以NVIDIA前几年推出的H100/A100为例，虽然我们称之为算力卡，但和RTX 4090等游戏卡显卡相比，它们的算力优势其实并不算特别明显，这是因为NVIDIA的算力规格玩了一些数字游戏，比如H100，它的Tensor FP16算力写的是1979 Tflops，但那是稀疏算力和稠密算力的总数值。

所谓稀疏算力是指在完成任务的过程中，计算资源大部分时间处于空闲状态，这种情况通常发生在处理低密度数据或执行低复杂度任务时，因为大部分任务可以在很短的时间内完成，而服务器在等待下一个任务到来时，其计算资源并未得到充分利用。 

与之相对的是稠密算力是指在计算过程中，硬件资源大部分时间都在忙碌地工作，这种情况通常发生在处理高密度数据或执行高复杂度任务时，因为每个任务都需要大量的计算资源和时间来完成，服务器在处理这些任务的过程中，其计算资源得到了充分的利用。

显然，对于人工智能来说，稠密算力才是最重要的，所以H100真正有用的Tensor FP16算力是989Tflops。无独有偶，RTX 4090官方宣传的Tensor Core算力高达 1321 Tflops，但那是int8算力，FP16算力只有330Tflops，但即便如此，这个数值也已经比A100的312Tflops高，所以算力的区别其实并没有想象中那么大。    

真正拉开差距的是H100/A100等算力卡夸张的通信带宽和内存指标。NVIDIA的算力卡可以选择不走PCIe通道，而使用专用的SXM通信，通过NVLink实现多卡互联，这使得算力卡的通信带宽可以达到惊人的900GB/s。而RTX 4090只能走PCIe，且砍掉了对NVLink的支持，所以目前的上限就是64GB/s。

内存性能上，算力卡使用80GB HBM2显存，显存带宽最高可以到3.35TB/s，而RTX 4090的24GB GDDR6X显存带宽只有1TB/s。

老黄精准的“刀法”历来都是广大玩家津津乐道的话题，对于利润更高的专业GPU来说，严格的性能等级划分也是必不可少的，从技术上讲，大模型训练需要高性能的通信，而游戏卡，哪怕是顶级的RTX 4090，砍掉的正好也就是通信效率，因为训练AI往往需要GPU集群工作。

以Meta AI开源的LLaMA-2-70B大模型为例，使用单张A100的话，完成一次训练需要170万个小时，想要在1个月内训练出来就需要至少2400张A100，而游戏卡并不会像专业算力卡那样先天就是为集群而设计，就算给你两千多张RTX 4090，你也都没办法把它们连接起来，再加上游戏卡也没有数据中心的使用许可，所以从根源上就无法实现替代。    

人工智能训练需要多显卡并行计算，游戏卡在这方面“先天不足”

除此之外，人工智能训练需要将海量数据放在显存内，显然，单张80GB显存的算力卡从规格上就形成了对游戏卡的降维打击，你需要使用成倍的游戏卡才能实现相近的显存容量。同时，算力卡的显存支持ECC容错，可以有效降低故障率，而低故障率就是保持算力输出的根本。

既然无法训练AI，那游戏卡可以做什么呢？用过Stable Diffusion的朋友们都知道，在跑本地文生图应用时，高性能游戏显卡的效率优势十分明显，也就是说在正确使用的情况下，游戏卡是推理AI的一把好手。

为什么强调“正确使用”，这是因为显存容量很容易成为瓶颈，目前的人工智能推理，无论使用流水线并行还是张量并行，内存带宽可能导致效率问题，更何况计算过程中还需要将模型和缓存写入到显存之中，所以很多本地AI应用都需要玩家提前设置自己的显卡显存容量，才能实现使用效率的最大化，这也是RTX 4090这种大容量显存游戏显卡非常适合运行本地AI推理的关键。