Tesla P100 DGXS : un accélérateur présent dans les bases de données, mais absent du marché

La NVIDIA Tesla P100 DGXS apparaît dans les catalogues de cartes graphiques comme un modèle distinct doté de 16 Go de HBM2, de fréquences de 1328 à 1480 MHz et d’une consommation de 300 W. Cependant, il n’a pas été possible de trouver un document officiel présentant ces caractéristiques, des tests indépendants ou des ventes confirmées de cette version. En revanche, la désignation P100-DGXS figure dans les pilotes NVIDIA, tandis que des configurations GP100 supplémentaires associées à la DGX Station ont été découvertes dans les logiciels de diagnostic de l’entreprise.

La P100 DGXS constitue donc un cas inhabituel : l’existence de l’identifiant correspondant est confirmée, mais l’historique de production de la carte elle-même reste incertain.

En quoi la P100 DGXS se distingue-t-elle des autres Tesla P100 ?

Toutes les Tesla P100 reposent sur le processeur GP100 de l’architecture Pascal, gravé en 16 nm et doté de 3584 cœurs CUDA. Les versions de série se distinguent par la quantité de HBM2, les fréquences, la consommation électrique et le mode de connexion.

Dans les catalogues, les caractéristiques de la DGXS reprennent presque exactement celles de la P100 SXM2. Elles ont peut-être été transposées par analogie, mais aucune spécification officielle de NVIDIA pour cette version n’a pu être trouvée.

Rien ne confirme pour l’instant que les fréquences de la DGXS correspondaient réellement à celles de la SXM2. Il est donc impossible d’utiliser les valeurs publiées dans les catalogues pour comparer précisément les performances.

Les traces de la P100 DGXS dans les documents de NVIDIA

Le témoignage le plus convaincant de l’existence de cette configuration est l’identifiant PCI\VEN_10DE&DEV_15FC. Dans la base des pilotes NVIDIA pour Windows de juin 2017, il est indiqué comme Tesla P100-DGXS-16GB.

D’autres informations apparaissent dans le dépôt officiel NVIDIA DCGM, qui contient les paramètres de diagnostic des accélérateurs pour serveurs.

Il contient deux entrées qui nous intéressent :

• 15FA - DGX Station. Configuration GP100 avec une puissance cible de 249 W pour le test de diagnostic.
• 15FC - GP100 SKU 201. Configuration distincte avec une puissance cible de 299 W pour le test.

Le second identifiant correspond à celui de la Tesla P100-DGXS-16GB dans les bases de pilotes. Toutefois, les valeurs de puissance indiquées dans DCGM définissent la charge des tests de diagnostic, et non le TDP officiel.

NVIDIA a donc bien prévu plusieurs configurations GP100, dont une variante portant la désignation DGX Station. Mais les entrées présentes dans les logiciels ne permettent pas de déterminer combien de cartes physiques ont été fabriquées ni si elles ont été livrées à des clients.

Le lien avec la NVIDIA DGX Station

L’histoire de la P100 DGXS est compliquée par les dates. La Tesla P100 a été présentée en avril 2016 avec le serveur DGX-1. NVIDIA n’a toutefois annoncé officiellement la station de travail DGX Station que le 10 mai 2017.

Lors de sa présentation initiale, la DGX Station était équipée de quatre Tesla V100 dotées de 16 Go de HBM2 et reliées par NVLink. Le système bénéficiait d’un refroidissement liquide et était vendu au prix annoncé de $69 000.

Pourtant, en octobre 2017, le site ServeTheHome a indiqué qu’à ses débuts, la DGX Station utilisait quatre P100 avant de passer aux V100. Cela contredit l’annonce officielle initiale de NVIDIA, qui mentionnait déjà des accélérateurs Volta.

Il s’agissait peut-être de prototypes ou de configurations préliminaires, mais aucun document public confirmant une telle livraison n’a pu être trouvé.

La date de sortie de la P100 DGXS souvent indiquée dans les catalogues - avril 2016 - ne peut donc pas être considérée comme confirmée. Elle correspond à l’apparition du GP100, et non à une sortie connue du modèle DGXS.

Performances : ce qui peut être vérifié

Aucun résultat de test réalisé directement sur une Tesla P100 DGXS n’a pu être trouvé. Pour évaluer les capacités de l’architecture GP100, il est possible d’utiliser les mesures obtenues avec une P100 PCIe 16 GB de série.

Une comparaison publiée par la communauté llama.cpp présente les résultats de plusieurs GPU précis lors de l’exécution du modèle Llama 7B Q4_0.

Plus élevé = meilleur. Les données ont été publiées par des membres de la communauté llama.cpp. Un seul modèle a été utilisé, mais les systèmes de test et les versions du programme différaient. Pour la Tesla P100, le résultat concerne la version PCIe, et non la DGXS.

Dans ce test, la P100 est presque au niveau de la GTX 1080 Ti en vitesse de génération, mais elle accuse un retard notable lors du traitement du prompt. L’une des raisons est l’absence, sur le GP100, des instructions DP4A qui accélèrent les calculs sur des données quantifiées.

La bande passante élevée de la HBM2 ne compense pas cette limitation. Même avec les fréquences de la SXM2, l’inconnue qu’est la DGXS n’aurait pas bénéficié des instructions manquantes.

Le GP100 dispose toutefois d’un autre avantage : les calculs en FP64. La P100 SXM2 de série atteint 5,3 TFLOPS en double précision, contre 4,7 TFLOPS pour la version PCIe. Cela préserve leur intérêt pour certains calculs scientifiques, même s’il est impossible d’établir les performances précises de la DGXS.

Prise en charge logicielle en 2026

Tous les accélérateurs GP100 disposent d’une capacité de calcul CUDA de niveau 6.0. Dans les bibliothèques modernes d’apprentissage automatique, cela devient une limitation importante.

La dernière version de CUDA Toolkit permettant de compiler des applications pour Pascal est la 12.9. À partir de CUDA 13, la prise en charge de la compilation pour cette architecture a été supprimée. La dernière branche des pilotes NVIDIA pour Pascal est la R580, dont la période de support s’achève en 2028.

Les anciens programmes CUDA continueront de fonctionner avec des pilotes compatibles, mais les nouvelles versions de PyTorch et d’autres bibliothèques pourraient ne plus prendre en charge le GP100. L’absence de Tensor Cores limite encore davantage les performances des calculs de réseaux neuronaux.

Pour les modèles de langage locaux, les 16 Go de HBM2 restent utiles, mais choisir un accélérateur uniquement en fonction de la capacité et de la bande passante mémoire ne suffit plus.

Peut-on acheter une P100 DGXS et par quoi la remplacer ?

Aucune offre confirmée de Tesla P100 DGXS n’a pu être trouvée sur le marché secondaire ouvert. Les caractéristiques de sa conception physique sont également inconnues : le seul identifiant de périphérique ne permet pas de déterminer la disposition des connecteurs, le système de refroidissement ou la compatibilité avec les cartes mères classiques.

Si vous avez besoin d’un accélérateur basé sur l’architecture GP100, des options plus prévisibles sont disponibles :

• Tesla P100 PCIe 16 GB. Connexion PCIe standard, 16 Go de HBM2 et performances FP64 pouvant atteindre 4,7 TFLOPS. Elle nécessite un flux d’air puissant et dirigé, ainsi qu’une alimentation adaptée.
• Tesla P100 SXM2 16 GB. Performances supérieures et prise en charge de NVLink sur les serveurs compatibles. Pour un ordinateur classique, un adaptateur et un refroidissement séparé sont nécessaires.
• Tesla V100 SXM2 16 GB. Architecture Volta, Tensor Cores et performances FP64 pouvant atteindre 7,8 TFLOPS. Elle est nettement plus intéressante pour les charges de travail d’apprentissage automatique compatibles, mais nécessite également une connexion spéciale.

Pour exécuter des LLM locaux modernes, une GeForce RTX dotée de Tensor Cores et d’une architecture plus récente est souvent plus pratique, même si sa mémoire vidéo est moins abondante.

Conclusion

La Tesla P100 DGXS est une désignation réelle dans l’écosystème logiciel de NVIDIA, mais pas un modèle de série confirmé par la documentation. Les identifiants présents dans les pilotes et dans DCGM indiquent l’existence de configurations GP100 distinctes, mais leur commercialisation et leurs caractéristiques techniques restent inconnues.

Attribuer à la DGXS les caractéristiques de la P100 SXM2 sans preuves supplémentaires serait incorrect. Pour les calculs scientifiques et les expérimentations CUDA, mieux vaut choisir des P100 PCIe ou SXM2 de série, dotées de spécifications connues et dont les résultats de test sont disponibles.

La P100 DGXS est surtout intéressante comme élément méconnu de l’histoire de NVIDIA DGX, et non comme une option d’achat pratique en 2026.