GPU‑серверы
GPU-серверы для нейросетей: от рабочей станции до 8 ускорителей
В разделе GPU-серверы разного масштаба. Башенные сборки в корпусах Phanteks и Deepcool несут от одной до четырёх видеокарт — RTX 5090, Radeon AI PRO R9700, A100. Стоечные Supermicro, GIGABYTE и ASUS рассчитаны на 2–8 RTX PRO 6000, старшие модели — на 8× A100, H100, H200, B200 или B300. Есть серверы на AMD Instinct MI300X–MI350X и MI300A, Huawei Atlas 800 на Ascend 910B и 910C, а также б/у машины на V100, P100, MI50 и MI100.
Как выбрать:
- Задача. Для экспериментов и инференса небольших моделей хватит 1–4 GPU, для обучения крупных — восьми ускорителей со связью NVLink.
- Экосистема. NVIDIA работает с CUDA, AMD — с ROCm, Huawei Ascend — со своим стеком CANN.
- Новый или б/у. Состояние указано в карточке; б/у серверы на прошлых поколениях ускорителей подойдут для тестов и обучения команды.
Поставку «Майнинг Кластер» оформляет юридически, с таможенной декларацией РФ, — подробнее на странице о компании.
Частые вопросы
Стоит ли брать б/у сервер на V100 или P100?
Для обучения небольших моделей, учебных задач и классического машинного обучения — да. Для современных LLM их возможности ограничены: у карт по 16 ГБ памяти и нет поддержки BF16 и FP8.
Чем Huawei Atlas 800 отличается от серверов на NVIDIA?
Atlas 800 работают на ускорителях Ascend 910B (64 ГБ) и 910C (128 ГБ) со стеком CANN, а PyTorch подключается через адаптер torch_npu. Код под CUDA напрямую не запустится; буква I в названии означает версию для инференса, T — для обучения.
Что такое AMD MI300A?
Это APU: процессорные ядра Zen 4 и графика CDNA 3 в одном корпусе с общей памятью HBM3 на 128 ГБ. Серверы на четырёх MI300A подходят для научных расчётов и задач, где CPU и GPU работают с одними данными.
Можно ли поставить GPU-сервер в обычном офисе?
Башенные сборки на 1–4 видеокарты ставят под стол без серверной стойки. Стоечным машинам на 8 ускорителей нужны серверная, мощное охлаждение и отдельная линия питания.