9 年前 Tesla V100 再战：4 卡集群推理跑赢 2 台 DGX Spark

核心事实

据 IT之家 10 月 13 日报道，YouTube 频道 Jun Yamog 于 10 月 12 日发布视频，将 4 张英伟达 Tesla V100 安装于 NVLink 载板组成集群，在 Qwen3.8-Flash-Next 基准测试中进行 AI 推理对比。结果显示，该集群在长提示处理速度上较 2 台 DGX Spark 快 40%，较配备 M5 Ultra 芯片的 Mac Studio 快 230%。

在短提示处理测试中，V100 集群较 DGX Spark 保持 40% 的速度优势，较 M5 Ultra 快 163%。短提示 Token 生成测试中，4 颗 V100 达到 100.6 tok/s，较 2 台 DGX Spark 快 121%；M5 Ultra 的成绩为 44.5 tok/s。

背景与影响

Tesla V100 是英伟达于 2017 年推出的数据中心 GPU，基于 Volta 架构，32GB 版本配备 HBM2 显存，显存带宽 900GB/s。NVLink 是英伟达的 GPU 高速互联技术，用于在多颗 GPU 之间直接传输数据，相比 PCIe 通信可降低互联瓶颈。

测试所用 NVLink 载板提供 300GB/s 带宽，配备 6 条 NVLink 2.0 连接。为容纳 4 颗独立 GPU，测试者改装了 NVIDIA A100 散热器，以散发每颗 V100 约 300W 的功耗，并通过 PCIe x8 接口连接载板。测试使用 4-bit 量化的 Qwen3.8-Flash-Next 模型，对比对象为 2 台配备 128GB LPDDR5X 统一内存的 DGX Spark，以及配备 M5 Ultra 芯片的 Mac Studio。

测试者指出，与 Apple Silicon 的巨大差距可能部分源于软件优化不足。该结果显示，旧款数据中心 GPU 在特定推理负载中仍具备较高吞吐能力。

限制与来源

上述数据来自单一 YouTube 频道的自建测试，并非英伟达官方基准，测试环境、驱动版本与量化配置等细节未在素材中完整披露，结果的可复现性有待验证。相关产品规格与可用性请以厂商官网当前信息为准。本文不构成任何采购或投资建议。

来源：IT之家（www.ithome.com），原题为《9 年前英伟达 Tesla V100 老将再战：4 GPU 集群 AI 推理跑赢 2 台 DGX Spark》。