按小時租用 NVIDIA H100 SXM GPU
NVIDIA H100 SXM 是一款基於 Hopper 架構的資料中心 GPU，配備 80 GB VRAM 與 700 W 功耗設計。它提供約 53.5 TFLOPS 的標準浮點運算能力與約 2869 GB/s 的記憶體頻寬，並支援 CUDA 運算能力 9.0。在 ONIE 上以每小時計費租用，享有完整 SSH 存取權限，以及針對 PyTorch/CUDA、vLLM、Ollama 和 ComfyUI 預先配置的現成範本。
規格
每顆 GPU 的 VRAM
架構
運算能力 (Compute Capability)
FP32 算力
記憶體頻寬
功耗限制
數值由基礎設施供應商針對目前上架的機器提供；實際效能會因機器而異。
可用配置
即時庫存與價格持續更新，最終價格將於下單前確認。
正在載入即時價格…
H100 SXM 適合的應用場景
大型語言模型推論
透過 vLLM 或 Ollama 範本，利用 80 GB VRAM 容量與約 2869 GB/s 的記憶體頻寬，將高需求的語言模型部署至正式環境。
深度學習微調
使用預先配置的 PyTorch/CUDA 環境，結合 Hopper 架構與 CUDA 運算能力 9.0 來訓練與微調神經網路。
高吞吐量批次處理
執行密集型資料處理與模擬工作負載，充分發揮 700 W 資料中心規格下約 53.5 TFLOPS 的運算效能。
繁重的生成式媒體工作流程
執行複雜的 ComfyUI 流程與大批次大小的擴散模型，80 GB 的記憶體空間能輕鬆容納這些工作負載。
這款 GPU 適合您嗎？
當您的訓練或推論工作負載需要 80 GB 高頻寬資料中心記憶體與 Hopper 架構功能時，請選擇 H100 SXM。對於輕量級開發或小型模型，較小的工作站或消費級 GPU 是更實用的選擇；而如果單一執行個體的 80 GB VRAM 無法容納您的完整模型，則建議選擇更新或容量更高的資料中心 GPU。
與同級 GPU 比較
常見問題
H100 SXM 適合用於 LLM 微調與推論嗎？
是的，其 80 GB VRAM 與約 2869 GB/s 的記憶體頻寬非常適合用於大型語言模型的部署服務與微調。您可以在 ONIE 上使用 vLLM、Ollama 或 PyTorch/CUDA 的現成範本立即開始。
SXM 版本與較低功耗的資料中心或工作站 GPU 相比如何？
H100 SXM 以 700 W 熱設計功耗運作，使其能維持比 PCIe 資料中心版本或工作站顯示卡更高的運算效能與記憶體頻寬。如果您的工作負載不會用滿約 53.5 TFLOPS 的運算能力或 80 GB 記憶體，較小的 GPU 可能就已足夠。
CUDA 運算能力 9.0 提供什麼樣的軟體相容性？
運算能力 9.0 代表硬體支援 NVIDIA Hopper 架構的指令與功能。我們預先配置的 PyTorch/CUDA 範本已準備就緒，無需手動設定驅動程式即可直接發揮此硬體的效能。
在 ONIE 上的計費與執行個體存取是如何運作的？
執行個體在您的租用期間採每小時計費。部署完成後，您可以透過 SSH 存取直接連線至您的環境，或與 ComfyUI 等預先安裝的工具互動。
按小時租用 H100 SXM
建立帳號、選擇配置並透過 SSH 連線。刪除 GPU 即停止計費。
租用 H100 SXM