英伟达数据中心 GPU 产品线全景对比（2026）：从 V100 到 Rubin 的七代算力跃迁
在大模型驱动的算力军备竞赛中，英伟达（NVIDIA）数据中心 GPU 是绝对的「硬通货」。过去十年，它的产品线从单一的训练卡，演化为覆盖「训练—推理—图形虚拟化」的完整矩阵，架构也从 Pascal 一路迭代到 Rubin。本文系统梳理其完整产品谱系，附七代完整规格对比表、中国市场特供线专题、竞品横向对比与选型指南。
数据截至 2026 年 9 月，规格以 NVIDIA 官方 Datasheet / 技术博客为准。
一、摘要：三分钟看懂英伟达数据中心 GPU
英伟达数据中心 GPU 并非一条产品线，而是三条并行主线 + 一条隐形支线：
| 主线 | 代表型号 | 核心场景 | 显存 |
|---|---|---|---|
| 计算/训练旗舰（SXM / OAM） | P100、V100、A100、H100、H200、B200、B300 | 大模型训练、HPC | HBM |
| 推理/图形通用（PCIe） | T4、A10、A30、A40、L4、L40、L40S | 推理、虚拟化、渲染 | GDDR / HBM |
| 机架级超级芯片 | GB200 NVL72、GB300 NVL72、Vera Rubin NVL72 | 超大规模 AI 工厂 | HBM |
| 中国特供（隐形支线） | A800、H800、H20（及传闻 B30A） | 规避出口管制 | HBM |
七个关键结论：
- 一年一代已成节奏：Hopper（2022）→ H200（2024）→ Blackwell（2024）→ Blackwell Ultra（2025）→ Rubin（2026）→ Rubin Ultra（2027）。
- 显存是分水岭：从 P100 的 16GB 到 B300 的 288GB，十年增长 18 倍；H200 相对 H100 最大的升级也是显存（80GB→141GB）。
- 低精度是主线：FP16（Volta）→ TF32/BF16（Ampere）→ FP8（Hopper）→ FP4/FP6（Blackwell）→ NVFP4（Rubin），每一代都在「用更少的比特换更多的算力」。
- 互连比算力更难复制：NVLink 从 160 GB/s 演进到 3.6 TB/s（NVLink 6），这是英伟达真正的护城河。
- Blackwell Ultra 有致命取舍：FP4 暴涨的同时，FP64 暴跌 96.5%、INT8 暴跌 96.7%——做 HPC 千万别选 GB300。
- 中国市场基本失守：H20 之后，2026 年英伟达在中国数据中心市场的份额已大幅萎缩。
- Rubin 已来：288GB HBM4、约 22 TB/s 带宽、50 PFLOPS NVFP4，2026 下半年量产。
二、逐代深度拆解
1. Pascal 与 Volta（2016–2017）：AI 算力的起点
- P100（2016｜Pascal｜16nm）：16GB HBM2、732 GB/s 带宽、FP16 约 19 TFLOPS、TDP 250–300W。首次引入 HBM 与 NVLink（160 GB/s），是「GPU 做科学计算」的开端。
- V100（2017｜Volta｜12nm｜210 亿晶体管）：16/32GB HBM2、约 900 GB/s，首次引入 Tensor Core，FP16 Tensor 算力 125 TFLOPS，NVLink 提升至 300 GB/s。它奠定了「GPU 训练深度学习」的范式。
2. Turing T4（2018）：推理专用卡的诞生
- T4：16GB GDDR6、320 GB/s、FP16 65 TFLOPS、INT8 130 TOPS、仅 70W、半高单槽。它以极低功耗把 AI 推理带入通用服务器，是云厂商规模化部署推理的起点。
3. Ampere（2020）：A100 的黄金时代
- A100 80GB：HBM2e、带宽 2,039 GB/s，FP16 312 TFLOPS（稀疏 624）、TF32 156 TFLOPS、INT8 624 TOPS，SXM 版 TDP 400W，NVLink 600 GB/s，支持 MIG 多实例切分。凭借结构化稀疏、TF32 与 MIG，A100 成为 2020–2023 年训练市场的绝对主力。
- 同代通用线：A30（24GB HBM2，165W）、A10（24GB GDDR6，150W）、A40（48GB GDDR6，300W），面向推理与虚拟化。
- A800：A100 的中国特供版，NVLink 带宽从 600 GB/s 降至 400 GB/s，以规避出口管制阈值。
4. Hopper（2022–2024）：H100/H200 与 FP8 革命
- H100（2022｜TSMC 4N｜800 亿晶体管）：80GB HBM3、3.35 TB/s，首次引入 FP8 与 Transformer Engine；FP16 989 TFLOPS（稀疏 1,979）、FP8 1,979（稀疏 3,958）、INT8 3,958 TOPS，SXM 版 TDP 最高 700W，NVLink 900 GB/s。
- H200（2024）：算力不变，显存升级为 141GB HBM3e、4.8 TB/s，专为长上下文与 MoE 模型优化——可见这一代的瓶颈已从算力转向「显存容量与带宽」。
- H800：H100 的中国特供版，NVLink 砍半至 400 GB/s。
- H20：为出口新规定制的阉割版，96GB HBM3、4.0 TB/s，FP8 仅 296 TFLOPS，但保留 900 GB/s NVLink——「算力不足、互连充足」，成为受限环境下多卡组网的妥协选择。
5. Ada Lovelace（2023）：L4 / L40 / L40S 推理图形线
- L4：24GB GDDR6、300 GB/s、FP16 121 TFLOPS、TDP 72W，主打低功耗推理与视频转码（含 AV1 编解码）。
- L40：48GB GDDR6、864 GB/s、FP16 362 TFLOPS，300W，图形与 AI 兼顾。
- L40S：48GB GDDR6 ECC、864 GB/s、FP16 733 TFLOPS（稀疏）、FP8 1,466 TFLOPS，TDP 350W，PCIe Gen4，兼顾 AI 推理、图形渲染与虚拟化，是「全能中端卡」，也是缺货时期 H100 的替代品。
6. Blackwell（2024–2025）：B100 / B200 / GB200
- B200：192GB HBM3e、8 TB/s，FP4 稀疏 20 PFLOPS（稠密 10 PFLOPS）、FP8 稀疏 9 PFLOPS，TSMC 4NP、2,080 亿晶体管（双 reticle die 通过 10 TB/s NV-HBI 互连），TDP 最高 1,200W，NVLink 5 提升至 1,800 GB/s。相比 H100，FP4 算力提升约 15 倍、显存带宽 2.4 倍。
- B100：与 B200 显存规格相同，算力略低，市场策略上以 B200 为主。
- GB200：Grace CPU + 2×B200 的超级芯片。GB200 NVL72 机架集成 72 颗 B200，整机 13.4 TB HBM3e、576 TB/s 带宽、FP4 稀疏 1,440 PFLOPS，NVLink 域带宽 130 TB/s，液冷，整机功耗约 120 kW。
7. Blackwell Ultra（2025）：B300 / GB300，「为推理而生」
- B300：显存翻倍至 288GB HBM3e（带宽仍 8 TB/s），FP4 稠密算力提升 1.5 倍至 15 PFLOPS（稀疏 20 PFLOPS），TDP 约 1,400W，SM 增至 160 个（20,480 CUDA 核心）。
- GB300 NVL72：整机显存达 20 TB（含 Grace LPDDR5X 的统一高速内存约 37 TB），FP4 稠密 1,080 PFLOPS、稀疏 1,440 PFLOPS，NVLink 130 TB/s，网络升级到 ConnectX-8（800 Gb/s/GPU）。
- ⚠️ 关键取舍：Blackwell Ultra 把晶体管预算倾斜给 FP4 与注意力加速，FP64 从 2,880 TFLOPS 暴跌至 100 TFLOPS（-96.5%），INT8 从 720 POPS 降至 24 POPS（-96.7%）。这意味着：做 HPC 双精度计算或老旧 INT8 量化推理，应选 GB200 而非 GB300。这是本轮对比中最容易被忽视、却最关键的差异。
8. Rubin（2026–2027）：下一代已来
- 2026 年 CES，英伟达正式发布 Rubin 平台，包含六颗芯片：Vera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9 SuperNIC、BlueField-4 DPU、Spectrum-6 交换机。Rubin GPU 采用 288GB HBM4、约 22 TB/s 带宽、3,360 亿晶体管、TSMC 3nm，提供 50 PFLOPS NVFP4 算力（第三代 Transformer Engine）。
- Vera Rubin NVL72：72 颗 Rubin GPU + 36 颗 Vera CPU，NVLink 6 单卡 3.6 TB/s、整机 260 TB/s。官方称相比 Blackwell 平台推理每 token 成本降低 10 倍、训练 MoE 所需 GPU 数量减少 4 倍，2026 年下半年量产，首批客户包括 AWS、Google、微软、OCI、CoreWeave 等。
- 后续路线：Rubin Ultra（2027） FP4 稀疏 100 PFLOPS、HBM4e、Kyber 机架（约 600 kW）；再下一代为 Feynman（2028）。
三、完整规格对比表
表 1：计算/训练旗舰线（SXM / OAM）
算力单位 TFLOPS；括号内为稀疏（Sparsity）性能；「约」表示推算或厂商口径不一。
| 型号 | 架构 / 发布 | 显存 | 带宽 | FP16/BF16 | FP8 | FP4 | INT8 | NVLink | TDP |
|---|---|---|---|---|---|---|---|---|---|
| P100 | Pascal / 2016 | 16GB HBM2 | 732 GB/s | 19 | — | — | — | 160 GB/s | 300W |
| V100 | Volta / 2017 | 16–32GB HBM2 | ~900 GB/s | 125 | — | — | — | 300 GB/s | 300W |
| A100 80GB | Ampere / 2020 | 80GB HBM2e | 2,039 GB/s | 312（624） | — | — | 624 TOPS | 600 GB/s | 400W |
| H100 SXM | Hopper / 2022 | 80GB HBM3 | 3.35 TB/s | 989（1,979） | 1,979（3,958） | — | 3,958 TOPS | 900 GB/s | 700W |
| H200 | Hopper / 2024 | 141GB HBM3e | 4.8 TB/s | 989（1,979） | 1,979（3,958） | — | 3,958 TOPS | 900 GB/s | 700W |
| H20（中国） | Hopper / 2024 | 96GB HBM3 | 4.0 TB/s | 148 | 296 | — | 296 TOPS | 900 GB/s | 400W |
| B200 | Blackwell / 2024 | 192GB HBM3e | 8 TB/s | ~2,250（4,500） | 4,500（9,000） | 10,000（20,000） | ~4,500 TOPS | 1,800 GB/s | ≤1,200W |
| B300 | Blackwell Ultra / 2025 | 288GB HBM3e | 8 TB/s | ~2,250 | 5,000（10,000） | 15,000（20,000） | ~4,500 TOPS | 1,800 GB/s | ≤1,400W |
| Rubin | Rubin / 2026 | 288GB HBM4 | ~22 TB/s | — | — | 50,000（NVFP4） | — | 3,600 GB/s | — |
表 2：推理 / 图形通用线（PCIe）
| 型号 | 架构 / 发布 | 显存 | 带宽 | FP16（稀疏） | FP8 | INT8 | TDP | 形态 |
|---|---|---|---|---|---|---|---|---|
| T4 | Turing / 2018 | 16GB GDDR6 | 320 GB/s | 65 | — | 130 TOPS | 70W | 半高 PCIe |
| A10 | Ampere / 2021 | 24GB GDDR6 | 600 GB/s | 125 | — | 250 TOPS | 150W | PCIe |
| A30 | Ampere / 2021 | 24GB HBM2 | 933 GB/s | 165 | — | 330 TOPS | 165W | PCIe |
| A40 | Ampere / 2021 | 48GB GDDR6 | 696 GB/s | 149.7 | — | 300 TOPS | 300W | PCIe |
| L4 | Ada / 2023 | 24GB GDDR6 | 300 GB/s | 121 | 242 | 242 TOPS | 72W | 半高 PCIe |
| L40 | Ada / 2022 | 48GB GDDR6 | 864 GB/s | 362 | 724 | 724 TOPS | 300W | PCIe |
| L40S | Ada / 2023 | 48GB GDDR6 ECC | 864 GB/s | 733 | 1,466 | 1,466 TOPS | 350W | PCIe |
表 3：机架级系统（NVL72）
| 系统 | GPU | 整机显存 | 显存带宽 | FP4 稠密 / 稀疏 | FP64 | INT8 | NVLink 域 | 单卡网络 | 功耗（估） |
|---|---|---|---|---|---|---|---|---|---|
| GB200 NVL72 | 72× B200 | 13.4 TB | 576 TB/s | 720 / 1,440 PFLOPS | 2,880 TFLOPS | 720 POPS | 130 TB/s | CX-7 400Gb/s | ~120 kW |
| GB300 NVL72 | 72× B300 | 20 TB | 576 TB/s | 1,080 / 1,440 PFLOPS | 100 TFLOPS | 24 POPS | 130 TB/s | CX-8 800Gb/s | ~135–140 kW |
| Vera Rubin NVL72 | 72× Rubin | 20+ TB | — | —（NVFP4 50 PFLOPS/卡） | — | — | 260 TB/s | CX-9 | — |
⚠️ 注意：GB200 与 GB300 的稀疏 FP4 相同（1,440 PFLOPS），真正的提升在稠密 FP4（720→1,080）与显存容量；而 GB300 在 FP64 与 INT8 上大跌，HPC 用户须警惕。
四、演进趋势：几个关键倍数
| 维度 | 起点（P100 / 2016） | 现状（B300 / Rubin） | 增长 |
|---|---|---|---|
| 单卡显存 | 16 GB | 288 GB | 18× |
| 显存带宽 | 732 GB/s | ~22 TB/s（Rubin） | ~30× |
| FP16 算力 | 19 TFLOPS | ~2,250 TFLOPS（B200） | ~118× |
| GPU 互连 | NVLink 1：160 GB/s | NVLink 6：3,600 GB/s | ~22× |
| 单卡功耗 | 300W | 1,400W | ~4.7× |
| 机架功耗 | — | 120 kW（GB200）→ 600 kW（Rubin Ultra） | — |
低精度演进路径：FP16（Volta）→ TF32/BF16（Ampere）→ FP8（Hopper）→ FP4/FP6（Blackwell）→ NVFP4（Rubin）。NVFP4 采用两级缩放（FP8 微块缩放 + FP32 张量缩放），精度接近 FP8（误差常 <1%），而显存占用相比 FP8 降低约 1.8 倍、相比 FP16 降低约 3.5 倍。
五、专题：中国市场特供产品线
出口管制时间线
- 2022.10：美国禁止向中国出口性能≥A100 的 AI 芯片 → 英伟达推出 A800 / H800。
- 2023.10：管制加码，性能与带宽阈值进一步收紧 → 英伟达推出 H20 / L20 / L2。
- 2025.04：美国政府要求 H20 出口需许可，英伟达因此计提约 55 亿美元损失。
- 2025.07：美方恢复 H20 对华销售许可，但中国监管层劝阻采购国产替代。
- 2025.08：路透社报道英伟达在研 B30A（Blackwell 架构，性能据称是 H20 的 12 倍以上），但推进受阻、发布推迟。
- 2026：Rubin 发布时，外媒评价英伟达「despite losing China（尽管失去了中国市场）」，其在华数据中心业务已大幅萎缩。
特供型号对比
| 型号 | 显存 | 带宽 | FP8 | NVLink | 相对原版 |
|---|---|---|---|---|---|
| H100（原版） | 80GB HBM3 | 3.35 TB/s | 3,958 TFLOPS | 900 GB/s | 基准 |
| H800 | 80GB HBM3 | 3.35 TB/s | 3,958 TFLOPS | 400 GB/s | 算力不变，互连砍半 |
| H20 | 96GB HBM3 | 4.0 TB/s | 296 TFLOPS | 900 GB/s | 算力约为 H100 的 7.5%，互连保留 |
有意思的是，H20 的显存容量（96GB）甚至高于 H100（80GB），因为管制主要卡「算力密度」而非「显存」。这也解释了 H20 在推理场景下仍有一定价值。
六、竞品横向对比：英伟达并不孤单
| 厂商 / 型号 | 显存 | 带宽 | 精度算力 | TDP | 软件生态 |
|---|---|---|---|---|---|
| NVIDIA B200 | 192GB HBM3e | 8 TB/s | FP8 4.5 / FP4 10 PFLOPS | ≤1,200W | CUDA（最成熟） |
| NVIDIA B300 | 288GB HBM3e | 8 TB/s | FP8 5 / FP4 15 PFLOPS | ≤1,400W | CUDA |
| AMD MI300X | 192GB HBM3 | 5.3 TB/s | FP8 ~2.6 PFLOPS | 750W | ROCm |
| AMD MI325X | 256GB HBM3e | 6 TB/s | FP8 ~2.6 PFLOPS | 1,000W | ROCm |
| AMD MI355X | 288GB HBM3e | 8 TB/s | FP8 约 5 / FP4 约 10 PFLOPS | 1,400W | ROCm |
| Intel Gaudi 3 | 128GB HBM2e | 3.7 TB/s | FP8 1.835 PFLOPS | 600W | Gaudi 软件栈 |
| Google TPU v6e | — | — | 自研，不对外销售 | — | JAX / XLA |
| AWS Trainium 2 | — | — | 自研，仅 AWS | — | Neuron SDK |
竞争格局判断：
- AMD MI355X 是当前对英伟达最有威胁的对手：显存容量（288GB）与 B300 持平，在超大模型单卡推理上凭借容量优势可取得 20–30% 的性能领先；但在多卡紧耦合（NVLink）场景下，B200/B300 仍占优。软件生态（ROCm vs CUDA）仍是 AMD 的最大短板。
- 自研 ASIC（TPU、Trainium、MTIA、Maia）在「单一模型、超大规模推理」场景对英伟达形成分流，但通用性与迭代速度不及 GPU。
- 英伟达的护城河不只是芯片，而是 CUDA + NVLink + NIM/NeMo/TensorRT 的全栈生态。
七、选型指南：什么场景选什么卡
| 场景 | 推荐型号 | 理由 |
|---|---|---|
| 大模型预训练（前沿） | B300 / GB300 / Rubin | FP4 算力与显存容量最强 |
| 大模型预训练（预算受限） | H100 / H200 | 生态成熟、二手/租赁供给充足 |
| 大模型推理（高吞吐） | B300 / B200 / H200 | FP4/NVFP4 大幅降低每 token 成本 |
| 长上下文 / MoE 推理 | H200 / B300 | 141–288GB 大显存，KV cache 不吃紧 |
| 低延迟 / 边缘推理 | L4 / L40S | 功耗低、体积小、性价比高 |
| HPC 双精度科学计算 | GB200 / H100 / H200 | ⚠️ 避免 GB300（FP64 暴跌 96%） |
| INT8 老量化推理 | GB200 | ⚠️ GB300 的 INT8 仅剩 3.3% |
| 图形 / 虚拟化 / vGPU | L40S / A40 / L4 | 支持 vGPU 与渲染 |
| 小规模 / 成本敏感 | L4 / A10 / 二手 A100 | 单位算力成本最低 |
八、价格与 TCO（2026 年 8–9 月）
云租赁价格（每 GPU 每小时）
| GPU | 市场/现货价 | 主流云价 | 备注 |
|---|---|---|---|
| A100 | $1.09 起 | — | 旧卡，性价比高 |
| H100 | $1.38–3.38 | Azure $6.98 / AWS $7.00 | 2026 年价格近乎腰斩 |
| H200 | $1.99（spot）/ $3.99（on-demand） | 约 $4.39–4.50 | 采购价 $30–40k |
| B200 | $4.38–7.20 | — | 受 HBM 供应紧张影响溢价 |
| B300 | $4.76（spot）/ $9.16（on-demand） | — | 2026.09 数据 |
| L4 | $0.33 起 | — | 最便宜推理卡 |
| L40S | $0.63 起 | — | 全能中端 |
机架采购价格（第三方分析师估算）
| 机架 | 价格估算 | 来源 |
|---|---|---|
| GB200 NVL72 | 约 $3.1M（裸机）/ $3.9M（含网络全配） | SemiAnalysis |
| GB300 NVL72 | $3.7M–4.0M | Loop Capital |
| GB300 NVL72 | $6.0M–6.5M | Tom's Hardware 供应链报道 |
按 72 颗 GPU 折算：GB200 约 $43,000/GPU（裸机）至 $54,000/GPU（全配）；GB300 约 $51,000–90,000/GPU。两家机构对 GB300 的估算相差 1.7 倍，说明其定价仍不透明，实际采购须以报价为准。
能效与每 token 成本
- 在 Llama 3.3 70B 大 batch 推理上，B300 相比 B200 约降低 26% 的每百万 token 成本（带宽敏感的负载收益较小）。
- 英伟达官方称 Rubin 相比 Blackwell 平台，推理每 token 成本降低 10 倍，训练 MoE 所需 GPU 数量减少 4 倍。
- 机架功耗：GB200 ≈ 120 kW，GB300 ≈ 135–140 kW，Rubin Ultra 时代 Kyber 机架预计达约 600 kW——电力与散热正成为比芯片更硬的约束。
九、路线图与市场展望
年度迭代路线
2022 Hopper (H100)
2024 Hopper Refresh (H200) / Blackwell (B100/B200/GB200)
2025 Blackwell Ultra (B300/GB300)
2026 Rubin / Vera Rubin NVL72 ← 2026 下半年量产
2027 Rubin Ultra（HBM4e，100 PFLOPS FP4，Kyber 600kW 机架）
2028 Feynman（下一代架构）
市场与供应链
- 营收：英伟达 FY2027 第二财季（截至 2026 年 7 月 26 日）营收 962 亿美元（环比 +18%、同比 +106%），其中数据中心业务 890 亿美元（环比 +18%）。FY2027 第一财季营收 816 亿美元。
- 销量：黄仁勋此前透露 Blackwell 已售出数百万颗；多方预计英伟达将在 2026 年底前实现约 5,000 亿美元的 GPU 销售额。
- 供应链：台积电 CoWoS-L / 3nm 产能是瓶颈；HBM3e 主力供应商为 SK 海力士、三星、美光，HBM4 于 2026 年进入爬坡，良率提升是 Rubin 放量的关键。
- 地缘：中国市场基本失守，需求重心完全转向美国超大规模云厂商与主权 AI。
十、结论
- 英伟达的产品线是「三线并行」：训练旗舰（HBM + SXM）、推理通用（PCIe + GDDR）、机架级超级芯片，外加中国特供的隐形支线。
- 选卡先看两个坐标：显存容量/带宽（决定能放多大的模型）与 低精度算力（决定推理吞吐与成本）。算力数字本身已不是唯一指标。
- H200 是「内存升级」，B300 是「推理特化」：前者补齐 Hopper 的显存短板，后者用 FP4 换掉了 FP64/INT8——选错方向代价高昂。
- 护城河在互连与生态：NVLink 从 160 GB/s 到 3.6 TB/s 的持续投入，加上 CUDA 全栈，是 AMD/Intel 与自研 ASIC 短期内难以复制的。
- 下一个转折点是 Rubin：HBM4 + 3nm + NVFP4，官方口径是「每 token 成本降 10 倍」，2026 下半年起将重塑 AI 工厂的经济性。
附录：主要数据来源
- NVIDIA 官方技术博客：《Inside NVIDIA Blackwell Ultra: The Chip Powering the AI Factory Era》
- NVIDIA Newsroom：《NVIDIA Kicks Off the Next Generation of AI With Rubin》（CES 2026）
- NVIDIA 产品页：A100 / H100 / H200 / L40S / GB200 NVL72 / GB300 NVL72 / DGX B200
- NVIDIA 财报：FY2027 Q2（2026 年 7 月 26 日止）财务结果
- Wikipedia：Rubin (microarchitecture)
- TechPowerUp GPU Database：A100 / H20 / L40S / V100 规格
- SemiAnalysis：GB200 NVL72 成本估算、GPU 定价指数
- Spheron：《GB300 NVL72 vs GB200 NVL72: The Real Price Gap (2026)》
- Tom's Hardware：GB300 NVL72 机架价格、Vera Rubin 报道
- Loop Capital / Barron's / Tae Kim：机架价格估算
- Reuters / WSJ：H20 出口管制与 B30A 报道
- AMD 官方：Instinct MI300X / MI325X / MI355X 规格
- Intel：Gaudi 3 规格
免责声明：文中价格、算力与路线图数据来自公开来源，部分价格为第三方分析师估算或市场报价，可能随供应与政策变化而波动，实际采购与选型请以官方最新资料为准。