Коротко
- Если модель помещается в 141 ГБ на ускоритель, достаточно узла на H200.
- От H200 к B200 сменилась архитектура: NVLink вдвое быстрее, появился формат FP4, памяти стало 180 ГБ вместо 141 ГБ на ускоритель.
- B300 — доработка B200: до 288 ГБ на ускоритель, FP4 в полтора раза быстрее, встроенная сеть 800G. В FP8 скорость та же.
- У B300 урезаны расчёты двойной точности (FP64): для научных задач подходят H200 и B200.
- Все три узла охлаждаются воздухом и потребляют от 10 до 16 кВт — площадку проверяют до заказа.
- памяти на ускоритель H200
- 141 ГБ
- памяти на ускоритель B200 в узле HGX
- 180 ГБ
- памяти на ускоритель B300
- до 288 ГБ
- потребляет узел на восемь ускорителей
- 10–16 кВт
Что сравниваем в узлах HGX на восемь ускорителей?
HGX — это плата NVIDIA с восемью ускорителями, связанными шиной NVLink. Производители серверов ставят её в свои шасси и добавляют процессоры, память, диски и сеть. Получается один сервер высотой 8–10U с воздушным охлаждением.
В этом сравнении три таких узла: на H200, на B200 и на B300. Стойки на 72 ускорителя с жидкостным охлаждением — другой класс объектов, здесь они не рассматриваются.
Все три узла есть в каталоге: HGX B300 и B200, H200 и H100.
Как отличаются H200, B200 и B300 в цифрах на один ускоритель?
| Параметр | H200 | B200 | B300 |
|---|---|---|---|
| Память | 141 ГБ | 180 ГБ | до 288 ГБ |
| Скорость памяти | 4,8 ТБ/с | 8 ТБ/с | 8 ТБ/с |
| Скорость в FP8 | 1 979 TFLOPS | 4,5–5 PFLOPS | 4,5–5 PFLOPS |
| Скорость в FP4 | формата нет | 9–10 PFLOPS | 13,5–15 PFLOPS |
| Шина NVLink | 900 ГБ/с | 1,8 ТБ/с | 1,8 ТБ/с |
| Мощность ускорителя | до 700 Вт | 1 000 Вт в сервере (предел чипа — до 1 200 Вт) | 1 100 Вт в воздушном шасси 8U |
| Сеть узла | внешние адаптеры | адаптеры 400G | восемь портов 800G на плате |
| FP64 на восемь ускорителей | 272 TFLOPS, расчёт | 296 TFLOPS | 10 TFLOPS |
Источник: страницы NVIDIA — платформа HGX, ускоритель H200, системы DGX B200 и DGX B300; полный список — в разделе «Источники»; проверено 06.10.2026.
Скорости в таблице — без учёта разрежённости (dense), по данным NVIDIA. Диапазоны означают, что в двух документах NVIDIA указаны разные значения.
Какие три расхождения в цифрах важны для ТЗ?
Память B200: 180 или 192 ГБ. В узлах HGX и в системе DGX B200 — 180 ГБ на ускоритель. 192 ГБ относится к стоечной системе на 72 ускорителя. В техническом задании пишите «не менее 180 ГБ».
Память B300: 288, 270 или 262 ГБ. NVIDIA указывает до 288 ГБ, на странице платформы — 2,1 ТБ на восемь ускорителей, часть производителей серверов — 270 ГБ. Порог «не менее 280 ГБ» отсечёт такие системы; порог «не менее 262 ГБ» пропускает все.
Скорость Blackwell. Блог NVIDIA и страница HGX дают разные значения: 5 и 4,5 PFLOPS в FP8, 15 и 13,5 PFLOPS в FP4 у B300. Рядом с числом всегда указывайте, с разрежённостью оно или без.
Собрать требования без таких ошибок помогает генератор ТЗ.
Что меняется при переходе от H200 к B200?
Что изменилось:
- память на ускоритель — 180 ГБ вместо 141 ГБ, её скорость — 8 ТБ/с вместо 4,8 ТБ/с;
- шина NVLink — 1,8 ТБ/с на ускоритель, вдвое быстрее;
- появился формат FP4;
- мощность ускорителя выросла с 700 Вт до 1 000 Вт в сервере (предел чипа — до 1 200 Вт).
Что это даёт в замерах. В тесте MLPerf Inference v5.0 узел из восьми B200 обработал модель Llama 2 70B со скоростью 98 858 токенов в секунду, узел из восьми H200 — 34 988. Разница — в 2,8 раза. На модели Mixtral 8x7B — в 2,1 раза.
Оценка «до 30 раз быстрее» относится к стойке на 72 ускорителя: в ней в девять раз больше ускорителей, чем в узле, а прирост на один ускоритель в том же тесте — до 3,4 раза. Для узла на восемь ускорителей ориентир — разы, а не десятки раз.
Что меняется при переходе от B200 к B300?
B300 — доработка B200, а не новое поколение. Что добавилось:
- память — до 288 ГБ на ускоритель, в полтора раза больше;
- скорость в FP4 — в полтора раза выше;
- сеть — восемь портов по 800 Гбит/с встроены в плату, отдельные адаптеры не нужны.
В FP8 и BF16 скорость осталась на уровне B200.
Что урезано: расчёты двойной точности. Узел на B300 даёт 10 TFLOPS в FP64 против 296 TFLOPS у узла на B200. Для научных расчётов B300 не подходит — это платформа под запуск и обучение моделей в низкой точности.
Сколько питания и какая площадка нужны узлу: 10–16 кВт?
| Узел | Потребление | Источник |
|---|---|---|
| 8 × H100 | до 10,2 кВт | руководство NVIDIA DGX H100 |
| 8 × H200 | площадка — 15 кВт (у системы NVIDIA DGX — до 10,2 кВт) | публикация облачного провайдера; руководство NVIDIA |
| 8 × B200 | до 14,3 кВт | NVIDIA DGX B200 |
| 8 × B300 | типично 14,5 кВт, до 16,4 кВт в пике | руководство NVIDIA DGX B300; HPE |
Одно из сверенных шасси на плате HGX B300 — 8U, глубина 950 мм, около 119 кг; у других производителей узел занимает 10U и весит до 168 кг. Воздух на входе — от 10 до 30–35 °C в зависимости от модели.
Блоки питания в спецификации — не потребление. Шесть блоков по 6 600 Вт работают по схеме «три плюс три»: половина — резерв.
Воздухом охлаждают стойку примерно до 35–40 кВт; выше нужна жидкость.
Проверить свою площадку: «Готова ли серверная» и «Питание, тепло и стойка».
Какой узел под какую нагрузку
| Нагрузка | H200 | B200 | B300 |
|---|---|---|---|
| Модели, которые помещаются в 141 ГБ на ускоритель | да | избыточно | избыточно |
| Научные расчёты с двойной точностью | да | да | нет |
| Обучение в FP8 на больших наборах данных | можно | да | да |
| Запуск крупных моделей с длинным контекстом, FP4 | тесно по памяти, FP4 нет | да | да |
| Много пользователей крупной модели на один узел | — | да | да, памяти в полтора раза больше |
| Кластер на 800G без отдельных адаптеров | — | нет | да |
Правило выбора: найдите ресурс, которого вашей нагрузке не хватает первым, и берите ускоритель, который его закрывает.
- H200 — когда нагрузка упирается в память, а модель помещается в 141 ГБ на ускоритель.
- B200 — когда нужны FP4 и быстрая шина, а площадка выдерживает 1 000 Вт на ускоритель.
- B300 — когда память и FP4 важнее скорости в FP8.
Какие шесть ошибок делают при выборе узла?
- Писать «288 ГБ» в ТЗ как обязательный минимум. Часть систем с B300 под такой порог не попадёт.
- Приводить скорость без пометки о разрежённости. NVIDIA публикует оба значения; без пометки участники закупки будут спорить.
- Ждать от B300 расчётов в FP64. Они урезаны почти в 30 раз: 10 против 296 TFLOPS.
- Считать потребление по блокам питания. Смотрите паспортное потребление системы, а не сумму блоков.
- Переносить «до 30 раз» на узел из восьми ускорителей. В тесте MLPerf узел на B200 быстрее узла на H200 в 2,1–3 раза.
- Забыть про площадку. Ускоритель на 1 000–1 100 Вт — это узел до 14,3 кВт на B200 и до 16,4 кВт в пике на B300, и стойка под такую мощность.
Что дальше: Vera Rubin
Следующее поколение — Vera Rubin: 288 ГБ памяти нового типа HBM4 на ускоритель и шина NVLink 6. Скорость шины NVIDIA указывает по-разному — 3 и 3,6 ТБ/с на ускоритель; скорость памяти — 19,2 и 22 ТБ/с. Мощность ускорителя не раскрывалась.
31 мая 2026 года NVIDIA объявила о выходе Vera Rubin в полное производство. Сейчас это поколение поставляется стойками на 72 ускорителя с жидкостным охлаждением. Что это значит для покупателя сервера — в новостях.
Чек-лист перед запросом
- Модель и точность: нужен ли FP4, хватит ли 141 ГБ на ускоритель.
- Есть ли в нагрузке расчёты двойной точности. Если да — не B300.
- Площадка: стойка под пиковую мощность узла из таблицы выше, два ввода питания, глубина от 1 200 мм, подъём узла массой около 120 кг.
- Сеть: 400G или 800G, InfiniBand или Ethernet.
- Закупка: коммерческая, по 223-ФЗ или по 44-ФЗ — порядок описан в разделе «Госзакупки».
- Нагрузочный тест по согласованному протоколу — услуга по договору.
Связанные материалы. Какие модели помещаются на узел из восьми ускорителей — DeepSeek-R1 на одном узле; сколько памяти и карт нужно для полного дообучения — «Дообучение модели»; площадка под узел — серверная под 8 × B300 и стойки и киловатты под кластер; закупка по 44-ФЗ и 223-ФЗ — разбор для заказчика и запрос котировок с 1 октября 2026 года; что такое HGX и GPU-сервер вообще — «Что такое GPU-сервер».
События рынка. Доля Blackwell в поставках 2026 года; стойки Vera Rubin NVL72; дефицит памяти HBM и расхождение 288 и 270 ГБ у B300; проверка готовности GPU-кластера перед запуском задач.