极智芯 | 解读NVIDIA特供芯H20 对比国产Ascend910B 性能水平如何

已于 2024-02-29 15:10:57 修改
阅读量2.7k 收藏 1
点赞数 19
分类专栏： 极智芯 文章标签： H20 Ascend910B NVIDIA Ascend 训练算力 GPU NPU
于 2024-02-29 15:10:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42405819/article/details/136371697
版权
本文对比分析了NVIDIA的H20与华为昇腾910B的性能，强调了H20在显存容量和带宽上的优势，以及Ascend 910B在算力上的强势。尽管两者各有千秋，H20在软件栈稳定性和集群训练上有更好的表现，而Ascend 910B作为国产芯片在算力上有竞争力。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

欢迎关注我的公众号「极智视界」，获取我的更多技术分享

大家好，我是极智视界，本文分享一下 解读NVIDIA特供芯H20 对比国产Ascend910B 性能水平如何。

邀您加入我的知识星球「极智视界」，星球内有超多好玩的项目实战源码和资源下载，链接：https://t.zsxq.com/0aiNxERDq

为了绕开第二轮的芯片禁令，英伟达又推出了几款特供 GPU，包括 RTX4090D、H20、L20、L2，具体可以参考我之前分享的内容《

了解本专栏 订阅专栏 解锁全文 超级会员免费看
极智芯 | 解读NVIDIA特供芯RTX4090D 详细对比RTX4090 性能水平如何
极智视界
03-04 1301
大家好，我是极智视界，本文分享一下 解读NVIDIA特供芯RTX4090D 详细对比RTX4090 性能水平如何。希望我的分享能对你的学习有一点帮助。
一图看透：910B、H20、A100、H100、H200性能对比！
qq_42068614的博客
03-04 4558
一图看透：910B、H20、A100、H100、H200性能对比！
国内外 AI 芯片概述
顺其自然~专栏
01-01 1万+
AI芯片也被称为AI加速器或计算卡，从广义上讲只要能够运行人工智能算法的芯片都叫作 AI 芯片。但是通常意义上的 AI 芯片指的是针对人工智能算法做了特殊加速设计的芯片。本文简要介绍了AI芯片的种类以及一些国内外AI芯片厂商发布的AI芯片。
解码中国AI双雄突围：DeepSeek破壁与英伟达反攻背后的算力暗战
Suro
03-02 978
当DeepSeek以"中国速度"迭代至2.0版本，英伟达H20芯片悄然重返中国市场，一场围绕AI算力的世纪博弈正在重塑全球科技格局。华为昇腾与寒武纪打造的国产芯片矩阵，与英伟达的技术封锁形成微妙对冲，而DeepSeek开源引发的生态革命，则让中国在算法领域撕开缺口。这场突围战揭示：算力自主化不是非此即彼的选择题，而是融合自主研发与开放创新的生存智慧。
昇腾910B国产化大模型适配指南
qq_42751565的博客
06-01 1万+
华为910B国产化大模型训练环境安装指南，支持Huggingface模型以及DDP分布式训练框架。
GPU 进阶笔记（二）：华为昇腾 910B GPU
热门推荐
hao_wujing的专栏
12-30 4万+
！
昇腾910b部署Chatglm3-6b进行流式输出【pytorch框架】NPU推理
懒惰是科技进步的原始动力
01-08 6382
解决chatglm输出乱码，No such file or directory: "*.safetensors"
昇腾910b部署qwen-7b-chat进行流式输出【pytorch框架】NPU推理
懒惰是科技进步的原始动力
01-10 7726
解决报错'torch_npu._C._NPUDeviceProperties' object has no attribute 'major' 解决报错call aclnnEmbedding failed, detail:EZ1001: weight not implemented for DT_BFLOAT16, should be in dtype support list [DT_DOUBLE,DT_FLOAT,DT_FLOAT16,DT_INT64,DT_INT32,DT_INT16,DT_INT8
昇腾910B ATLAS 300 A2 计算卡开箱检验与集群通信使能指南
aosudh的博客
11-29 3590
昇腾910B通过卡上AICPU内置的NIC与集群中的其他卡进行通信，其中通信协议是，集合通信库（ Huawei Collective Communication Library ，简称HCCL）是基于昇腾硬件的高性能集合通信库，提供单机多卡以及多机多卡间的数据并行、模型并行集合通信方案。HCCL支持AllReduce、Broadcast、Allgather、ReduceScatter、AlltoAll等通信原语，Ring、Mesh、HD等通信算法，在HCCS、RoCE和PCIe高速链路实现集合通信。
0171-极智芯-解读NVIDIA特供芯H20对比国产Ascend910B
06-05
0171_极智芯_解读NVIDIA特供芯H20对比国产Ascend910B
基于昇腾910B搭建多节点K8s集群
小白菜的博客
01-11 3123
自从 2013 年 Docker 诞生以来，容器一跃成为 IT 界最热门的话题。而 Kubernetes 趁着容器的东风，击败众多竞争对手，成为了“容器编排”领域的King。可以说，现在 Kubernetes 已经没有了实际意义上的竞争对手，它的地位就如同 Linux 一样，成为了事实上的云原生操作系统，是构建现代应用的基石。
昇腾910B部署满血DeepSeek-R1(可推理版)
qq_73797346的博客
02-22 3731
记录本周大模型的部署情况，使用昇腾910B物理机部署DeepSeek-R1满血大模型，可显示推理过程。
【智算卡】华为昇腾910B与英伟达GPU全方位技术对比及产品线差异解析
最新发布
沐风—云端行者
03-13 4070
昇腾910B通过架构革新（达芬奇3.0）、能效优化（动态电压频率调整）和全栈自主生态，在推理场景和特定训练任务中已实现对A100的局部超越。其细分型号（如910B3B/910B4B）的差异化设计，展现了华为在场景化定制与国产供应链整合上的战略纵深。随着昇腾910C（FP16算力1200 TFLOPS）的即将量产，国产AI芯片有望进一步缩小与H100的差距。
华为昇腾910B性能及应用场景
2402_84466582的博客
05-31 6504
华为昇腾910B性能及应用场景
华为昇腾910b服务器部署DeepSeek翻车现场
qq_73797346的博客
02-16 5313
最近到祸一台HUAWEI Kunpeng 920 5250，先看看配置。之前是部署的讯飞大模型，发现资源利用率太低了。把5台减少到3台，就出西安了它。华为昇腾920b服务器部署DeepSeek翻车现场
华为裸金属昇腾Atlas 900A2 P0D(910B)部署Deepseek蒸馏70b LLaMA模型
Lilk5的博客
03-12 1872
注：因为openui需要跟本地的模型通信，本地模型docker网络通信采用的是host模式，openui也要采用此方式，然后做持久化挂载，使用docker-compose up -d启动即可，默认的端口是8080。模型可视化对话用的最多的就是openweb-ui，参考了大部门的教程都是使用python3.11安装的，用3.11会破坏现有的环境，会冲突，所以就使用了docker-compose的方式。下载方式有很多，个人比较推荐git lfs，比较简单一些，最终的目的是把模型下载下来就可以。
华为昇腾Ascend系列 之 01 什么是昇腾芯片？AIGC浪潮已至，进一步推动对芯片和算力的需求，主流 GPGPU/ASIC 产品性能对比（Ascend 910、Ascend 910B）
iCloudEnd的博客
06-03 4533
昇腾 310 和 910 处理器为华为AI 算力领域核心产品，910 单卡 Int8 算力大致可达 0.6 P，最大功耗为 300W，已可对标国际主流 GPU。且昇腾计算产业在硬件方面坚持“硬件开放”策略，通过自有硬件和合作硬件相结合的方式，可为客户提供多样化的算力选择。
基于华为昇腾910B，实战 InternLM2.5-7B-Chat 模型推理
qq_39967751的博客
10-16 3074
LMDeploy 在 0.6.0 这个版本上开始支持华为昇腾NPU。不过官方的文档只包含了 docker 镜像推理的示例，对于非 docker 镜像如何部署安装没有提到，这样对平台的移植性就变差了。好在启智平台提供了华为的昇腾NPU 运行环境，不过这里我们需要注意：虽然启智平台提供了华为的昇腾 NPU 运行环境，但是 不是每个镜像都能很顺利地跑完，我花了些时间进行测试，结果发现大部分镜像是不能运行的。下面表格列出了我测试下来的情况，贴出来供大家参考：测试序号资源规格镜像智算中心。
Nvidia H20对比
02-13
### Nvidia H20与其他产品的性能特征对比 #### 特性概述 Nvidia H20作为一款高性能计算平台，在机器学习和人工智能领域提供了卓越的支持。该平台不仅具备强大的硬件加速能力，还集成了多种软件工具和服务，旨在简化开发流程并提升模型训练效率[^1]。 #### 性能指标分析 当考量不同产品间的性能差异时，主要关注以下几个方面： - **处理速度**：H20凭借其先进的架构设计实现了更快的数据吞吐量以及更低延迟的表现；相比之下，某些竞争对手可能依赖于传统CPU/GPU组合方案，在复杂任务面前显得力不从心。 - **能耗比**：高效节能是现代数据中心追求的目标之一。H20通过优化电源管理机制有效降低了单位算力消耗的能量成本，这使得长期运行更加经济实惠。 - **扩展性和兼容性**：对于大规模分布式应用而言，良好的互操作性至关重要。H20支持广泛的编程接口标准，并且能够轻松集成到现有的基础设施当中去，从而为企业级用户提供灵活多样的部署选项。 ```python import matplotlib.pyplot as plt # 假设数据用于展示图表 products = ['Product A', 'Product B', 'Nvidia H20'] speeds = [85, 90, 97] power_efficiency = [60, 70, 85] plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.bar(products, speeds, color='blue') plt.title('Processing Speed Comparison') plt.subplot(1, 2, 2) plt.bar(products, power_efficiency, color='green') plt.title('Power Efficiency Rating') plt.show() ``` 上述代码片段展示了如何利用Python绘制柱状图来直观呈现各款产品之间的处理速度及功耗效能方面的区别。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

极智视界

你的支持 是我持续创作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值