来源：微信公众号「17change」
原文链接：https://mp.weixin.qq.com/s/eYc35_LODmKdGfIPImg7Jg
整理：红龙 🐉
显卡算力排名：企业级AI芯片 vs 消费级显卡完全对比
显卡的"算力"通常分为 单精度浮点算力（FP32） 和 AI张量算力（FP16/INT8等）。
- 传统渲染、游戏和通用计算 → 主要看 FP32（单精度）
- 深度学习、AI大模型训练/推理 → 主要看 张量核心（Tensor Core）算力 和 显存大小/带宽
专业 AI 与数据中心显卡算力排名（企业级）
这类显卡是目前地球上算力最强的芯片，虽然部分单精度（FP32）数据看起来不如顶配游戏卡，但它们拥有恐怖的 HBM高带宽显存 和专为AI设计的 矩阵运算算力（如FP8/FP16）。
消费级与工作站显卡算力排名（桌面级/游戏/个人AI）
这是普通消费者、研究人员或小型工作室最常购买的显卡。排名主要以 FP32（单精度浮点） 为基准。
核心参数解读与选购建议
为什么 RTX 4090 的 FP32（82.6）比 H100（67）还高，但 H100 卖 20多万人民币？
- AI不是只看FP32：深度学习主要使用 FP16（半精度）甚至 FP8/INT8 进行计算。H100 拥有专为 AI 设计的庞大张量核心（Tensor Core），其 AI 算力是 4090 的数倍。
- 显存带宽差异：H100 使用的是服务器级的 HBM3 显存，带宽高达 3.35 TB/s；而 4090 使用的是 GDDR6X，带宽仅 1.0 TB/s。大模型数据吞吐量极大，4090 会卡在内存带宽上。
- 互联技术：H100 支持 NVLink 互联，可以将几十甚至成千上万张卡连在一起当一张卡用（算力无损叠加），而消费级显卡已基本砍掉此功能。
个人/小型团队 AI 炼丹选什么？
- 首选 NVIDIA：因为 CUDA 生态目前在深度学习领域拥有绝对垄断地位，各种开源模型（如 PyTorch 框架）都是基于 NVIDIA 优化的。AMD 虽然算力纸面数据不错（性价比高），但软件生态（ROCm）配置非常折腾，容易报错。
- 显存决定上限：跑 AI（特别是部署大语言模型 LLM 或 Stable Diffusion 画图），显存容量比算力更重要。24GB 显存的 RTX 3090 或 RTX 4090 是目前个人 AI 玩家的最优解。如果预算有限，16GB 的 RTX 4070 Ti Super / 4080 Super 也是极佳选择。
纯游戏玩家选什么？
看消费级排名表即可，FP32 算力排名基本与游戏高分辨率帧数表现正相关。AMD 显卡（如 7900 XTX）在纯打游戏方面性价比极高。
企业级AI芯片算力排名
| 梯队 | 显卡型号 | 核心架构 | 显存容量 | FP32 | AI算力 (FP16/FP8稀疏) | 主要应用场景 |
|---|---|---|---|---|---|---|
| T0 王者 | NVIDIA B200 | Blackwell | 192GB HBM3e | ~9,000 / 18,000 TFLOPs | 下一代超大型AI模型训练 | |
| T1 顶流 | NVIDIA H200 | Hopper | 141GB HBM3e | 67 TFLOPs | 1,979 / 3,958 TFLOPs | 当前主流大模型训练首选 |
| T1 顶流 | AMD MI300X | CDNA 3 | 192GB HBM3 | 163 TFLOPs | 1,300 / 2,600 TFLOPs | 高性价比大模型推理/训练 |
| T1 顶流 | NVIDIA H100 (SXM5) | Hopper | 80GB HBM3 | 67 TFLOPs | 1,979 / 3,958 TFLOPs | ChatGPT等大模型底层算力 |
| T2 高端 | NVIDIA A100 (SXM4) | Ampere | 80GB HBM2e | 19.5 TFLOPs | 312 / 624 TFLOPs | 经典AI算力卡，性价比极高 |
| T2 高端 | AMD MI250X | CDNA 2 | 128GB HBM2e | 47.9 TFLOPs | 383 TFLOPs (FP16) | 超算中心、HPC科学计算 |
| T3 中坚 | NVIDIA L40S | Ada Lovelace | 48GB GDDR6 | 91.6 TFLOPs | 366 / 733 TFLOPs | AI推理、数字孪生、图形渲染 |
消费级显卡算力排名
| 排名 | 显卡型号 | 显存 | FP32算力 | AI/张量算力 (FP16稀疏) | 架构 |
|---|---|---|---|---|---|
| 1 | NVIDIA RTX 6000 Ada (工作站) | 48GB | 91.1 TFLOPs | 1,457 TFLOPs | Ada Lovelace |
| 2 | NVIDIA RTX 4090 | 24GB | 82.6 TFLOPs | 1,321 TFLOPs | Ada Lovelace |
| 3 | AMD RX 7900 XTX | 24GB | 61.3 TFLOPs | 122 TFLOPs (无张量核) | RDNA 3 |
| 4 | NVIDIA RTX 4080 Super | 16GB | 52.2 TFLOPs | 836 TFLOPs | Ada Lovelace |
| 5 | AMD RX 7900 XT | 20GB | 51.5 TFLOPs | 103 TFLOPs (无张量核) | RDNA 3 |
| 6 | NVIDIA RTX 4080 | 16GB | 48.7 TFLOPs | 780 TFLOPs | Ada Lovelace |
| 7 | NVIDIA RTX 4070 Ti Super | 16GB | 44.1 TFLOPs | 706 TFLOPs | Ada Lovelace |
| 8 | NVIDIA RTX 3090 Ti | 24GB | 40.0 TFLOPs | 320 TFLOPs | Ampere |
| 9 | NVIDIA RTX 4070 Ti | 12GB | 40.0 TFLOPs | 641 TFLOPs | Ada Lovelace |
| 10 | AMD RX 7900 GRE | 16GB | 37.0 TFLOPs | 74 TFLOPs (无张量核) | RDNA 3 |
| 11 | NVIDIA RTX 3090 | 24GB | 35.6 TFLOPs | 284 TFLOPs | Ampere |
| 12 | NVIDIA RTX 4070 Super | 12GB | 35.5 TFLOPs | 568 TFLOPs | Ada Lovelace |
| 13 | AMD RX 6950 XT | 16GB | 23.8 TFLOPs | RDNA 2 |
版权声明：本文内容整理自微信公众号「17change」，仅做排版整理，主体内容未做篡改。