Nenhum produto encontrado para ""
Compre NVIDIA H100, H200, RTX PRO 6000 e L40S para treino, inferência e LLM em local. Todas as placas são novas e chegam com a alfândega já paga. Ajudamos a escolher o modelo e o formato certos para os seus servidores.…
Orçamento mais curto ou sistema compacto: RTX PRO 4000 Blackwell, RTX PRO 4500 Blackwell ou RTX 4000 SFF Ada. O software que não precisa de CUDA também corre em AMD Instinct MI210 ou Intel Data Center GPU Flex.
Série Flex de GPUs para Data Center da Intel
Em estoque
—
$1.634,00
GPU Profissional NVIDIA Quadro RTX 5000 16GB
Em estoque
—
$2.400,00
GPU Profissional NVIDIA Quadro RTX 8000 48GB
Em estoque
—
$4.500,00
GPU Profissional NVIDIA RTX 2000 Ada Geração 16GB
Em estoque
—
$1.850,00
GPU Profissional deSlot Único NVIDIA RTX 4000 Ada Geração 20GB
Em estoque
—
$2.600,00
GPU NVIDIA RTX 4000 SFF Ada geração 20GB de formato compacto
Em estoque
—
$1.550,00
GPU Profissional NVIDIA RTX 4500 Ada Geração 24GB
Em estoque
—
$4.400,00
GPU Profissional NVIDIA RTX 5000 Ada Geração 32GB
Em estoque
—
$5.400,00
GPU Profissional NVIDIA RTX A2000 12GB de Perfil Baixo
Em estoque
—
$2.569,00
GPU centro de dados NVIDIA A10 24GB Tensor Core
Em estoque
—
$3.700,00
GPU Profissional NVIDIA T400 4GB
Em estoque
—
$2.646,00
GPU Profissional NVIDIA Quadro P1000 4GB de Perfil Baixo
Em estoque
—
$2.168,00
Estoque Verificado
Cada GPU testada e inspecionada antes do envio
Envio rápido
Envia dentro de 1–3 dias úteis
Cripto Aceito
Pague com BTC, ETH, USDT e mais
Suporte Especializado
Especialistas em infraestrutura AI & GPU disponíveis
A revolução da IA é alimentada por um conjunto incrivelmente pequeno de chips de silício. A linha de GPUs de data center da NVIDIA, desde as GPUs Tensor Core H100 e H200 até as RTX PRO 6000 Blackwell e RTX 5090, representa a base de computação na qual modelos de linguagem ampla, modelos de difusão, simulações científicas e pipelines de inferência de alta frequência são executados. Mantemos toda a linha profissional da NVIDIA — aceleradores de data center, GPUs para estações de trabalho e placas de visualização profissional — para compradores empresariais, laboratórios de pesquisa, startups de IA e operadores de infraestrutura em nuvem.
H200 Largura de banda de memória
4.8 TB/s
HBM3e @ capacidade de 141 GB
Desempenho de IA H100
3.9 PFLOPS
operações de tensor esparso FP8
RTX PRO 6000 VRAM
96 GB
GDDR7 ECC — arquitetura Blackwell
RTX 5090 VRAM
32 GB GDDR7
Blackwell GB202 — 3352 GB/s BW
80 GB HBM2e
A força de trabalho do treinamento de IA empresarial. 3,35 TFLOPS FP64, NVLink 900 GB/s. Variante SXM preferida para redes NVSwitch multi-GPU em sistemas DGX H100.
141 GB HBM3e
Successor ao H100. Mesmo die de GPU Hopper, mas com 1,76× mais memória e largura de banda de 4,8 TB/s — fundamental para inferência de LLM com janelas de contexto longas.
40 GB / 80 GB HBM2e
Trabalhador de geração anterior ainda em uso intenso. 312 TFLOPS FP16 Tensor Core. Amplamente disponível em configurações originais e personalizadas PCIe.
96 GB GDDR7 ECC
A GPU de estação de trabalho mais potente já construída. Fator de forma PCIe completo, suporte a ponte NVLink, Tensor Cores de 4ª geração. Ideal para inferência LLM local e renderização.
32 GB GDDR7
Bandeira de consumo da NVIDIA na arquitetura Blackwell. 21.760 núcleos CUDA, 3.352 GB/s de largura de banda de memória. Melhor GPU única para cargas de trabalho mistas e inferência.
24 GB GDDR6X
Geração Ada anterior. 16.384 núcleos CUDA, banda de largura de 1.008 GB/s. Ainda um desempenho forte e uma faixa de preço mais acessível para clusters de inferência.
8 GB GDDR6
GPU profissional de perfil baixo para inferência de borda e cargas de trabalho de saída de exibição. Consumo mínimo de energia, operação silenciosa, implantação em racks densos.
16 / 24 GB GDDR6
GPUs PCIe Ada e Ampere otimizadas para inferência. Projetadas para slots de servidor com restrição de energia — TDP de 72 W — com alto desempenho em INT8 para implantação em larga escala.
A NVIDIA enviou três microarquiteturas de GPU principais desde o início do boom da IA. A arquitetura Hopper (H100, H200) apresentou o Transformer Engine — um bloco de hardware que troca dinamicamente a precisão entre FP8 e FP16 dentro de uma única passada de camada para maximizar a taxa de processamento sem perda significativa de precisão. Essa foi a inovação de design que tornou o treinamento de modelos com mais de 70 bilhões de parâmetros comercialmente viável.
Ada Lovelace (RTX 4090, L4, L40S) trouxe o Tensor Core de 4ª geração para o mercado profissional e prosumer, juntamente com um hardware de ray tracing significativamente aprimorado. As placas Ada ocupam um ponto ideal entre acessibilidade ao consumidor e capacidade profissional, tornando-se a escolha dominante para implantações boutique de inferência e estações de trabalho criativas de IA.
Blackwell (RTX 5090, RTX PRO 6000, GB200 NVL72) é a geração atual. Blackwell introduziu um design de GPU de dual-die para os componentes de data centre de ponta, NVLink 5.0 com largura de banda die-para-die de 1,8 TB/s, e os Tensor Cores de quinta geração com suporte a FP4. O RTX PRO 6000 Blackwell traz 96 GB de memória ECC para o nível de estação de trabalho — mais capacidade do que um H100 PCIe — possibilitando que cargas de trabalho anteriormente exclusivas de nuvem sejam executadas localmente.
As três GPUs que definem a infraestrutura moderna de IA na estação de trabalho e no servidor de nó único.
O padrão ouro para treinamento distribuído. A variante SXM conectada por NVSwitch é obrigatória para nós de classe DGX com 8 GPUs. A variante PCIe é adequada para servidores padrão.
Mesmo Hopper GPU que H100, mas com quase o dobro da capacidade de memória e banda larga muito maior. Ideal para atender modelos com mais de 70 bilhões de parâmetros em grande escala, com comprimentos de contexto longos.
Mais VRAM do que um H100 em um slot PCIe padrão. Compatível com qualquer estação de trabalho ou servidor torre. Executa modelos de 70 bilhões localmente. A RTX PRO 6000 Server Edition remove as saídas de vídeo para implantação otimizada em racks.
A GPU que treina um modelo não é necessariamente a melhor GPU para atendê-lo. O treinamento exige FLOPS máximos e grande memória para armazenar parâmetros, gradientes e estados do otimizador simultaneamente — um modelo de 70B ajustado com AdamW requer mais de 500 GB de VRAM em um cluster. Para treinamento nessa escala, nós H100 ou H200 SXM conectados via NVSwitch são o padrão da indústria, oferecendo a combinação de capacidade de processamento bruto e a largura de banda NVLink necessária para manter todas as GPUs alimentadas.
As cargas de trabalho de inferência se importam menos com FLOPS e mais com capacidade e largura de banda de memória. Um modelo quantizado de 70B em INT4 cabe aproximadamente em 40 GB — o que significa que um H200 pode atendê-lo com folga, e um par de placas RTX PRO 6000 Blackwell conectadas via NVLink Bridge podem fazer o mesmo. Para serviços de inferência de alta taxa de transferência, a largura de banda de 4,8 TB/s do H200 mantém a latência baixa mesmo sob lotes de solicitações simultâneas.
Casos de uso de estações de trabalho locais — pesquisa, IA criativa, chat LLM local, geração de imagens, síntese de vídeo — são bem atendidos pelo RTX PRO 6000 Blackwell (96 GB), pelo RTX 5090 (32 GB) ou pelo A100 (40/80 GB), dependendo das necessidades de tamanho do modelo. O RTX 4090 continua sendo a opção mais competitiva em termos de preço para usuários que executam modelos quantizados com menos de 24 GB.
Cluster NVSwitch de múltiplos nós. Obrigatório para pré-treinamento em larga escala e ajuste fino completo.
Memória de alta largura de banda essencial para atendimento de contextos longos. Ponte NVLink para pares de estações de trabalho.
32–80 GB suficientes para serviço quantizado. Alta taxa de transferência INT8.
Maior VRAM em uma placa PCIe. Executa modelos de 34B sem quantizar. ECC para confiabilidade.
Alta contagem de núcleos CUDA + banda larga rápida GDDR7 ideal para inferência por difusão.
TDP abaixo de 75 W. Slot único ou de perfil baixo. Implantação densa em racks.
Memória ECC, drivers certificados, buffers de quadro grandes para 3D/CAD/simulação.
O GB200 emparelha dois chips GPU Blackwell em um único pacote conectados por NVLink-C2C a 1,8 TB/s — eliminando completamente o gargalo PCIe entre as unidades de processamento.
O novo modo de precisão FP4 oferece até 2× a taxa de processamento do FP8 para cargas de trabalho de inferência. Mantém a precisão por meio do formato de microscaling da NVIDIA (MXFP4).
Aumentar a largura de banda dobra em relação ao Hopper — 1,8 TB/s bidirecional por GPU. Fundamental para a configuração de rack NVL72 que conecta 72 GPUs Blackwell em uma única unidade lógica.
Um motor dedicado de Confiabilidade, Disponibilidade e Capacidade de Manutenção para detecção preditiva de falhas de hardware — reduzindo o tempo de inatividade não planejado em clusters de inferência de produção.
TEEs (Trusted Execution Environment) isolados por hardware para cargas de trabalho de GPU. Permite executar modelos proprietários e inferência sensível em infraestrutura de nuvem compartilhada de forma segura.
96 GB GDDR7 ECC em formato padrão PCIe de duas slots. Confiabilidade de nível estação de trabalho com capacidade de memória de classe data center. A Edição Server remove as saídas de vídeo.
A GeForce RTX 5090 lança o Blackwell no mercado de consumo e prosumer. Construída com o chip GB202, possui 21.760 núcleos CUDA e 32 GB de memória GDDR7 operando a uma largura de banda de 1.792 GB/s, sendo a GPU única mais poderosa que cabe em um PC de mesa padrão. Para pesquisadores e desenvolvedores de IA que precisam de inferência local e experimentação sem custos de nuvem, o RTX 5090 é a escolha pragmática.
A RTX PRO 6000 Blackwell adota uma abordagem fundamentalmente diferente: em vez de maximizar o desempenho de jogos para consumidores, a NVIDIA desenvolveu uma GPU de estação de trabalho com 96 GB de memória ECC GDDR7 — mais do que qualquer GPU PCIe anterior de qualquer fabricante. As versões Server Edition e Max-Q Workstation Edition abrangem implantação em rack e móvel, respectivamente. Duas placas RTX PRO 6000 conectadas via NVLink Bridge proporcionam 192 GB de memória consolidada — suficiente para executar modelos com 70 bilhões de parâmetros não quantizados.
Para estúdios, laboratórios de pesquisa e startups de IA que não podem ou não desejam executar todas as cargas de trabalho na nuvem, a linha de estações de trabalho Blackwell muda completamente o cálculo. Modelos proprietários permanecem nas instalações. A latência de inferência diminui. A soberania dos dados é mantida. O custo inicial de hardware é amortizado contra as contas de inferência na nuvem que, de outra forma, se acumulariam indefinidamente.
Explore nossa gama completa de GPUs profissionais NVIDIA acima, desde placas de estação de trabalho única até configurações de servidores multi-GPU. Seja treinando seu primeiro modelo ou ampliando um cluster de inferência, nossa equipe ajudará você a combinar o hardware adequado à sua carga de trabalho e orçamento.