24 GB GDDR6X, PCIe 4.0 x16, HDMI, 3 x DisplayPort, #VCG409024TFXPB1
Preis auf Anfrage
Nicht mehr verfügbar
32GB HBM2, PCIe 4.0 x16, Passive Cooling, HF, RoHS 100-506143
Preis auf Anfrage
Nicht mehr verfügbar
NVIDIA Tesla T4 16GB GDDR6 PCIe 3.0-- Passive Cooling, Single Slot, 70w
Preis auf Anfrage
Nicht mehr verfügbar
100-506116
Preis auf Anfrage
Nicht mehr verfügbar
Ampere-Architektur, PCIe x16 4.0, 24GB GDDR6 ECC Memory, 10240 CUDA Cores, 2-Slot, 4x DisplayPort 1.4a, 1x 8-pin Power Input, 230W TDP
Preis auf Anfrage
Nicht mehr verfügbar
NVIDIA Ada Lovelace Architecture, PCIe x16 4.0, 20GB GDDR6 ECC Memory, 6144 CUDA Cores, Low Profile 2-Slot, 4x mDP 1.4a, 70W TDP
Preis auf Anfrage
Nicht mehr verfügbar
12 GB GDDR6 PCIe 4.0-Active,, 2-Slot, 4x DisplayPort 1.4, 70W TDP
Preis auf Anfrage
Nicht mehr verfügbar
Turing-Architektur, PCIe x16 3.0, 24GB GDDR6 ECC Memory, 4608 CUDA Cores, 2-Slot, 4x DisplayPort 1.4, 1x USB-C (VirtualLink), 1 x 8-pin + 1 x 6-pin Power Input, 295W TDP
Preis auf Anfrage
Nicht mehr verfügbar
NVIDIA PNY Quadro GV100 32GB HBM2 PCIe 3.0- Active Cooling
Preis auf Anfrage
Nicht mehr verfügbar
Quadro M2000 4096MB GDDR5 128bit PCI-E 3.0x16 4xDisplayPort 768 CUDA Cores active
Preis auf Anfrage
Nicht mehr verfügbar
Ampere-Architektur, PCIe x16 4.0, 48GB GDDR6 ECC Memory, 10752 CUDA Cores, 2-Slot, 4x DisplayPort 1.4, 2x 8-pin Power Input, 300W TDP
Preis auf Anfrage
Nicht mehr verfügbar
Turing-Architektur, PCIe x16 3.0, 8GB GDDR6 ECC Memory, 2304 CUDA Cores, 2-Slot, 3x DisplayPort 1.4, 1x USB-C (VirtualLink), 1 x 8-pin Power Input, 125W TDP
Preis auf Anfrage
Nicht mehr verfügbar
NVIDIA Tesla P40 24GB GDDR5 PCIe 3.0 - Passive Cooling
Preis auf Anfrage
Nicht mehr verfügbar
Turing-Architektur, PCIe x16 3.0, 8GB GDDR6 ECC Memory, 2304 CUDA Cores, 2-Slot, 3x DisplayPort 1.4, 1x USB-C (VirtualLink), 1 x 8-pin Power Input, 125W TDP
Preis auf Anfrage
Nicht mehr verfügbar
Turing-Architektur, PCIe x16 3.0, 48GB GDDR6 ECC Memory, 4608 CUDA Cores, 2-Slot, 4x DisplayPort 1.4, 1x USB-C (VirtualLink), 1 x 8-pin + 1 x 6-pin Power Input, 295W TDP
Preis auf Anfrage
Nicht mehr verfügbar
NVLink NVIDIA Tesla A100-40-SXM4 (Ampere) Graphic Computing-Prozessor [GPU], 40GB HBM2, max. 156 Tensor Core TFLOPS Deep Learning, 19,5 TFLOPS Single Precision floating point performance (peak), 9,7 TFLOPS Double Precision floating point performance (peak), 6912 single precision CUDA Cores und 432 Tensor Cores/GPU, Verbindungsbandbreite mit NVLink: 1,555 GB/s, NVIDIA NVLink 600 GB/s, PCIe Gen4 64 GB/s, 400W TDP (typical), passiv, #GPU-HGX A100 4-GPU
Preis auf Anfrage
Nicht mehr verfügbar
Turing-Architektur, PCIe x16 3.0, 16GB GDDR6 ECC Memory, 3072 CUDA Cores, 2-Slot, 4x DisplayPort 1.4, 1x USB-C (VirtualLink), 1 x 8-pin + 1 x 6-pin Power Input, 230W TDP
Preis auf Anfrage
Nicht mehr verfügbar
Ampere-Architektur, PCIe x16 4.0, 16GB GDDR6 ECC Memory, 6144 CUDA Cores, Single-Slot, 4x DisplayPort 1.4, 2x 8-pin Power Input, 140W TDP
Preis auf Anfrage
Nicht mehr verfügbar
Grafikkarten – wichtige Hintergrundinformationen
Worauf sollten Sie beim Kauf achten
Die wichtigsten Fragen im Überblick :- Welcher Grafikchip wurde verbaut?
- Wie viel Speicher ist vorhanden?
- Welche Taktrate hat die GPU?
Wie kam es zur GPU?
Eine GPU, auch Grafikprozessor oder Graphics processing unit genannt, führt mathematische Berechnungen von Daten besonders schnell durch. Grafikintensive Programme, etwa in der Forschung und Entwicklung, haben in der Vergangenheit zunehmend zur Beeinträchtigung der zentralen Recheneinheit (CPU) eines Servers geführt. Entsprechend ist GPU Computing heute ein Standard für rechenintensive Prozesse.Während die CPU die klassischen Rechenleistungen ausführt, übernimmt der Grafikprozessor die anspruchsvollen Aufgaben und entlastet so den eigentlichen Prozessor. Im Ergebnis beschleunigen Unternehmen durch die bessere Leistung der Server ihre Arbeitsprozesse und Produktionsabläufe.
Die Kerne der GPUs und ihre Aufgaben
Moderne GPUs zerlegen die eigentliche Rechenaufgabe in mehrere Unteraufgaben und bearbeiten diese parallel. Dafür sind sie mit einer Vielzahl an Kernen ausgerüstet: Während CPUs in der Regel vier bis 64 Kerne haben, verfügen neueste GPUs über mehrere Tausend Kerne, welche zudem noch virtuell unterteilt sind. So kann jeder Kern mehrere Aufgaben erfüllen. Die rasante Entwicklung der Digitalisierung und Datenverarbeitung wäre ohne leistungsstarke GPUs nicht möglich gewesen.Ob im Bereich der Medizin, Materialwissenschaft, in der Produktion oder Forschung: Ingenieure und Techniker nutzen die parallel arbeitenden Helfer in den Servern für ihre immensen Berechnungen von Daten. Da diese Menge an zu verarbeitenden Daten zukünftig nicht weniger, sondern mehr wird, nimmt demnach auch die Bedeutung von GPUs zu.
Die Rolle von GPUs für KI, Machine Learning und Deep Learning
Um die künstliche Intelligenz weiterzuentwickeln, müssen die Unternehmen immer mehr Daten immer schneller sammeln und auswerten. Diese sehr rechenintensiven Aufgaben benötigen leistungsstarke GPUs. Durch die Tausenden von Kernen und die parallele Architektur verarbeiten Grafikprozessoren kleinere Datensätze in wenigen Sekunden statt in vier bis fünf Minuten durch eine CPU. Bei besonders hohem Datenvolumen, wie etwa beim Deep Learning, reduzieren sich die Zeiten von Wochen auf Tage.Speziell für KI entwickelte GPUs schaffen mittlerweile eine Rechenleistung von 100 Tera Fließkommaoperationen pro Sekunde (TeraFLOPS). Führende Hersteller entwickeln zunehmend speziell für die KI-Forschung eigene GPUs. Bei Fragen hilft Ihnen gerne unser Expert:innen-Team - auch wenn es um passende weitere Komponenten wie RAM, HDD, SSD oder Controller geht.