NVIDIA Tesla P100 PCIe 16 GB：なぜ古いTeslaが再びエンスージアストの注目を集めているのか

NVIDIA Tesla P100 PCIe 16 GBは、科学技術計算やスーパーコンピューター向けのアクセラレーターとして2016年に登場した。それから10年が経ち、廃棄されたサーバー向けカードが第二の人生を歩み始めている。エンスージアストは、ホームサーバーやニューラルネットワーク、CUDAプログラムの実験用としてこれらのカードを購入している。理由は単純で、16 GBのHBM2メモリと高い演算性能を、今では安価に入手できるからだ。しかし、低価格の裏には問題もある。パッシブ冷却、古くなりつつあるCUDAサポート、Tensor Coresの非搭載だ。

P100はP40やV100とどう違うのか

Tesla P100は、Pascalアーキテクチャの16 nmプロセッサーGP100を採用している。3584基のCUDAコアと4096ビットのメモリーバスを備える。最大の特徴は、当時のコンシューマー向けビデオカードにはほとんど搭載されていなかった強力なFP64演算ユニットだ。

P40はより大容量のビデオメモリを搭載しているが、メモリー帯域幅ではP100が2倍以上上回り、理論上のFP64性能では約12.5倍に達する。

V100は、両カードよりも大幅に高性能だ。その優位性は演算速度だけでなく、機械学習で多用される処理を高速化するTensor Coresを備えている点にもある。

ベンチマークで見る性能

Geekbench 7 OpenCLでは、P100 PCIeはTesla T4とGeForce RTX 3060の中間に位置する。Voltaアーキテクチャを採用したサーバー向けV100は、2倍以上高速だ。

これは、異なるシステムで取得されたGeekbench Browserの集計結果だ。GPUの全般的な比較には使えるが、FP64を使う科学技術計算や言語モデルの処理速度を示すものではない。

P100 PCIeはT4を約19％上回る一方、同じP100のSXM2版には18％及ばない。ただし、SXM2版には専用のサーバープラットフォームが必要で、一般的なPCIeスロットには装着できない。

P100が今でも計算用途で注目される理由

科学技術アプリケーションでは、高い数値精度が必要な計算にFP64が使われる。物理現象のシミュレーション、数値流体力学、一部の工学計算などがその例だ。

例えば倍精度の行列演算では、Tesla P100の理論性能は4.7 TFLOPSで、P40の約0.375 TFLOPSを大きく上回る。差は非常に大きいが、実際の高速化率はアルゴリズム、メモリとのデータ転送量、プログラムの効率によって変わる。

HBM2メモリも、大規模なデータ配列を処理するタスクで役立つ。732 GB/sという帯域幅は、読み書きが頻繁に発生する処理で特に有効だ。ECCのサポートは、長時間にわたる計算の信頼性をさらに高める。

そのため、P100を単なる古いビデオカードとみなすことはできない。対応する科学技術アプリケーションでは、今でも有用な処理能力を発揮できる。

中古市場での第二の人生

2026年になると、Tesla P100はホームサーバーの所有者や低価格な機器で実験するユーザーの注目を集めるようになった。以前はデータセンターで稼働していたカードが、中古市場で本来の価格とは比較にならないほど安く出回っている。

2026年10月、米国のeBayでは、P100 PCIe 16 GBが約$100～160で販売されている例が見られた。一部のエンスージアストは、$75～80で購入したと報告している。価格は状態、販売者、地域によって異なる。

比較的少ない出費で、購入者は高い帯域幅を持つ16 GBのビデオメモリを手に入れられる。これこそが、ホーム用の計算サーバーを構築したり、高価な最新アクセラレーターを購入せずにローカルLLMの実行を試したりする人々を引き付けている理由だ。

しかし、P100はコンピューターに挿すだけで使える普通のビデオカードではない。

• 冷却。 カードにはパッシブヒートシンクが搭載されており、強力な指向性のあるエアフローを前提としている。一般的な自作PCでは、ダクト付きの別途ファンが必要になることが多い。
• 電源。 CPU/EPS用の8ピンコネクターを使用する。ピン配列を確認せずに、通常のPCIe 8ピンケーブルを接続してはならない。
• 互換性。 一部の古いマザーボードでは、Above 4G Decodingの設定が必要になる。
• ソフトウェア。 新しいCUDAライブラリは、Pascalアーキテクチャを必ずしもサポートしていない。一部のアプリケーションでは、古い依存関係を使って自分でビルドしなければならない。

購入時には、nvidia-smiの診断結果を提示してもらい、メモリエラーを確認し、カードが負荷をかけた状態で長時間のテストを受けているかどうかを確認するとよい。HBM2に不具合がある安価な個体は、ほとんど役に立たない。

P100はローカルニューラルネットワークに適しているのか

P100は、互換性のある言語モデルを量子化フォーマットで実行できる。16 GBのメモリには、パラメーター数が70億～80億規模の多くのモデルを収められる。また、適切な量子化レベルとコンテキストサイズを選べば、一部のより大きなモデルも扱える。

ただし、高いメモリー速度はTensor Coresの欠如を補えない。さらに、GP100にはBF16のネイティブサポートがなく、Compute Capability 6.0も最新のMLライブラリとの互換性を制限する。

CUDA 13.0以降、NVIDIAはPascal向けのコンパイルサポートを廃止した。P100で開発するには、CUDA 12.xと対応するバージョンのライブラリを使う必要がある。これは、古いアプリケーションがすべて動かなくなったという意味ではないが、最新のMLスタックを導入するのは難しくなった。

LLMの実験用途では、P100は十分に利用できる。特に、すでにカードを所有している場合には有力な選択肢だ。ただし、言語モデル専用に購入するなら、24 GBのP40やV100とも比較すべきだ。P40はより大きなモデルをメモリに丸ごと配置でき、V100はTensor Coresと大幅に高い演算性能を備えている。メモリ容量が大きいからといって、生成速度が高くなるとは限らない。

2026年にTesla P100を買う価値はあるのか

価格が約$100であれば、動作するP100 PCIe 16 GBは、冷却を自分で用意し、CUDAを設定する意思のあるエンスージアストにとって、依然として魅力的だ。特に、FP64計算向けの安価なアクセラレーターが必要な場合には有力である。

ローカルLLM用途では、購入の判断はそれほど明確ではない。カード本体に加えて、冷却、電源、最大250 Wの消費電力、そして互換性のあるソフトウェアを設定するための時間も考慮しなければならない。主な目的が最新モデルを手軽に実行することなら、V100やより新しいRTXのほうが望ましい。

Tesla P100は、価格が安いからといって現代的なビデオカードになったわけではない。しかし、16 GBのHBM2を備えた安価な計算アクセラレーターとして、独自の役割を保っている。 科学技術計算や実験用途には興味深いハードウェアだが、汎用的なホームPCや、問題なくAIを動かす用途には適していない。