Для чего нужна видеокарта?

Видеокарта в сервере — это не про игры и не про красивые обои на рабочем столе. Это вычислительный ресурс: инференс нейросетей, рендеринг, VDI, обработка видеопотоков. GPU превратился из «железки для картинки» в полноценный ускоритель, без которого ряд серверных задач просто не решается за адекватное время.

Большинству серверов GPU не нужен — файловый сервер или контроллер домена прекрасно живёт на встроенной графике BMC. Но если речь о VDI-ферме, инференсе LLM, научных вычислениях или видеоаналитике — без дискретного GPU сервер просто бесполезен. NVIDIA H100/H200, AMD Instinct MI300X, Intel Gaudi 3 — это процессоры-ускорители, которые стоят дороже самого сервера и определяют архитектуру всего решения. Подробнее о том, как подобрать и собрать сервер под задачи ИИ, — в отдельном материале. Отдельный вопрос - что будет, если карта окажется сильнее остальной системы: что будет, если видеокарта мощнее процессора.

Устройство

Серверная видеокарта устроена проще потребительской (нет пяти разъёмов HDMI и RGB-подсветки), но каждый элемент рассчитан на круглосуточную работу:

• GPU — чип-ускоритель. В серверном сегменте это NVIDIA H100/H200/B100, AMD Instinct MI300X, Intel Gaudi. Архитектура заточена под параллельные вычисления, а не под растеризацию полигонов.
• VRAM (HBM3/HBM3e) — высокоскоростная память с пропускной способностью до 4,8 ТБ/с (HBM3e). Именно объём VRAM определяет, поместится ли модель нейросети в память одного GPU или придётся распараллеливать на кластер.
• Шина (PCIe 5.0 / NVLink) — интерфейс связи GPU с CPU и между GPU. NVLink 4.0 даёт до 900 ГБ/с между ускорителями — на порядок быстрее PCIe.
• Видеовыходы — в серверных ускорителях их часто нет вовсе. NVIDIA A100/H100 не имеют разъёмов для мониторов: управление идёт через BMC и IPMI.
• Охлаждение — пассивный радиатор (для продува воздухом в стойке) или жидкостное охлаждение для TDP свыше 350 Вт.

Характеристики

На что смотреть при выборе серверного GPU:

• VRAM и тип памяти — для инференса LLM с 70B+ параметрами нужно от 80 ГБ HBM3. GDDR6X подходит для задач попроще: VDI, рендеринг.
• Тензорные ядра (Tensor Cores / Matrix Cores) — специализированные блоки для операций с матрицами. Именно они определяют скорость обучения и инференса нейросетей, а не тактовая частота.
• Пропускная способность памяти — измеряется в ТБ/с. NVIDIA H200 выдаёт 4,8 ТБ/с на HBM3e, что критично для задач, упирающихся в bandwidth.
• TDP (теплопакет) — серверные ускорители потребляют 300–700 Вт. Это влияет на выбор блока питания, системы охлаждения и даже стойки.
• Межсоединения (NVLink, Infinity Fabric) — если нужен мульти-GPU кластер, пропускная способность между ускорителями важнее тактовой частоты каждого из них.

Типы графических карт

• Встроенная графика (iGPU / BMC) — есть почти в каждом серверном процессоре или реализована через контроллер управления (BMC). Хватает для BIOS, IPMI-консоли и аварийного доступа. На этом — всё.
• Дискретные ускорители — NVIDIA Tesla/H-серия, AMD Instinct, Intel Gaudi. Устанавливаются в PCIe-слоты (x16) или в специализированные шасси (HGX, OAM). Потребляют 300–700 Вт, требуют соответствующего питания и охлаждения.
• Профессиональные GPU — NVIDIA RTX A-серия (A4000, A6000) и AMD Radeon PRO. Заточены под САПР, рендеринг, VDI. Сертифицированы для работы с ISV-приложениями (Autodesk, Siemens NX, SolidWorks).

Конфигурация сервера под GPU-задачи — нетривиальная история: нужно учесть совместимость шасси, мощность БП, количество PCIe-линий и теплоотвод. Проще всего рассчитать стоимость сервера через конфигуратор, где зависимости между компонентами уже заложены.

Программное обеспечение

GPU без софтового стека — кусок кремния. Экосистема решает: CUDA (NVIDIA), ROCm (AMD), oneAPI (Intel). CUDA доминирует — большинство ML-фреймворков (PyTorch, TensorFlow, vLLM) оптимизированы под неё в первую очередь. ROCm догоняет, но совместимость с конкретными моделями и библиотеками лучше проверять до покупки.

Драйверы в серверах — отдельная дисциплина. NVIDIA предлагает два варианта: стандартные драйверы и NVIDIA AI Enterprise (лицензируется отдельно). Для VMware vSphere, Proxmox и KVM-гипервизоров нужны vGPU-драйверы, позволяющие «нарезать» физический GPU на виртуальные профили. Если вы ещё не определились с платформой виртуализации, поможет сравнение популярных гипервизоров.

Использование видеокарт в майнинге криптовалют

После перехода Ethereum на Proof-of-Stake в 2022 году GPU-майнинг потерял экономический смысл для большинства криптовалют. Основные монеты либо ушли на ASIC (Bitcoin давно), либо перешли на PoS. Оставшиеся PoW-монеты, майнящиеся на GPU (Ravencoin, Ergo, Kaspa), приносят копейки при стоимости электричества выше $0,05/кВт·ч.

Если GPU-мощности уже есть — их выгоднее перепрофилировать: сдавать в аренду под ML-инференс (через платформы вроде Vast.ai или RunPod), использовать для рендер-ферм или видеотранскодинга. Окупаемость в этих сценариях предсказуемее, чем в майнинге.

3D-ускорители

Термин «3D-ускоритель» пришёл из 90-х, но суть осталась: аппаратное ускорение рендеринга полигонов, шейдеров, текстур. В серверной среде это нужно для VDI (когда сотни пользователей работают в AutoCAD или 3ds Max через тонкие клиенты) и для рендер-ферм (Blender, V-Ray, KeyShot). NVIDIA RTX A-серия и vGPU-профили позволяют разделить один физический GPU между 4–16 виртуальными рабочими столами — каждый получает свой кусок VRAM и вычислительных ресурсов.

Графический процессор

GPU содержит тысячи вычислительных ядер, работающих параллельно. NVIDIA H100 — 16 896 CUDA-ядер и 528 тензорных ядер. AMD MI300X — 304 вычислительных блока. Эта архитектура заточена под SIMD-операции: перемножение матриц, свёртки, операции с векторами. Отсюда и взрывной рост применения GPU в ML, молекулярной динамике, финансовом моделировании и генеративном AI.

Видеопамять

Объём VRAM — часто узкое место. Модель LLaMA 3.1 70B