓 5W锛屽彲鐢ㄤ綔杞﹁締鍓嶈 ADAS 鐨勮＄畻骞冲彴銆
鎹㈠彞璇濊达紝閲囩敤鑻变紵杈 Drive AGX 骞冲彴鐨勫紑鍙戣呭湪鍗曚竴骞冲彴涓婁粎鍩轰簬涓绉嶆灦鏋勪究鑳藉紑鍙戝嚭閫傚簲涓嶅悓缁嗗垎甯傚満鐨勮嚜鍔ㄩ┚椹剁郴缁燂紝鐪佸幓浜嗗崟鐙寮鍙戝氫釜瀛愮郴缁燂紙ADAS銆丩2+ 绛夌郴缁燂級鐨勯珮鏄傛垚鏈銆
涓嶈繃锛屾兂閲囩敤 Orin 澶勭悊鍣ㄧ殑鍘傚晢杩樺緱绛変竴娈垫椂闂达紝鍥犱负杩欐捐姱鐗囦細浠 2021 骞村紑濮嬫彁渚涙牱鍝侊紝鍒2022 骞翠笅鍗婂勾鎵嶄細鎶曞叆鐢熶骇骞跺紑濮嬩緵璐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 涓婏紝鑻变紵杈剧殑鑷鍔ㄩ┚椹躲屾湅鍙嬪湀銆嶇户缁鎵╁ぇ銆
涓鍥借嚜鍔ㄩ┚椹跺叕鍙稿皬椹鏅鸿岋紙Ponyai锛夈佺編鍥界數鍔ㄨ溅鍒涗笟鍏鍙窩anoo鍜屾硶鎷夌鏈鏉ワ紙Faraday Future锛夊姞鍏ュ埌鑻变紵杈剧殑鑷鍔ㄩ┚椹剁敓鎬佸湀锛屽皢閲囩敤鑻变紵杈剧殑 Drive AGX 璁＄畻骞冲彴浠ュ強鐩稿簲鐨勯厤濂楄蒋浠躲
灏忛┈鏅鸿屽皢浼氬熀浜 Drive AGX Pegasus 璁＄畻骞冲彴鎵撻犲叏鏂颁竴浠 Robotaxi 杞﹀瀷銆
姝ゅ墠锛屽皬椹鏅鸿屽凡缁忔嬁鍒颁簡涓扮敯鐨 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溅鍨嬫墦閫犮
缇庡浗鐨勭數鍔ㄦ苯杞﹀垵鍒涘叕鍙 Canoo 鎺ㄥ嚭浜嗕竴娆句笓闂ㄧ敤浜庡叡浜鍑鸿屾湇鍔＄殑鐢靛姩杩蜂綘宸村＋锛岃″垝鍦 2021 骞翠笅鍗婂勾鎶曞叆鐢熶骇銆
涓轰簡瀹炵幇杈呭姪椹鹃┒鐨勭郴鍒楀姛鑳斤紝杩欐捐溅鍨嬩細鎼杞借嫳浼熻揪 Drive AGX Xavier 璁＄畻骞冲彴銆傚墠涓嶄箙锛孋anoo 杩樺拰鐜颁唬姹借溅杈炬垚鍚堜綔锛岃佹惡鎵嬪紑鍙戠數鍔ㄦ苯杞﹀钩鍙般
浣滀负鍏ㄧ悆鏂伴犺溅鍦堝唴姣旇緝鐗规畩瀛樺湪鐨勬硶鎷夌鏈鏉ワ紝杩欎竴娆′篃鍔犲叆鍒颁簡鑻变紵杈剧殑鑷鍔ㄩ┚椹剁敓鎬佸湀銆
FF 棣栨鹃噺浜ц溅 FF91 涓婄殑鑷鍔ㄩ┚椹剁郴缁熷皢鍩轰簬 Drive AGX Xavier 璁＄畻骞冲彴鎵撻狅紝鍏ㄨ溅鎼杞戒簡澶氳揪 36 棰楀悇绫讳紶鎰熷櫒銆
娉曟媺绗鏈鏉ュ畼鏂圭О FF91 鏈夋湜鍦ㄤ粖骞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娆¤烦绁ㄣ
浣滀负 GPU 棰嗗煙缁濆归湼涓荤殑鑻变紵杈撅紝鍦ㄩ珮绠楀姏鐨勬暟鎹涓蹇 GPU 浠ュ強楂樻ц兘銆佸彲鎵╁睍鐨勮嚜鍔ㄩ┚椹惰＄畻骞冲彴鐨勫姞鎸佷笅锛屽凡缁忓缓璧蜂簡涓涓瀹屾暣鐨勯泦鏁版嵁鏀堕泦銆佹ā鍨嬭缁冦佷豢鐪熸祴璇曘佽繙绋嬫帶鍒跺拰瀹炶溅搴旂敤鐨勮蒋浠跺畾涔夌殑鑷鍔ㄩ┚椹跺钩鍙帮紝瀹炵幇浜嗙鍒扮鐨勫畬鏁撮棴鐜銆
鍚屾椂锛屽叾鑷鍔ㄩ┚椹剁敓鎬佸湀涔熷湪涓嶆柇鎵╁ぇ锛屽寘鎷姹借溅鍒堕犲晢銆佷竴绾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┚椹朵骇涓氶摼涓婄殑浼佷笟宸茬粡鍦ㄥ熀浜庤嫳浼熻揪鐨勮＄畻纭浠跺拰閰嶅楄蒋浠跺紑鍙戙佹祴璇曞拰搴旂敤鑷鍔ㄩ┚椹惰溅杈嗐
鏈鏉ワ紝鍦ㄦ暣涓鑷鍔ㄩ┚椹朵骇涓氶噷锛屼互璁＄畻鑺鐗囦负鏍稿績浼樺娍锛岃嫳浼熻揪鐨勮Е瑙掑皢鏇村姞娣卞叆锛屾湁鏈轰細鎴愪负浜т笟閾炬潯涓婁笉鍙鎴栫己鐨勪緵搴斿晢銆
鏈鏂囨潵婧愪簬姹借溅涔嬪惰溅瀹跺彿浣滆咃紝涓嶄唬琛ㄦ苯杞︿箣瀹剁殑瑙傜偣绔嬪満銆
鍩轰簬鏋舵瀯鍒涙柊锛屼笟鍐呴栨惧瓨绠椾竴浣撳ぇ绠楀姏AI鑺鐗囩偣浜
鍙浠ュ弬鑰冧笅闈锛屾牴鎹涓浜涚綉鍚у競鍦哄父鐢ㄧ殑鏄惧崱,鏁寸悊鐨勪竴浠界浉鍏虫樉鍗＄殑浠锋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鏄惧崱
鏁存満鍔熻楋細243W
璁＄畻鍔涳細224M
鏄惧崱鍞浠凤細1999鍏
姣24灏忔椂鎸朎TH鏁伴噺锛0015
姣24灏忔椂浜х敓鏀剁泭:2448鍏
棰勮″洖鏈鏃堕棿锛8166澶
Radeon RX 470鏄惧崱
鏁存満鍔熻:159W
璁＄畻鍔涳細243M
鏄惧崱鍞浠凤細1599鍏
姣24灏忔椂鎸朎TH鏁伴噺锛0017
姣24灏忔椂浜х敓鏀剁泭:279鍏
棰勮″洖鏈鏃堕棿锛5731澶
Radeon RX 480鏄惧崱
鏁存満鍔熻:171W
璁＄畻鍔涳細244M
鏄惧崱鍞浠凤細1999鍏
姣24灏忔椂鎸朎TH鏁伴噺锛0017
姣24灏忔椂浜х敓鏀剁泭:2787鍏
棰勮″洖鏈鏃堕棿锛7173澶
鎵╁睍璧勬枡锛
鏄惧崱锛圴ideo card锛孏raphics card锛夊叏绉版樉绀烘帴鍙ｅ崱锛屽張绉版樉绀洪傞厤鍣锛屾槸璁＄畻鏈烘渶鍩烘湰閰嶇疆銆佹渶閲嶈佺殑閰嶄欢涔嬩竴銆傛樉鍗′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杩涜屾暟妯′俊鍙疯浆鎹㈢殑璁惧囷紝鎵挎媴杈撳嚭鏄剧ず鍥惧舰鐨勪换鍔°
鏄惧崱鎺ュ湪鐢佃剳涓绘澘涓婏紝瀹冨皢鐢佃剳鐨勬暟瀛椾俊鍙疯浆鎹㈡垚妯℃嫙淇″彿璁╂樉绀哄櫒鏄剧ず鍑烘潵锛屽悓鏃舵樉鍗¤繕鏄鏈夊浘鍍忓勭悊鑳藉姏锛屽彲鍗忓姪CPU宸ヤ綔锛屾彁楂樻暣浣撶殑杩愯岄熷害銆傚逛簬浠庝簨涓撲笟鍥惧舰璁捐＄殑浜烘潵璇存樉鍗￠潪甯搁噸瑕併 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(瓒呭井鍗婂间綋)鍜孨vidia(鑻变紵杈)2瀹躲傜幇鍦ㄧ殑top500璁＄畻鏈猴紝閮藉寘鍚鏄惧崱璁＄畻鏍稿績銆傚湪绉戝﹁＄畻涓锛屾樉鍗¤绉颁负鏄剧ず鍔犻熷崱銆
鍙傝冭祫鏂欙細
鏄惧崱 鐧惧害鐧剧5鏈23鏃ワ紝AI鑺鐗囧叕鍙稿悗鎽╂櫤鑳藉ｅ竷锛屽叾鑷涓荤爺鍙戠殑涓氬唴棣栨惧瓨绠椾竴浣撳ぇ绠楀姏AI鑺鐗囨垚鍔熺偣浜锛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垫祦椤哄埄閫氳繃鑺鐗囷紝閫氬父鎰忓懗鐫鑺鐗囧彲鐢锛屽悗缁娴嬭瘯淇姝ｅ悗鍗冲彲閲忎骇銆
鍩轰簬鏋舵瀯鍒涙柊锛岃ユ捐姱鐗囬噰鐢⊿RAM锛堥潤鎬侀殢鏈哄瓨鍙栧瓨鍌ㄥ櫒锛変綔涓哄瓨绠椾竴浣撲粙璐锛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风墖绠楀姏杈20TOPS锛圱OPS鏄澶勭悊鍣ㄨ繍绠楄兘鍔涘崟浣嶏級锛屽彲鎵╁睍鑷200TOPS锛岃＄畻鍗曞厓鑳芥晥姣旈珮杈20TOPS/W锛圱OPS/W鏄璇勪环澶勭悊鍣ㄨ繍绠楄兘鍔涚殑鎬ц兘鎸囨爣锛岀敤浜庡害閲忓湪1W鍔熻楃殑鎯呭喌涓嬪勭悊鍣ㄨ兘杩涜屽氬皯涓囦嚎娆℃搷浣滐級銆傝繖鏄涓氬唴棣栨惧熀浜庝弗鏍煎瓨鍐呰＄畻鏋舵瀯銆丄I绠楀姏杈惧埌鏁板崄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＄畻锛岄【鍚嶆濅箟灏辨槸鎶婅＄畻鍗曞厓宓屽叆鍒板唴瀛樺綋涓锛屾槸涓绉嶈烦鍑轰紶缁熻＄畻鏈虹粨鏋勪綋绯荤殑鎶鏈锛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绠楀姏銆佽兘鏁堟瘮绛夋柟闈㈤兘鍏锋湁鏄捐憲鐨勪紭鍔裤
鎹鎮夛紝璇ユ捐姱鐗囬噰鐢22nm鎴愮啛宸ヨ壓鍒剁▼锛屽湪鎻愬崌鑳芥晥姣旂殑鍚屾椂锛岃繕鑳芥湁鏁堟妸鎺у埗閫犳垚鏈銆傛ゅ栵紝鍦ㄧ伒娲绘ф柟闈锛岃ユ捐姱鐗囦笉浣嗘敮鎸佸競闈涓婄殑涓绘祦绠楁硶锛岃繕鍙浠ユ敮鎸佷笉鍚屽㈡埛瀹氬埗鑷宸辩殑绠楀瓙锛屾洿鍔犻傞厤浜庣畻娉曠殑楂橀熻凯浠ｃ
鍦ㄦ櫤鑳介┚椹剁瓑杈圭紭绔楂樺苟鍙戣＄畻鍦烘櫙涓锛岄櫎浜嗗圭畻鍔涢渶姹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′腑鍐呭瓨绯荤粺鐨勬ц兘鎻愬崌閫熷害澶у箙钀藉悗浜庡勭悊鍣ㄧ殑鎬ц兘鎻愬崌閫熷害锛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¤冻楂樼骇鍒鏅鸿兘椹鹃┒鐨勮＄畻闇姹傘傚叾娆★紝鏁版嵁鏉ュ洖浼犺緭鍙堜細浜х敓宸ㄥぇ鐨勫姛鑰椼 鍚庢懇鏅鸿兘鍩轰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鸿兘椹鹃┒鍦烘櫙涓嬪氬満鏅銆佸氫换鍔＄畻娉曟ā鍨嬶紝涓洪珮绾у埆鏅鸿兘椹鹃┒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¤冻楂樼骇鍒鏅鸿兘椹鹃┒鏃朵唬鐨勯渶姹傘
鍚庢懇鏅鸿兘鏄鍥藉唴鐜囧厛閫氳繃搴曞眰鏋舵瀯鍒涙柊锛岃繘琛屽ぇ绠楀姏AI鑺鐗囪捐＄殑鍒濆垱浼佷笟銆備换浣曢犺嗗紡鍒涙柊閮戒細闈㈠规瀬楂樼殑鎶鏈鎸戞垬锛岀爺鍙戜汉鍛橀渶瑕佹牴鎹浼犵粺瀛樺偍鍣ㄤ欢閲嶆柊璁捐＄數璺銆佸崟鍏冮樀鍒椼佸伐鍏烽摼绛夛紝鍚屾椂蹇呴』绐佺牬鍚勭嶇墿鐞嗗拰缁撴瀯涓婄殑鎶鏈闅鹃樸傛ゆ¤姱鐗囩偣浜鎴愬姛锛屾爣蹇楃潃鍏跺湪澶х畻鍔涘瓨绠椾竴浣撴妧鏈鐨勫伐绋嬪寲钀藉湴鍙栧緱浜嗗叧閿鎬х殑绐佺牬銆
鍚庢懇鏅鸿兘鍒涚珛浜2020骞村簳锛屾婚儴浣嶄簬鍗椾含锛屽湪鍖椾含銆佷笂娴枫佹繁鍦冲潎鎷ユ湁鎶鏈鍥㈤槦銆傛埅鑷崇洰鍓嶏紝鍚庢懇鏅鸿兘宸插畬鎴3杞铻嶈祫锛屾姇璧勬柟娑电洊绾㈡潐涓鍥姐佺粡绾鍒涙姇銆佸惎鏄庡垱鎶曘佽仈鎯冲垱鎶曠瓑澶撮儴鏈烘瀯锛屼互鍙婇噾娴︽偊杈 姹借溅 銆佷腑鍏虫潙鍚鑸绛夊浗璧勫熀閲戙
可以参考下面，根据一些网吧市场常用的显卡,整理的一份相关显卡的价格和算力以及预计回本期,大概可以做个参考:
Radeon RX 580显卡
整机功耗：243W
计算力：22.4M
显卡售价：1999元
每24小时挖ETH数量：0.015
每24小时产生收益:24.48元
预计回本时间：81.66天
Radeon RX 470显卡
整机功耗:159W
计算力：24.3M
显卡售价：1599元
每24小时挖ETH数量：0.017
每24小时产生收益:27.9元
预计回本时间：57.31天
Radeon RX 480显卡
整机功耗:171W
计算力：24.4M
显卡售价：1999元
每24小时挖ETH数量：0.017
每24小时产生收益:27.87元
预计回本时间：71.73天
(2)470580算力扩展阅读：
显卡（Video card，Graphics card）全称显示接口卡，又称显示适配器，是计算机最基本配置、最重要的配件之一。显卡作为电脑主机里的一个重要组成部分，是电脑进行数模信号转换的设备，承担输出显示图形的任务。
显卡接在电脑主板上，它将电脑的数字信号转换成模拟信号让显示器显示出来，同时显卡还是有图像处理能力，可协助CPU工作，提高整体的运行速度。对于从事专业图形设计的人来说显卡非常重要。 民用和军用显卡图形芯片供应商主要包括AMD(超微半导体)和Nvidia(英伟达)2家。现在的top500计算机，都包含显卡计算核心。在科学计算中，显卡被称为显示加速卡。
Ⅲ AMD CPU 算力表
不多解释自己查
上面型号，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 显卡矿机立放会有什么影响
以太坊挖矿显卡矿机占据了大部分，并且还有很大一部分的DIY显卡矿机没有显示。
同 ASIC 矿机一样，显卡矿机也存在很多坑，而且显卡矿机的专业化程度和透明度相对低些，对于新手矿工而言，更容易掉入坑里。
今天，中外矿业就来梳理下购买显卡矿机可能遇到的一些问题，希望可以帮助大家少走弯路，更好地规避风险。
显卡矿机及其优点
挖矿设备的演变经历了 4 个阶段：个人电脑、显卡矿机（GPU）、FPGA 矿机和 ASIC 矿机。
对于像 BTC、LTC 等发展相对成熟的 PoW 币种，算力早已被 ASIC 矿机所垄断，但一些小币种，比如匿名币 GRIN、XMR，还是以显卡矿机为主。此外，虽然以太坊（ETH）2.0 的共识机制要转变为 PoS，但目前阶段依然是显卡矿机在挖。
在算力上，显卡矿机无法与 ASIC 矿机匹敌，但显卡矿机也有自己的优势：
首先，显卡矿机能挖的币种更多，更加灵活。不像 ASIC 矿机只能挖固定算法的币种，“吊死”在一棵树上，显卡矿机可以挖绝大部分的币，哪个币种收益高就选择挖哪个币，灵活切换。
其次，显卡矿机的残值更高。显卡矿机的显卡拆下来后还可以卖到新卡价格的 6～7 折，显卡矿机的其余硬件可以卖 500～1000 元。相比之下，ASIC 矿机的残值就少得可怜，一台报废的 ASIC 矿机硬件只能卖 30 元左右。
最后，显卡矿机可供 DIY 的空间大。ASIC 矿机出厂时就封装好了，功率、算力、能效比都是固定的，虽然有些型号的矿机可以采取降频、超频等方式，改变矿机的能效比，但变动的幅度不大；相比之下，显卡矿机的可操作空间就很大了，除了官方封装的显卡矿机外，动手能力强的矿工也可以根据自身需求去市场上购买 CPU、显卡、主板、内存、硬盘、电源和机箱，然后自己组装。
购买显卡矿机会遇到哪些坑
ASIC 矿机需要研发芯片，前期需要投入大量的资金和技术人才，门槛高，风险大，所以能生产 ASIC 矿机的厂商屈指可数。显卡矿机不需要开发专用的芯片，最重要的部件显卡是现成的，资金门槛和技术门槛更低。在 2017 年加密货币大牛市期间，超过一半的华强北显卡经销商都试过自己组装显卡矿机去参与挖矿。
普通用户在购买显卡矿机时，需要避开以下几个坑：
1、新机器装了二手显卡
显卡矿机的组装门槛相对较低，这给了一些黑心的矿机厂商“发财机会”。他们卖的一些新矿机，里面封装的并不是全新的显卡，而是二手甚至三手的显卡，简单翻新后，普通人根本没有能力鉴别出来。这样的矿机，上架后会经常出现算力不足、故障率高等现象。
2、通过刷 BIOS 篡改显卡信息
显卡矿机最重要的部件是显卡，显卡的性能和数量直接决定了矿机的算力。一些黑心的显卡矿机二道贩子会通过刷固件的形式，来篡改显卡的信息，从而将低端显卡矿机卖出高端矿机的价钱。
举个例子，AMD 显卡的 GPU 核心晶片上已经多年不印任何型号参数了，而 RX470~RX580 显卡都有着相通的 PCB 方案，通过刷 BIOS 可以更改显卡的一部分信息，让人无法通过 GPU 核心上判断矿机里封装的显卡是最低端的 RX470 还是 RX580。
这里简单解释下 BIOS。它是一个控制程序，控制着显卡的各种工作状态，包括核心工作频率、显存工作频率、功耗限制、工作电压、显存时序等核心参数。刷 BIOS 就是用新的控制程序替代原厂的程序，从而篡改某些核心参数，以达到更好的能效比。这有点像 ASIC 矿机刷固件实现超频、降频。
Ⅳ 2022年显卡算力天梯图
显卡在Ethash算法算力的表现如下：
Nvidia CMP 170HX，算力为165 MH/s。
Nvidia RTX 3090，算力为121.16 MH/s。
AMD Radeon VII，算力为104.6 MH/s。
Nvidia RTX A30，算力为102 MH/s。
Nvidia RTX 3080，算力为97.88 MH/s。
Nvidia RTX A5000与Nvidia RTX A6000，算力均为93.6 MH/s。
Nvidia CMP 90HX，算力为86 MH/s。
AMD RX 6800与AMD RX 6800 XT，算力均为63.44 MH/s。
Nvidia RTX 3070，算力为61.79 MH/s。
Nvidia RTX 3060Ti，算力为60.21 MH/s。
Nvidia RTX 2080Ti，算力为59.21 MH/s。
AMD RX 6900 XT，算力为60.44 MH/s。
Nvidia RTX 3080Ti，算力为58.68 MH/s。
AMD RX 5700 XT，算力为54.28 MH/s。
Nvidia RTX A4000，算力为54.6 MH/s。
AMD RX 5700，算力为50.99 MH/s。
Nvidia RTX 3060，算力为49.64 MH/s。
AMD RX Vega 64，算力为49.25 MH/s。
AMD RX 6700 XT，算力为47.02 MH/s。
Nvidia RTX 3080 LHR，算力为48.88 MH/s。
Nvidia Titan XP，算力为49.02 MH/s。
Nvidia Tesla P100-PCIE-16GB，算力为44.85 MH/s。
Nvidia GTX 1080Ti，算力为45.68 MH/s。
Nvidia RTX 2080 Super，算力为44.54 MH/s。
Nvidia P102-100，算力为44.55 MH/s。
Nvidia CMP 50HX，算力为45 MH/s。
AMD RX 5600 XT，算力为37.65 MH/s。
Nvidia RTX 2060 Super，算力为37.67 MH/s。
Nvidia RTX 2080，算力为37.53 MH/s。
Nvidia RTX 3070Ti，算力为39.18 MH/s。
Nvidia RTX 2070 Super，算力为37.18 MH/s。
Nvidia RTX 2070，算力为36.63 MH/s。
AMD RX 580，算力为32.74 MH/s。
Nvidia CMP 40HX，算力为36 MH/s。
Nvidia RTX 3060 LHR V2，算力为33.54 MH/s。
Nvidia GTX 1080，算力为35.16 MH/s。
AMD RX Vega 56，算力为35.97 MH/s。
AMD RX 470与AMD RX 570，算力分别为31.57 MH/s与31.31 MH/s。
Nvidia GTX 1660 Super，算力为31.61 MH/s。
Nvidia P104-100，算力为32.51 MH/s。
Nvidia RTX 3070 LHR，算力为30.79 MH/s。
Nvidia CMP 30HX，算力为29.43 MH/s。
AMD RX 6600 XT，算力为28.32 MH/s。
AMD Vega Frontier Edition，算力为31.14 MH/s。
Nvidia RTX 3060Ti LHR，算力为30.21 MH/s。
Nvidia GTX 1070Ti，算力为28.58 MH/s。
AMD RX 590，算力为29.53 MH/s。
AMD RX 480，算力为25.54 MH/s。
Nvidia GTX 1660Ti，算力为25.72 MH/s。
Nvidia RTX 2060，算力为27.71 MH/s。
Nvidia GTX 1070，算力为26.27 MH/s。
AMD RX 5500 XT，算力为25.07 MH/s。
Nvidia GTX 1660，算力为21.28 MH/s。
Nvidia P106-100，算力为21.77 MH/s。
Nvidia GTX 1060，算力为20.03 MH/s。
AMD RX 460，算力为13.13 MH/s。
Nvidia GTX 1650，算力为11.37 MH/s。
AMD RX 560，算力为10.27 MH/s。
Nvidia Titan V，算力为74.37 MH/s。
Nvidia CMP 220HX，算力为210 MH/s。
AMD RX 550，算力为11.97 MH/s。
Nvidia GTX 1050Ti，算力为15.98 MH/s。
Nvidia GTX 1050，算力为12.53 MH/s。
Nvidia GTX 1650 Super，算力为0 MH/s。
Ⅵ rx470显卡能挖以太坊吗
GPU服务器是基于GPU的应用于视频编解码、深度学习、科学计算等多种场景的快速、稳定、弹性的计算服务。
作用是：出色的图形处理能力和高性能计算能力提供极致计算性能，有效解放计算压力，提升产品的计算处理效率与竞争力。
采用2颗至强E5-2600V3系列处理器，内存采用128GB/256GB DDR4 2133/2400MHZ,系统硬盘采用2块512G SSD固态硬盘，数据硬盘采用3块25寸2T企业级硬盘，或者3块35寸 4T企业级硬盘，平台采用支持两GPU服务器（LZ-743GR），四GPU服务器(LZ-748GT)，八GPU服务器(LZ-4028GR)。
rx470显卡挖矿算力215mh/s，那么换算成一天算力是多少T？
算力是指计算设备通过处理数据，实现特定结果输出的计算能力。
算力广泛存在于手机、PC、超级计算机等各种硬件设备中，没有算力，这些软、硬件就不能正常使用。而玩虚拟货币的投资者，都听过算力这个词，在区块链中，算力通常是指挖矿机挖出比特币的能力，算力占全网算力的比例越高，算力产出的比特币就越多。
算力可分为三类：第一类，就是高性能计算，即“超算”。第二类算力，为人工智能计算机，主要用于处理人工智能应用问题；第三类就是数据中心，它更多是通过云计算的方式给大家提供算力的公共服务。这三种计算中心，合起来就反映出一个国家的算力。
2023年算力龙头上市公司：
1、拓维信息：公司依托兆瀚服务器和兆瀚AI推理服务器提供的通用和A算力支持，在云边端的技术框架内，重点发展鸿蒙行业专属操作系统、鸿蒙行业专属终端、拓维元操作系统、行业边缘一体机，“软+硬”深度融合，实现云边端协同，以边端促云。
2、科大讯飞：讯飞的算力完全满足AI算法模型训练，可面向开放平台数百万开发者和其他行业伙伴提供相关AI服务的需求，公司持续打造人工智能核心技术的领先引擎，通过无监督训练、小数据学习算法的突破，用更少的标记数据实现更好的效果，从而降低人工智能在各个领域推广落地的成本。
3、首都在线：公司的CDS首云异构算力平台，主要面向以GPU算力为主的业务场景，既包括了以深度学习、AI计算、超算为主的算力业务，也覆盖了以影视渲染、实时渲染、云游戏、XR等视觉计算需求。
算盘和计算机
显卡现在挖不出来比特币的。你这个算力是以太坊的算力。计算方法也不对
具体步骤如下：
一天有86400秒，而你提供的单位mh/s并不是容量单位，所以请自行计算。
ETH ETC ZEC SC 等才是显卡挖矿的。
最近因为挖矿火爆，部分显卡型号供货紧张，A卡就有好几款基本断货了，价格也上涨了不少。英伟达专业矿卡可能就在本月10号左右出货，而A卡这边有RX470、RX560两款专业矿卡，后续是否还会有其它型号的专业矿卡型号推出，那就得看挖矿还是否能稳定下去了。本次我们要对比的是RX460和GTX1060两款显卡的挖矿算力，下面的测试数据是以太币挖矿算力。
英伟达发布史上最强计算平台，黄教主：自动驾驶不再担心算力问题
硅谷的计算机博物馆认为中国的算盘是最早的计算机之一。算盘具备了计算机的基本特点，软件就是口诀，输入、输出、计算、存储就靠算珠和算盘的框架。仔细想想，这还真是一台极简主义的发明。
算盘非常好用，在中国，直到90年代随着计算机的普及，算盘才被彻底取代掉。80年代计算器发明以后，在很多专业的财会领域，并没有取代算盘，很多老师傅还是觉得算盘更快。
在电视剧《暗算》里，我们甚至看到一堆人使用算盘计算来破解密码。
算盘在中国的出现，最早可以追溯到东汉，最晚也基本是宋元时代了。可以想象在那个年代，有了算盘的中国人，在算力上绝对碾压全球。
西方世界开始钻研用机械来做计算大约要到17世纪了，也就是我们的晚明时期。帕斯卡发明了机械计算器，使用齿轮等复杂机械装置来做加减法。虽然它的计算速度还是不如算盘，但它的好处是完全自动的，我们只管输入，具体计算完全靠机械装置来完成，不需要我们背诵乘法口诀了。
巴贝奇后来发明了差分机和分析机，可以进行加减乘除以外的更加复杂的计算，如对数、三角函数、平方、微积分计算等。
当然，机械计算机过于复杂，并没有真正流行开，但是从机械计算机和算盘的区别，我们已经开出东西方思维的不同，甚至文明的不同走向。
1、在制造和使用工具上，中国在明末之前并不落后。
2、但是，中国的工具相对简单，要进一步提高效率，需要的不是进一步升级工具，而是很多人一起使用工具，比如100个人一起用算盘。但是西方对工具赋予了几乎无限的能力预期，使得他们发明了只需要极少数人操作，但可以完成巨大工作量的工具。机械计算器是一种，其它还有很多，比如纺织机、蒸汽机等。
3、中国文化自己对于工具的进一步发展几乎停滞了，而西方是日新月异。
西方学者有个观点，说中国在明朝和清朝时期，农业和人口政策都发展的太好了，人口规模达到了数亿，这样造成了一种内卷化效应，也就是说中国的廉价劳动力太多了，对任何提升劳动效率的发明创造都没有需求。所以，中华文明自己把自己锁死了，只能靠西方文明的强势入侵才能走出死循环。
李约瑟也有著名一问，为什么古代科技那么发达的中国没有诞生科学。
其实科学是一整套思维和认知体系，包括形而上学、逻辑、数学、怀疑精神、独立思想等等。这些其实在中国古代的皇权社会都不具备。所以，也不仅仅是内卷化的问题。
我们再回头看看题目里说的，算盘也使计算机的问题。
我们发明了算盘，但是直到90年代，我们还在使用算盘。但是西方社会已经从机械计算器发展到了今天的各种电子计算机。
我们的文明在工具的进化上停止了，但是西方文明却在一直不断的进步。这其实像极了，人和动物的区别，不管是使用工具还是群体协作，动物一直停留在一个水平不再发展了，但是人却一直发展，其速度远超生物基因的变异速度。所以很多学者认为，智人的思维升级以后，人类的发展速度已经摆脱了生物基因，我们超越了进化论。道金斯提出了文化基因的概念，meme，他认为文化基因自己也在变异和复制。
从这个意义上说，应该是某种文化基因，比如科技基因，在东西方文明中有着巨大区别，这种区别在晚明以后发生了质变。科技基因自己在全世界繁殖、变异、进化。而我们中国人，自己并没有演化出科技基因。
凯文凯利在他的书《科技究竟想要什么》里，也提出，科技也是一种生命，它有自己的生存和发展动力。
显卡怎么计算挖矿算力
原本应该在今年 3 月份于加州圣何塞举办的英伟达 GTC 2020 大会，因为全球性新冠病毒肺炎的爆发而不得不推迟举行。
比原计划晚了将近 2 个月，英伟达 GTC 2020 终于在 5 月 14 日回归。
不过这一次开发者们没办法在线下集会，只能通过线上直播观看「皮衣教主」黄仁勋的主题演讲。老黄此次是在他硅谷的家中完成了这场别开生面的「Kitchen Keynote」。
虽然是厨房举行，英伟达依然爆出「核弹」，发布了全新一代的 GPU 架构 Ampere（安培）。
在自动驾驶方向上，英伟达通过两块 Orin SoC 和两块基于安培架构的 GPU 组合，实现了前所未有的2000 TOPS算力的 Robotaxi 计算平台，整体功耗为800W。
有业界观点认为，实现 L2 自动驾驶需要的计算力小于 10 TOPS，L3 需要的计算力为 30 - 60 TOPS，L4 需要的计算力大于 100 TOPS，L5 需要的计算力至少为 1000 TOPS。
现在的英伟达自动驾驶计算平台已经建立起了从10TOPS/5W，200TOPS/45W到2000 TOPS/800W的完整产品线，分别对应前视模块、L2+ADAS以及Robotaxi的各级应用。
从产品线看，英伟达Drive AGX将全面对标 MobileyeEyeQ系列，希望成为量产供应链中的关键厂商。
1、全新 GPU 架构：Ampere（安培）
2 个月的等待是值得的，本次 GTC 上，黄仁勋重磅发布了英伟达全新一代 GPU 架构 Ampere（安培）以及基于这一架构的首款 GPU NVIDIA A100。
A100 在整体性能上相比于前代基于 Volta 架构的产品有 20 倍的提升，这颗 GPU 将主要用于数据分析、专业计算以及图形处理。
在安培架构之前，英伟达已经研发了多代 GPU 架构，它们都是以科学发展史上的伟人来命名的。
比如 Tesla（特斯拉）、Fermi（费米）、Kepler（开普勒）、Maxwell（麦克斯维尔）、Pascal（帕斯卡）、Volta（伏特）以及 Turing（图灵）。
这些核心架构的升级正是推动英伟达各类 GPU 产品整体性能提升的关键。
针对基于安培架构的首款 GPU A100，黄仁勋细数了它的五大核心特点：
集成了超过 540 亿个晶体管，是全球规模最大的 7nm 处理器；引入第三代张量运算指令 Tensor Core 核心，这一代 Tensor Core 更加灵活、速度更快，同时更易于使用；采用了结构化稀疏加速技术，性能得以大幅提升；支持单一 A100 GPU 被分割为多达 7 块独立的 GPU，而且每一块 GPU 都有自己的资源，为不同规模的工作提供不同的计算力；集成了第三代 NVLink 技术，使 GPU 之间高速连接速度翻倍，多颗 A100 可组成一个巨型 GPU，性能可扩展。
这些优势累加起来，最终让 A100 相较于前代基于 Volta 架构的 GPU 在训练性能上提升了6 倍，在推理性能上提升了7 倍。
最重要的是，A100 现在就可以向用户供货，采用的是台积电的 7nm 工艺制程生产。
阿里云、网络云、腾讯云这些国内企业正在计划提供基于 A100 GPU 的服务。
2、Orin+安培架构 GPU：实现 2000TOPS 算力
随着英伟达全新 GPU 架构安培的推出，英伟达的自动驾驶平台（NVIDIA Drive）也迎来了一次性能的飞跃。
大家知道，英伟达此前已经推出了多代 Drive AGX 自动驾驶平台以及 SoC，包括Drive AGX Xavier、Drive AGX Pegasus以及Drive AGX Orin。
其中，Drive AGX Xavier 平台包含了两颗 Xavier SoC，算力可以达到 30TOPS，功耗为 30W。
最近上市的小鹏 P7 上就量产搭载了这一计算平台，用于实现一系列 L2 级自动辅助驾驶功能。
Drive AGX Pegasus 平台则包括了两颗 Xavier SoC 和两颗基于图灵架构的 GPU，算力能做到 320TOPS，功耗为 500W。
目前有文远知行这样的自动驾驶公司在使用这一计算平台。
在 2019 年 12 月的 GTC 中国大会上，英伟达又发布了最新一代的自动驾驶计算 SoC Orin。
这颗芯片由 170 亿个晶体管组成，集成了英伟达新一代 GPU 架构和 Arm Hercules CPU 内核以及全新深度学习和计算机视觉加速器，最高每秒可运行 200 万亿次计算。
相较于上一代 Xavier 的性能，提升了 7 倍。
如今，英伟达进一步将自动驾驶计算平台的算力往前推进，通过将两颗 Orin SoC 和两块基于安培架构的 GPU 集成起来，达到惊人的 2000TOPS 算力。
相较于 Drive AGX Pegasus 的性能又提升了 6 倍多，相应地，其功耗为 800W。
按一颗 Orin SoC 200TOPS 算力来计算，一块基于安培架构的 GPU 的算力达到了 800TOPS。
正因为高算力，这个平台能够处理全自动驾驶出租车运行所需的更高分辨率传感器输入和更先进的自动驾驶深度神经网络。
对于高阶自动驾驶技术的发展而言，英伟达正在依靠 Orin SoC 和安培 GPU 架构在计算平台方面引领整个行业。
当然，作为一个软件定义的平台，英伟达 Drive AGX 具备很好的可扩展性。
特别是随着安培 GPU 架构的推出，该平台已经可以实现从入门级 ADAS 解决方案到 L5 级自动驾驶出租车系统的全方位覆盖。
比如英伟达的 Orin 处理器系列中，有一款低成本的产品可以提供 10TOPS 的算力，功耗仅为 5W，可用作车辆前视 ADAS 的计算平台。
换句话说，采用英伟达 Drive AGX 平台的开发者在单一平台上仅基于一种架构便能开发出适应不同细分市场的自动驾驶系统，省去了单独开发多个子系统（ADAS、L2+ 等系统）的高昂成本。
不过，想采用 Orin 处理器的厂商还得等一段时间，因为这款芯片会从 2021 年开始提供样品，到2022 年下半年才会投入生产并开始供货。
3、英伟达自动驾驶「朋友圈」再扩大
本届 GTC 上，英伟达的自动驾驶「朋友圈」继续扩大。
中国自动驾驶公司小马智行（Ponyai）、美国电动车创业公司Canoo和法拉第未来（Faraday Future）加入到英伟达的自动驾驶生态圈，将采用英伟达的 Drive AGX 计算平台以及相应的配套软件。
小马智行将会基于 Drive AGX Pegasus 计算平台打造全新一代 Robotaxi 车型。
此前，小马智行已经拿到了丰田的 4 亿美金投资，不知道其全新一代 Robotaxi 会不会基于丰田旗下车型打造。
美国的电动汽车初创公司 Canoo 推出了一款专门用于共享出行服务的电动迷你巴士，计划在 2021 年下半年投入生产。
为了实现辅助驾驶的系列功能，这款车型会搭载英伟达 Drive AGX Xavier 计算平台。前不久，Canoo 还和现代汽车达成合作，要携手开发电动汽车平台。
作为全球新造车圈内比较特殊存在的法拉第未来，这一次也加入到了英伟达的自动驾驶生态圈。
FF 首款量产车 FF91 上的自动驾驶系统将基于 Drive AGX Xavier 计算平台打造，全车搭载了多达 36 颗各类传感器。
法拉第未来官方称 FF91 有望在今年年底开始交付，不知道届时会不会再一次跳票。
作为 GPU 领域绝对霸主的英伟达，在高算力的数据中心 GPU 以及高性能、可扩展的自动驾驶计算平台的加持下，已经建起了一个完整的集数据收集、模型训练、仿真测试、远程控制和实车应用的软件定义的自动驾驶平台，实现了端到端的完整闭环。
同时，其自动驾驶生态圈也在不断扩大，包括汽车制造商、一级供应商、传感器供应商、Robotaxi 研发公司和软件初创公司在内的数百家自动驾驶产业链上的企业已经在基于英伟达的计算硬件和配套软件开发、测试和应用自动驾驶车辆。
未来，在整个自动驾驶产业里，以计算芯片为核心优势，英伟达的触角将更加深入，有机会成为产业链条上不可或缺的供应商。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
基于架构创新，业内首款存算一体大算力AI芯片点亮
可以参考下面，根据一些网吧市场常用的显卡,整理的一份相关显卡的价格和算力以及预计回本期,大概可以做个参考:
Radeon RX 580显卡
整机功耗：243W
计算力：224M
显卡售价：1999元
每24小时挖ETH数量：0015
每24小时产生收益:2448元
预计回本时间：8166天
Radeon RX 470显卡
整机功耗:159W
计算力：243M
显卡售价：1599元
每24小时挖ETH数量：0017
每24小时产生收益:279元
预计回本时间：5731天
Radeon RX 480显卡
整机功耗:171W
计算力：244M
显卡售价：1999元
每24小时挖ETH数量：0017
每24小时产生收益:2787元
预计回本时间：7173天
(6)470580算力扩展阅读：
显卡（Video card，Graphics card）全称显示接口卡，又称显示适配器，是计算机最基本配置、最重要的配件之一。显卡作为电脑主机里的一个重要组成部分，是电脑进行数模信号转换的设备，承担输出显示图形的任务。
显卡接在电脑主板上，它将电脑的数字信号转换成模拟信号让显示器显示出来，同时显卡还是有图像处理能力，可协助CPU工作，提高整体的运行速度。对于从事专业图形设计的人来说显卡非常重要。 民用和军用显卡图形芯片供应商主要包括AMD(超微半导体)和Nvidia(英伟达)2家。现在的top500计算机，都包含显卡计算核心。在科学计算中，显卡被称为显示加速卡。
Ⅶ 浠涔堟槸gpu鏈嶅姟鍣锛
GPU鏈嶅姟鍣ㄦ槸涓绉嶆惌杞戒簡鍥惧舰澶勭悊鍗曞厓锛圙PU锛夌殑涓撶敤鏈嶅姟鍣锛屽畠鑳藉熸彁渚涢珮鎬ц兘鐨勮＄畻鏈嶅姟锛屽挨鍏堕傜敤浜庤嗛戠紪瑙ｇ爜銆佹繁搴﹀︿範鍜岀戝﹁＄畻绛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寘鎷锛
楂樻ц兘璁＄畻锛欸PU鏈嶅姟鍣ㄥ埄鐢℅PU鐨勫ぇ瑙勬ā骞惰岃＄畻鏋舵瀯锛屽彲浠ュ悓鏃跺勭悊鎴愬崈涓婁竾鐨勮＄畻浠诲姟锛岀壒鍒閫傚悎浜庤＄畻瀵嗛泦鍨嬬殑搴旂敤绋嬪簭銆
浠诲姟鍒嗘媴锛氬湪杩愯屽簲鐢ㄧ▼搴忔椂锛孏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鍒欑户缁鎵ц屽叾浣欑殑绋嬪簭浠ｇ爜锛岃繖鏍峰彲浠ユ樉钁楁彁楂樻暣涓搴旂敤绋嬪簭鐨勮繍琛岄熷害銆
搴旂敤鍦烘櫙骞挎硾锛欸PU鏈嶅姟鍣ㄩ傜敤浜庡氱嶈＄畻鍦烘櫙锛屽寘鎷浣嗕笉闄愪簬浜哄伐鏅鸿兘璁缁冦佸浘鍍忓拰瑙嗛戝勭悊銆佸嶆潅鐨勭戝︽ā鎷熺瓑銆
绋冲畾鎬т笌寮规э細GPU鏈嶅姟鍣ㄤ笉浠呰＄畻閫熷害蹇锛岃屼笖绋冲畾鎬ч珮锛屾敮鎸佸脊鎬у彉鍖栵紝鍗冲彲浠ユ牴鎹闇姹傝皟鏁磋＄畻璧勬簮鐨勮勬ā銆
闆嗙兢閰嶇疆锛氬湪鏋勫缓璁＄畻鏈洪泦缇ゆ椂锛屽彲浠ヤ负姣忎釜鑺傜偣閰嶅嘒PU锛屽舰鎴怗PU鏈嶅姟鍣ㄩ泦缇ゃ傝繖鏍风殑閰嶇疆鍙浠ヨ繘涓姝ユ彁鍗囪＄畻鏁堢巼锛屾弧瓒虫洿澶ц勬ā鐨勮＄畻闇姹傘