AI 算力卡是什么？从术语到选购（2026 指南）
什么是算力卡
算力卡（也叫计算卡、AI 加速卡）是为 AI 训练与推理提供加速算力的板卡产品：把 AI 加速芯片（GPU / NPU / TPU / ASIC）装上显存、供电与散热，做成可以插进服务器或工作站的标准化板卡。常见形态包括 PCIe 卡、SXM/OAM 模组以及整机柜超节点。
和消费级"显卡"的区别：算力卡通常没有视频输出接口、重点在显存容量与算力密度、驱动面向数据中心场景（如 ECC 显存、虚拟化、多卡互联）。
算力卡、GPU、NPU、TPU 是什么关系
这是最容易混淆的一组词：GPU / NPU / TPU / ASIC 说的是芯片架构类型，算力卡说的是产品形态。同一张"算力卡"，既可以说是 GPU 卡，也可以说是 AI 加速卡。
| 术语 | 常见所指 | 深入阅读 |
|---|---|---|
| GPU | 通用并行加速，生态最成熟 | GPU 架构详解 |
| TPU | 张量处理专用（Google 起源） | TPU 架构详解 |
| NPU | 神经网络专用，多见于边缘 | NPU 架构详解 |
| ASIC | 定制专用芯片（Trainium、Dojo 等） | ASIC 架构详解 |
| 算力卡 / 计算卡 | 上述芯片做成板卡后的统称 | 本页 + 全库对比表 |
选购六大维度
- 算力与精度口径：同一张卡有 FP16 / FP8 / FP4 多个数字，且分稀疏与密集（稀疏约为密集的 2 倍）。对比时务必同精度同口径，本站卡片均标注口径。
- 显存容量与带宽：决定能装下多大的模型。训练看容量（HBM3e/HBM4），推理吞吐更看带宽。
- 互联带宽：NVLink / NVLink 6、华为 MTLink、寒武纪 MLU-Link、UALink 等，决定多卡扩展效率；没有高速互联基本只能单卡推理。
- 功耗与散热：TDP 从几十瓦（边缘卡）到 1,400 瓦（B300 Ultra），直接决定机柜供电与散热方案。
- 软件生态：CUDA 仍是事实标准；国产卡对应 CANN（昇腾）、DTK（海光）、MUSA（摩尔线程）等，迁移成本要计入选型。
- 价格与 TCO：标价之外，电费、利用率、折旧共同决定真实成本，建议用 TCO 计算器 测算 3 年总拥有成本。
按场景怎么选
| 场景 | 代表算力卡 | 说明 |
|---|---|---|
| 大模型训练 | H100 / H200 / B200 / 昇腾 910C / MLU690 | 看重 FP16/FP8 算力 + 高速互联 + 集群方案 |
| 大模型推理 | H20 / L40S / 昆仑芯 P800 / MTT S5000 | 看重显存带宽与每 token 成本 |
| 边缘与低功耗 | L4 / L2 / T4 / RK3588 | 看重功耗、形态与性价比 |
更多分类入口：数据中心 AI 训练 · 数据中心 AI 推理 · 边缘 AI
数据速查
- AI 算力卡完整对比表：精选 81 款 + 全库 252 款，FP8/INT8 算力、显存、TDP 一张表看完
- TCO 计算器：输入功耗、算力与电价，测算多年总拥有成本与每 token 成本
- 发布时间线：历代算力卡发布节奏
常见问题
算力卡和显卡有什么区别？ 算力卡面向数据中心，无显示输出、普遍配备 ECC 显存与多卡互联；消费级显卡面向图形与游戏。规格口径也不同，算力卡看数据中心精度（FP16/FP8/FP4）。
对比算力卡时该看哪个算力数字？ 先对齐精度（FP16/FP8/FP4），再对齐稀疏/密集口径，最后结合显存带宽一起看——推理吞吐往往受带宽限制而非纯算力。
国产算力卡有哪些代表？ 训练向：昇腾 910C、寒武纪 MLU690、摩尔线程 MTT S5000；推理向：昆仑芯 P800、海光 DCU、燧原云燧系列。全库对比见 对比表。