Nvidia Tesla

Nvidia Tesla era el nombre de la línea de productos de Nvidia destinados al procesamiento de flujo o unidades de procesamiento de gráficos de uso general (GPGPU), que lleva el nombre del pionero ingeniero eléctrico Nikola Tesla. Sus productos comenzaron a usar GPU de la serie G80 y han seguido acompañando el lanzamiento de nuevos chips. Son programables utilizando las API de CUDA o OpenCL.

Nvidia Tesla
NvidiaTesla C2075
Información
Tipo	Tarjeta gráfica
Desarrollador	Nvidia
Fecha de lanzamiento	2 de mayo de 2007 (18 años)
Descontinuación	Mayo de 2020 (5 años)
Datos técnicos
Microarquitectura	Tesla
Estandarización
Uso	GPGPU
[editar datos en Wikidata]

La línea de productos Nvidia Tesla compitió con las líneas de tarjetas GPU y de aprendizaje profundo Radeon Instinct e Intel Xeon Phi de AMD.

Nvidia retiró la marca Tesla en mayo de 2020, supuestamente debido a una posible confusión con la marca de automóviles.^[1] Sus nuevas GPU tienen la marca Nvidia Data Center GPU,^[2] como en la GPU Ampere A100.^[3]

Descripción general

Ofreciendo una potencia computacional mucho mayor que los microprocesadores tradicionales, los productos de Tesla apuntaron al mercado de computación de alto rendimiento.^[4] A 2012 , Nvidia Tesla alimentan algunas de las supercomputadoras más rápidas del mundo, incluida Summit en el Laboratorio Nacional Oak Ridge y Tianhe-1A, en Tianjin, China.

Las tarjetas Tesla tienen un rendimiento de precisión doble cuatro veces superior al de una tarjeta Nvidia GeForce basada en Fermi con un rendimiento de precisión simple similar.  A diferencia de las tarjetas GeForce de consumo de Nvidia y las tarjetas Nvidia Quadro profesionales, las tarjetas Tesla originalmente no podían mostrar imágenes en una pantalla. Sin embargo, los últimos productos de clase C de Tesla incluían un puerto DVI de doble enlace.^[5]

Como parte del Proyecto Denver, Nvidia tiene la intención de incorporar núcleos de procesador ARMv8 en sus GPU.^[6] Este será un seguimiento de 64 bits de los chips Tegra de 32 bits.

El Tesla P100 utiliza el proceso de fabricación de semiconductores FinFET de 16 nanómetros de TSMC, que es más avanzado que el proceso de 28 nanómetros utilizado anteriormente por las GPU de AMD y Nvidia entre 2012 y 2016. El P100 también usa la memoria HBM2 de Samsung.^[7]

Aplicaciones

Los productos de Tesla se utilizan principalmente en simulaciones y cálculos a gran escala (especialmente cálculos de punto flotante) y para la generación de imágenes de alto nivel para campos profesionales y científicos.^[8]

En 2013, la industria de la defensa representó menos de una sexta parte de las ventas de Tesla, pero Sumit Gupta predijo un aumento de las ventas en el mercado de la inteligencia geoespacial.^[9]

Especificaciones

Modelo	Microarquitectura	Lanzamiento	Chips	Reloj del núcleo (MHz)	Sombreadores			Memoria					Poder de procesamiento (GFLOPS)[Notas 1]			Capacidad de cómputo CUDA[Notas 2]	TDP(vatios)	Notas,factor de forma
					Núcleos Cuda (total)	Reloj base (MHz)	Máx. reloj turbo (MHz)[Notas 3]	Tipo de bus	Ancho del bus (bit)	Tamaño (GB)	Reloj (MT/s)	Ancho de banda (GB/s)	Media precisiónTensor Core FP32 Accumulate	Simple precisión(MAD o FMA)	Doble precisión(FMA)
C870 GPU Computing Module[Notas 4]	Tesla	2 de mayo de 2007	1× G80	600	128	1350	N/A	GDDR3	384	1.5	1600	76.8	No	345.6	No	1.0	170.9	Internal PCIe GPU (full-height, dual-slot)
D870 Deskside Computer[Notas 4]		2 de mayo de 2007	2× G80	600	256	1350	N/A	GDDR3	2× 384	2× 1.5	1600	2× 76.8	No	691.2	No	1.0	520	Deskside or 3U rack-mount external GPUs
S870 GPU Computing Server[Notas 4]		2 de mayo de 2007	4× G80	600	512	1350	N/A	GDDR3	4× 384	4× 1.5	1600	4× 76.8	No	1382.4	No	1.0		1U rack-mount external GPUs, connect via 2× PCIe (×16)
C1060 GPU Computing Module[Notas 5]		9 de abril de 2009	1× GT200	602	240	1296[11]	N/A	GDDR3	512	4	1600	102.4	No	622.08	77.76	1.3	187.8	Internal PCIe GPU (full-height, dual-slot)
S1070 GPU Computing Server "400 configuration"[Notas 5]		1 de junio de 2008	4× GT200	602	960	1296	N/A	GDDR3	4× 512	4× 4	1538.4	4× 98.5	No	2488.3	311.0	1.3	800	1U rack-mount external GPUs, connect via 2× PCIe (×8 or ×16)
S1070 GPU Computing Server "500 configuration"[Notas 5]						1440	N/A						No	2764.8	345.6
S1075 GPU Computing Server[Notas 5][12]		1 de junio de 2008	4× GT200	602	960	1440	N/A	GDDR3	4× 512	4× 4	1538.4	4× 98.5	No	2764.8	345.6	1.3		1U rack-mount external GPUs, connect via 1× PCIe (×8 or ×16)
Quadro Plex 2200 D2 Visual Computing System[Notas 6]		25 de julio de 2008	2× GT200GL	648	480	1296	N/A	GDDR3	2× 512	2× 4	1600	2× 102.4	No	1244.2	155.5	1.3		Deskside or 3U rack-mount external GPUs with 4 dual-link DVI outputs
Quadro Plex 2200 S4 Visual Computing System[Notas 6]		25 de julio de 2008	4× GT200GL	648	960	1296	N/A	GDDR3	4× 512	4× 4	1600	4× 102.4	No	2488.3	311.0	1.3	1200	1U rack-mount external GPUs, connect via 2× PCIe (×8 or ×16)
C2050 GPU Computing Module[13]	Fermi	25 de julio de 2011	1× GF100	575	448	1150	N/A	GDDR5	384	3[Notas 7]	3000	144	No	1030.4	515.2	2.0	247	Internal PCIe GPU (full-height, dual-slot)
M2050 GPU Computing Module[14]		25 de julio de 2011									3092	148.4	No				225
C2070 GPU Computing Module[13]		25 de julio de 2011	1× GF100	575	448	1150	N/A	GDDR5	384	6[Notas 7]	3000	144	No	1030.4	515.2	2.0	247	Internal PCIe GPU (full-height, dual-slot)
C2075 GPU Computing Module[15]		25 de julio de 2011									3000	144	No				225
M2070/M2070Q GPU Computing Module[16]		25 de julio de 2011									3132	150.336	No				225
M2090 GPU Computing Module[17]		25 de julio de 2011	1× GF110	650	512	1300	N/A	GDDR5	384	6[Notas 7]	3700	177.6	No	1331.2	665.6	2.0	225	Internal PCIe GPU (full-height, dual-slot)
S2050 GPU Computing Server		25 de julio de 2011	4× GF100	575	1792	1150	N/A	GDDR5	4× 384	4× 3[Notas 7]	3	4× 148.4	No	4121.6	2060.8	2.0	900	1U rack-mount external GPUs, connect via 2× PCIe (×8 or ×16)
S2070 GPU Computing Server										N/A			4× 6[Notas 7]
K10 GPU accelerator[18]	Kepler	1 de mayo de 2012	2× GK104	N/A	3072	745	?	GDDR5	2× 256	2× 4	5000	2× 160	No	4577	190.7	3.0	225	Internal PCIe GPU (full-height, dual-slot)
K20 GPU accelerator[19][20]		12 de noviembre de 2012	1× GK110	N/A	2496	706	758	GDDR5	320	5	5200	208	No	3524	1175	3.5	225	Internal PCIe GPU (full-height, dual-slot)
K20X GPU accelerator[21]		12 de noviembre de 2012	1× GK110	N/A	2688	732	?	GDDR5	384	6	5200	250	No	3935	1312	3.5	235	Internal PCIe GPU (full-height, dual-slot)
K40 GPU accelerator[22]		8 de octubre de 2013	1× GK110B	N/A	2880	745	875	GDDR5	384	12[Notas 7]	6000	288	No	4291–5040	1430–1680	3.5	235	Internal PCIe GPU (full-height, dual-slot)
K80 GPU accelerator[23]		17 de noviembre de 2014	2× GK210	N/A	4992	560	875	GDDR5	2× 384	2× 12	5000	2× 240	No	5591–8736	1864–2912	3.7	300	Internal PCIe GPU (full-height, dual-slot)
M4 GPU accelerator[24][25]	Maxwell	10 de noviembre de 2015	1× GM206	N/A	1024	872	1072	GDDR5	128	4	5500	88	No	1786–2195	55.81–68.61	5.2	50–75	Internal PCIe GPU (half-height, single-slot)
M6 GPU accelerator[26]		30 de agosto de 2015	1× GM204-995-A1	N/A	1536	722	1051	GDDR5	256	8	4600	147.2	No	2218–3229	69.3–100.9	5.2	75–100	Internal MXM GPU
M10 GPU accelerator[27]			4× GM107	N/A	2560	1033	?	GDDR5	4× 128	4× 8	5188	4× 83	No	5289	165.3	5.2	225	Internal PCIe GPU (full-height, dual-slot)
M40 GPU accelerator[25][28]		10 de noviembre de 2015	1× GM200	N/A	3072	948	1114	GDDR5	384	12 or 24	6000	288	No	5825–6844	182.0–213.9	5.2	250	Internal PCIe GPU (full-height, dual-slot)
M60 GPU accelerator[29]		30 de agosto de 2015	2× GM204-895-A1	N/A	4096	899	1178	GDDR5	2× 256	2× 8	5000	2× 160	No	7365–9650	230.1–301.6	5.2	225–300	Internal PCIe GPU (full-height, dual-slot)
P4 GPU accelerator[30]	Pascal	13 de septiembre de 2016	1× GP104	N/A	2560	810	1063	GDDR5	256	8	6000	192.0	No	4147–5443	129.6–170.1	6.1	50-75	PCIe card
P6 GPU accelerator[31][32]		24 de marzo de 2017	1× GP104-995-A1	N/A	2048	1012	1506	GDDR5	256	16	3003	192.2	No	6169	192.8	6.1	90	MXM card
P40 GPU accelerator[30]		13 de septiembre de 2016	1× GP102	N/A	3840	1303	1531	GDDR5	384	24	7200	345.6	No	10007–11758	312.7–367.4	6.1	250	PCIe card
P100 GPU accelerator (mezzanine)[33][34]	5 de abril de 2016	1× GP100-890-A1	N/A	3584	1328	1480	HBM2	4096	16	1430	732	No	9519–10609	4760–5304	6.0	300	SXM card
P100 GPU accelerator (16 GB card)[35]	20 de junio de 2016	1× GP100	N/A		1126	1303		No	8071‒9340		4036‒4670	250	PCIe card
P100 GPU accelerator (12 GB card)[35]	20 de junio de 2016	3072	12	549	No	8071‒9340	4036‒4670
V100 GPU accelerator (mezzanine)[36][37][38]	Volta	10 de mayo de 2017	1× GV100-895-A1	N/A	5120	?	1455	HBM2	4096	16 or 32	1750	900	119192	14899	7450	7.0	300	SXM card
V100 GPU accelerator (PCIe card)[36][37][38]		21 de junio de 2017	1× GV100	N/A		Desconocido	1370			112224	14028	7014	250	PCIe card
V100 GPU accelerator (PCIe FHHL card)	27 de marzo de 2018	1× GV100	N/A	937	1290	16	1620	829.44	105680	13210	6605	250	PCIe FHHL card
T4 GPU accelerator (PCIe card)[39][40]	Turing	12 de septiembre de 2018	1× TU104-895-A1	N/A	2560	585	1590	GDDR6	256	16	5000	320	64800	8100	?	7.5	70	PCIe card
A2 GPU accelerator (PCIe card)[41]	Ampere	10 de noviembre de 2021	1× GA107	N/A	1280	1440	1770	GDDR6	128	16	6252	200	18124	4531	140	8.6	40-60	PCIe card (half height, single-slot)
A10 GPU accelerator (PCIe card)[42]		12 de abril de 2021	1× GA102-890-A1	N/A	9216	885	1695	GDDR6	384	24	6252	600	124960	31240	976	8.6	150	PCIe card (single-slot)
A16 GPU accelerator (PCIe card)[43]		12 de abril de 2021	4× GA107	N/A	4× 1280	885	1695	GDDR6	4× 128	4× 16	7242	4× 200	4x 18432	4× 4608	1084.8	8.6	250	PCIe card (dual-slot)
A30 GPU accelerator (PCIe card)[44]		12 de abril de 2021	1× GA100	N/A	3584	930	1440	HBM2	3072	24	1215	933.1	165120	10320	5161	8.0	165	PCIe card (dual-slot)
A40 GPU accelerator (PCIe card)[45]		5 de octubre de 2020	1× GA102	N/A	10752	1305	1740	GDDR6	384	48	7248	695.8	149680	37420	1168	8.6	300	PCIe card (dual-slot)
A100 GPU accelerator (PCIe card)[46][47]		14 de mayo de 2020[48]	1× GA100-883AA-A1	N/A	6912	765	1410	HBM2	5120	40 or 80	1215	1555	312000	19500	9700	8.0	250	PCIe card (dual-slot)
H100 GPU accelerator (PCIe card)[49]	Hopper	22 de marzo de 2022[50]	1× GH100[51]	N/A	14592	1065	1755 CUDA 1620 TC	HBM2e	5120	80	1000	2039	756449	51200	25600	9.0	350	PCIe card (dual-slot)
H100 GPU accelerator (SXM card)				N/A	16896	1065	1980 CUDA 1830 TC	HBM3	5120	80	1500	3352	989430	66900	33500	9.0	700	SXM card
L40 GPU accelerator[52]	Ada Lovelace	13 de octubre de 2022	1× AD102[53]	N/A	18176	735	2490	GDDR6	384	48	2250	864	362066	90516	1414	8.9	300	PCIe card (dual-slot)
L4 GPU accelerator[54]		21 de marzo de 2023[55]	1x AD104[56]	N/A	7680	795	2040	GDDR6	192	24	1563	300	125338	31334	490	8.9	72	HHHL single slot PCIe card
Modelo	Microarquitectura	Lanzamiento	Chips	Reloj del núcleo (MHz)	Núcleos Cuda (total)	Reloj base (MHz)	Máx. reloj turbo (MHz)[Notas 3]	Tipo de bus	Ancho del bus (bit)	Tamaño (GB)	Reloj (MT/s)	Ancho de banda (GB/s)	Media precisiónTensor Core FP32 Accumulate	Simple precisión(MAD o FMA)	Doble precisión(FMA)	Capacidad de cómputo CUDA[Notas 8]	TDP(vatios)	Notas,factor de forma
					Sombreadores			Memoria					Poder de procesamiento (GFLOPS)[Notas 1]

Notas

1. Para calcular la potencia de procesamiento, consulte Tesla (microarquitectura)#Rendimiento, Fermi (microarquitectura)#Rendimiento, Kepler (microarquitectura)#Rendimiento, Maxwell (microarquitectura)#Rendimiento, o Pascal (microarquitectura)#Rendimiento. Un rango de números especifica la potencia de procesamiento mínima y máxima en, respectivamente, el reloj base y el reloj de impulso máximo.
2. Versión de arquitectura core según la guía de programación CUDA.
3. GPU Boost es una función predeterminada que aumenta la velocidad del reloj del núcleo mientras permanece por debajo del presupuesto de energía predeterminado de la tarjeta. Hay varios relojes de impulso disponibles, pero esta tabla enumera el reloj más alto admitido por cada tarjeta.^[10]
4. Se supone que las especificaciones no especificadas por Nvidia se basan en la GeForce 8800 GTX
5. Se supone que las especificaciones no especificadas por Nvidia se basan en la GeForce GTX 280
6. Se supone que las especificaciones no especificadas por Nvidia se basan en Quadro FX 5800
7. Con ECC activado, una parte de la memoria dedicada se utiliza para bits ECC, por lo que la memoria de usuario disponible se reduce en un 12,5 %. (por ejemplo, 4 GB de memoria total producen 3,5 GB de memoria disponible para el usuario).
8. Versión de arquitectura core según la guía de programación CUDA.

Véase también

• Unidades de procesamiento gráfico de Nvidia
• Ampere (microarquitectura)