SECTIONS
EDITIONS
NETWORK
AIXX Pedia Die Enzyklopädie der Rechenleistung
Spec-Card SPEC CARD

NVIDIA Tesla P100

Flaggschiff der Übergangsära im Deep Learning: der erste HBM2-Shader (16 GB) überhaupt, NVLink-Premiere und Herzstück der DGX-1 – in der Pascal-Ära ohne Tensor Core war die P100 mit FP16 im 2:1-Modus das Trainingsarbeitstier der Übergangszeit; nach dem V100-Refresh landeten große Bestände an SXM2-/PCIe-Karten auf dem Gebrauchtmarkt, und die 16-GB-Varianten mit großem VRAM sind bis heute als günstige Karten für kleine Modelle und Inferenz im Gebrauchtmarkt-Umlauf aktiv

Überblick

Die NVIDIA Tesla P100 basiert auf dem GP100-Chip der Pascal-Architektur, wird im 16-nm-FinFET-Prozess gefertigt und war NVIDIAs erste GPU mit HBM2-Hochbandbreitenspeicher, bestückt mit 16 GB CoWoS-verpacktem Speicher und einem 4096-Bit-Speicherinterface. Die Karte erschien in zwei Ausführungen: Das SXM2-Modul führte erstmals NVLink als Interconnect ein und legte den Grundstein für die spätere DGX-Serie; die PCIe-Version zielt auf Standardserver ab. Compute Capability 6.0, kein Tensor Core, mit doppeltem FP16-Durchsatz. Typische Einsatzgebiete sind Deep-Learning-Training und Inferenz, High-Performance Computing sowie Batch-Workloads mit hohem Speicherbedarf; heute zirkuliert die Karte überwiegend als Gebrauchtbestand in Szenarien für kleine Modelldeployments.

Kernspezifikationen

ArchitekturPascal (GP100), Compute Capability 6.0; 16 nm FinFET, 610 mm², 15,3 Milliarden Transistoren (GP100 voll bestückt 60 SM, die P100 nutzt 56 SM)
Speicher16 GB CoWoS HBM2 (vier Stacks mit je 4 Dies, natives HBM2-ECC ohne Kapazitäts-/Bandbreitenverlust; die PCIe-Version existiert zudem als 12-GB-Variante mit 549 GB/s)
VRAM-Bandbreite732 GB/s (offizielle Datasheet-Angabe; das Whitepaper rechnet grob mit 180 GB/s pro Stack × 4 = 720; die 12-GB-PCIe-Variante: 549 GB/s)
Speicherbusbreite4096 bit (8 × 512-Bit-Speichercontroller, laut deviceQuery bei beiden Varianten identisch)
RechenleistungZwei Angaben: SXM2-Version FP32 10,6 / FP16 21,2 / FP64 5,3 TFLOPS; PCIe-Version FP32 9,3 / FP16 18,7 / FP64 4,7 TFLOPS (Pascal hatte noch keinen Tensor Core, FP16 lief über dedizierte GP100-Einheiten mit 2:1-Durchsatz)
CUDA-Kerne3584 (56 SM × 64, laut deviceQuery; FP64-Einheiten 1792 = 32 pro SM)
VerbrauchSXM2 300 W (nvidia-smi-Default = Maximum, min 150 W) / PCIe 250 W (Default = Maximum, min 125 W)
InterconnectSXM2-Version: NVLink mit 4 Links × 40 GB/s = 160 GB/s bidirektional (Weltpremiere) plus PCIe Gen3; PCIe-Version ohne NVLink, nur PCIe Gen3 x16
Erscheinungsjahr2016 (Ankündigung auf dem GTC San Jose am 05.04.2016, laut offiziellem dev blog; SXM2 erschien zuerst mit der DGX-1, die PCIe-Version kam ab September 2016 in den Versand)
FormfaktorSXM2: Mezzanine-Modul für Baseboard (140 mm × 78 mm, 300 W, Teilenummer 900-2H403-0000-000) / PCIe: Full-Height, Full-Length, passiv, Dual-Slot (250 W), beide ohne Lüfter
TaktratenSXM2: Basis 1328 / Boost 1480 MHz; PCIe: 1189 unter Applikationslast / max 1328 MHz (nvidia-smi-Messung); Speicher 715 MHz (äquivalent 1,43 Gbps × 2 = 732 GB/s, konsistent)
AlleinstellungsmerkmaleErste GPU mit HBM2-Speicher überhaupt plus NVLink-Premiere, Pascal-Datacenter-Flaggschiff; Herzstück der AI-Supercomputing-DGX-1 mit acht Karten und 170 TFLOPS FP16; Arbeitstier der Übergangsphase vor dem Tensor-Core-Zeitalter, große Bestände und aktiver Gebrauchtmarkt-Umlauf
Spezifikationen anhand offizieller Quellen verifiziert ( Offizielle Benchmarks , aktualisiert am 10.10.2026) · Der tatsächliche Preis richtet sich nach dem Angebot des Verkäufers

Einsatzszenarien

Modelle der Familie

ModellSpeicherVerbrauch
NVIDIA T4 Vergleich16GB GDDR6 mit ECC (standardmäßig aktiviert)70W (Gesamtboardleistung, Standard)
NVIDIA A100 Vergleich40GB HBM2 / 80GB HBM2e in zwei Varianten (80-GB-Variante nachgelegt auf der SC20 am 16.11.2020), mit ECCSXM4 400W (40GB/80GB identisch); PCIe-Version 40GB 250W / 80GB 300W
NVIDIA H20 Vergleich96GB HBM3 (konsistent bei Flopper/VipraTech/Tencent News)400W TDP (dreifach belegt: Flopper/VipraTech-Datenblatt/Tencent News mit „Wärmeleistung 400W“; widersprüchliche Angabe 350W im VipraTech-Fließtext verworfen)
NVIDIA GB300 Vergleich288GB HBM3e (pro GPU-Package; 576GB im Superchip; parallel HGX auf Board-Ebene 2,1 TB / Rack 20 TB)TGP bis 1400W
NVIDIA A30 Vergleich24 GB HBM2165 W
NVIDIA GeForce RTX 4090 Vergleich24GB GDDR6X450W TGP (Spiele im Schnitt 315W, empfohlenes Netzteil 850W)

Videoerklärung VIDEO

Wichtige Punkte für Kauf und Prüfung

FAQ

Worin unterscheiden sich die SXM2- und die PCIe-Version der Tesla P100, und welche soll ich wählen?
Die SXM2-Version ist ein Mezzanine-Modul für das Baseboard mit vier NVLink-Verbindungen und eignet sich für Multi-GPU-Systeme (etwa die DGX-1). Die PCIe-Version ist eine Standard-Gen3-x16-Karte ohne NVLink – kompatibel mit normalen Servern, wobei die Kartenkommunikation über den PCIe-Bus läuft. Für Einzelkarten-Inferenz oder allgemeine Deployments ist die PCIe-Version einfacher zu installieren; wer Multi-GPU-Skalierung anstrebt, braucht ein SXM2-System.
Lohnt sich die P100 ohne Tensor Core noch für Deep Learning?
Die P100 stammt aus der Zeit vor den Tensor Core; die Trainingsleistung beruht auf doppeltem FP16-Tempo und hoher Speicherbandbreite. Für das Training kleiner und mittlerer Modelle reicht das, im Vergleich zu modernen Karten mit Tensor Core ist der Effizienzabstand aber deutlich. Heute kommt die Karte vor allem bei kleinem Modelltraining und Inferenz-Deployments zum Einsatz – Szenarien mit großem Speicherbedarf, aber ohne extreme Durchsatzanforderungen. Ihr Preis-Leistungs-Verhältnis ist der Hauptvorteil.
Worauf muss ich bei einer gebrauchten Tesla P100 achten?
Zunächst die Speichervariante klären (16 GB bzw. die 12-GB-Variante der PCIe-Version) und die abweichenden Bandbreitenspezifikationen. Weiterhin: Die Karte ist passiv gekühlt und gehört zwingend in ein Servergehäuse mit sauberem Airflow – ein Betrieb im Freien ist tabu. Zudem prüfen, ob ECC ordnungsgemäß aktiv ist und der HBM2-Speicher fehlerfrei läuft. Und schließlich: Die SXM2-Version läuft nicht auf gewöhnlichen Mainboards und benötigt ein dediziertes Baseboard oder Komplettsystem.
Vertiefende Lektüre:NVIDIA A10 · Deep-Dive-EintragNVIDIA A100 · Deep-Dive-EintragAIXX Pedia · Deep-Dive-Eintrag
Datenstand 10.10.2026 · Deep-Dive-Eintrag-Upgrade über Redaktionsrichtlinien Prozess
Datenbank
RedaktionsrichtlinienInteressenmeldung zu dieser DatenbankKorrekturkanal
Auszug aus der Redaktionsverfassung
Jede Aussage mit QuelleSchwächen immer benannt · Korrekturen öffentlich dokumentiertKeine bezahlten EinträgeKeine Werbung oder Verkaufselemente in EinträgenMarktdaten ausschließlich als Datenmodul eingebunden
AIXX-Familie
AIXX PediaAIXX BörseAIXX News
Quellen der Marktdaten: AIXX Börse · © 2026 AIXX Pedia · Ein Angebot von AIXX