NVIDIA H200 GPU 相比 H100 提供了更高的内存带宽,使其在 LLM 推理等内存密集型任务中更高效。虽然 H200 的计算能力与 H100 相似,但其更高的内存吞吐量(4.8 TB/s 对比 3.35 TB/s)可以带来每 token 的成本节省,尤其是在 Together AI 等供应商处,其成本不到 H100 的 1.43 倍。即将推出的 Nvidia B200 GPU 预计将在所有指标和供应商上都优于 H100 和 H200。 AI
影响 H200 的内存带宽优势可能带来更具成本效益的 LLM 推理,而即将推出的 B200 则有望实现显著的性能提升。
排序理由 对 AI 工作负载的 GPU 定价和性能基准进行分析。[lever_c_demoted from significant: ic=1 ai=0.7]
- Barcelona Supercomputing Center
- Flashattention
- H200
- IBM
- Llama 2
- Nvidia
- Nvidia B200
- NVIDIA H100
- OPT-1.3B
- RunPod
- Samsung
- TechCrunch
- Together AI
- vLLM
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →