NVIDIA® Tesla® A100 概览
NVIDIA ® A100 Tensor Core GPU 可针对 AI、数据分析和高性能计算 (HPC) 应用，在各个规模下实现出色加速，有效助力全球高性能弹性数据中心。作为 NVIDIA 数据中心平台的引擎，相较于前一代 NVIDIA Volta ™ ，A100 可提供高达 20 倍的性能。A100 支持高效扩展，也可划分多达七个独立的 GPU实例，多实例 GPU (MIG) 可提供统一平台，助力弹性数据中心动态地适应不断变化的工作负载需求。
NVIDIA A100 Tensor Core 技术支持广泛的数学精度，可针对每个工作负载提供单个加速器。最新一代 A100 80GB 将 GPU 显存加倍，提供2TB/s 的全球超快显存带宽，可加速处理超大模型和海量数据集。
A100 是整个 NVIDIA 数据中心解决方案的一部分，该解决方案由硬件、网络、软件、库以及 NGC ™ 中经优化的 AI 模型和应用等叠加而成。作为性能超强的端到端数据中心专用 AI和 HPC 平台，它可助力研究人员交付真实的结果，并将解决方案大规模部署到生产环境中。
| A100 40GB PCIE | A100 80GB PCIE | A100 40GB SXM | A100 80GB SXM | |
| FP64 | 9.7 TFLOPS | |||
| FP64 Tensor Core | 19.5 TFLOPS | |||
| FP32 | 19.5 TFLOPS | |||
| Tensor Float 32 (TF32) | 156 TFLOPS | 312 TFLOPS* | |||
| BFLOAT16 Tensor Core | 312 TFLOPS | 624 TFLOPS* | |||
| FP16 Tensor Core | 312 TFLOPS | 624 TFLOPS* | |||
| INT8 Tensor Core | 624 TOPS | 1248 TOPS* | |||
| GPU 显存 | 40GB HBM2 | 80GB HBM2e | 40GB HBM2 | 80GB HBM2e |
| GPU 显存带宽 | 1,555GB/s | 1,935GB/s | 1,555GB/s | 2,039GB/s |
| 热设计功耗 (TDP) | 250W | 300W | 400W | 400W |
| 多实例 GPU | 多达 7 MIG @ 5GB | 多达 7 MIG @ 10GB | 多达 7 MIG @ 5GB | 多达 7 MIG @ 10GB |
| 外形规格 | PCIe | SXM | ||
| 互联 | NVIDIA® NVLink® 桥接器（可桥接 2 个 GPU）： 600GB/s ** PCIe 4.0：64GB/s | NVLink: 600GB/s PCIe Gen4: 64GB/s | ||
NVIDIA AMPERE 架构
无论是使用 MIG 将 A100 GPU 分割为较小的实例，还是使用 NVIDIA® NVLink® 连接多个 GPU 来加速大规模工作负载，A100 均可轻松满足不同规模的加速需求，从小型作业到大型多节点工作负载无一例外。A100 功能全面，这意味着 IT 经理可借此充分利用数据中心内的每个 GPU。
第三代 TENSOR CORE
对比 NVIDIA Volta GPU，其深度学习训练的 Tensor FLOPS 和推理的 Tensor TOPS 皆为 NVIDIA Volta™ GPU 的 20 倍，NVIDIA A100 的深度学习计算能力可达 312 teraFLOPS (TFLOPS)。
新一代 NVLINK
A100 中采用的 NVIDIA NVLink 可提供两倍于上一代的吞吐量。与 NVIDIA NVSwitch™ 结合使用时，此技术可将多达 16 个 A100 GPU 互联，并将速度提升至 600GB/s，从而在单个服务器上实现出色的应用性能。
多实例 GPU (MIG)
一个 A100 GPU 可分割成多达七个GPU 实例，这些实例在硬件级别完全独立，并独自拥有高带宽显存、缓存和计算核心。借助 MIG，开发者可为其所有应用实现惊人加速，IT 管理员也可为每个作业提供符合其规模的 GPU 加速，进而优化 GPU 利用率，让每个用户和应用都能使用 GPU 实例。
HBM2E 显存
凭借 80GB 的高带宽显存(HBM2e)，A100 将显存带宽提升至超过2TB/s ，并将动态随机存取存储器 (DRAM) 的利用效率提高至95%。A100 提供的显存带宽是上一代产品的 1.7 倍。
结构化稀疏
A100 中的 Tensor Core 可为稀疏模型提供高达两倍的性能提升。稀疏功能不仅更容易使 AI 推理受益，同时还能提升模型的训练性能。