混元 A13B 本地部署测算
混元 A13B（腾讯）在不同算力卡上的本地部署配置、预估性能与适用场景。
数据更新时间：2026-09-16B300 288GB
288GB · 8,000GB/s带宽 · 顶级Blackwell卡（对华无官方渠道）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 1张
- 预估解码速度
- 308 tok/s单流理论上限
- 预估并发吞吐
- 输出 523 tok/s输入 11,250 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥2,010,120–¥2,345,136按1台8卡整机计价云端时租(实时)：¥66.5–¥66.6/时（2026-10-15）
- 硬件市场价
- ¥7,000,000按1台8卡整机计价报价日期 2026-09-17
- 适用场景
- 机构级超大规模训练与高并发推理集群
GB200 192GB（单卡等效）
192GB · 8,000GB/s带宽 · 顶级Blackwell卡（对华无官方渠道）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 1张
- 预估解码速度
- 308 tok/s单流理论上限
- 预估并发吞吐
- 输出 523 tok/s输入 12,500 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥200,160–¥300,240
- 硬件市场价
- ¥600,000–¥1,200,000报价日期 2026-06
- 适用场景
- 超大规模万亿参数模型训练与推理集群（与Grace CPU协同组网）
B200 180GB
180GB · 8,000GB/s带宽 · 顶级Blackwell卡（对华无官方渠道）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 2张
- 预估解码速度
- 615 tok/s单流理论上限
- 预估并发吞吐
- 输出 1,046 tok/s输入 22,500 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥1,608,096–¥3,766,656按1台8卡整机计价云端时租(实时)×2张：¥83.8–¥115.4/时（2026-10-15）
- 硬件市场价
- ¥3,000,000–¥3,500,000按1台8卡整机计价报价日期 2026-06
- 适用场景
- 机构级大规模在线推理与训练
H200 141GB
141GB · 4,800GB/s带宽 · 顶级出口管制卡（对华渠道多变）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 2张
- 预估解码速度
- 369 tok/s单流理论上限
- 预估并发吞吐
- 输出 628 tok/s输入 9,890 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥1,876,504–¥2,412,648按1台8卡整机计价云端时租(实时)×2张：¥53.6–¥61.8/时（2026-10-15）
- 硬件市场价
- ¥1,500,000–¥1,560,000按1台8卡整机计价报价日期 2026-01（较旧）
- 适用场景
- 企业级生产环境高并发推理
H100 SXM5 80GB
80GB · 3,350GB/s带宽 · 顶级出口管制卡（对华无官方渠道）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 4张
- 预估解码速度
- 515 tok/s单流理论上限
- 预估并发吞吐
- 输出 876 tok/s输入 19,780 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥1,661,696–¥2,144,128按1台8卡整机计价云端时租(实时)×4张：¥51.6–¥160.8/时（2026-10-15）
- 硬件市场价
- ¥2,700,000–¥2,800,000按1台8卡整机计价报价日期 2024-04（较旧）
- 适用场景
- 企业级生产环境高并发推理/训练
H800 SXM 80GB
80GB · 3,350GB/s带宽 · 顶级出口管制卡（已停供）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 4张
- 预估解码速度
- 515 tok/s单流理论上限
- 预估并发吞吐
- 输出 876 tok/s输入 19,780 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥1,960,000–¥2,080,000按1台8卡整机计价
- 硬件市场价
- ¥2,700,000–¥2,800,000按1台8卡整机计价报价日期 2024-04（较旧）
- 适用场景
- 企业级生产部署（原对华合规型号，现已停供）
H20 96GB
96GB · 4,000GB/s带宽 · 出口合规特供卡（算力大幅阉割）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 2张
- 预估解码速度
- 308 tok/s单流理论上限
- 预估并发吞吐
- 输出 523 tok/s输入 1,480 tok/s · 多请求批处理估算
- 硬件出厂价
- 资料不足
- 硬件市场价
- ¥160,000–¥220,000报价日期 2026-09-16
- 适用场景
- 出口合规环境下的次优选择，中大规模推理部署（FP16算力仅约H100的15%，但内存带宽较高，解码密集场景相对占优）
A800 PCIe 80GB
80GB · 1,935GB/s带宽 · 合规特供卡（出口合规状态多次调整）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 4张
- 预估解码速度
- 298 tok/s单流理论上限
- 预估并发吞吐
- 输出 304 tok/s输入 3,744 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥400,000–¥416,000
- 硬件市场价
- ¥580,000报价日期 2026-10-08
- 适用场景
- 出口合规环境下的中等规模推理/训练部署
昇腾910C 128GB
128GB · 3,200GB/s带宽 · 华为双芯片数据中心卡（国产）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 2张
- 预估解码速度
- 246 tok/s单流理论上限
- 预估并发吞吐
- 输出 418 tok/s输入 7,520 tok/s · 多请求批处理估算
- 硬件出厂价
- 资料不足
- 硬件市场价
- 资料不足
- 适用场景
- 国产化大模型训练与推理集群，CloudMatrix 等超节点方案
昇腾910B 64GB
64GB · 400GB/s带宽 · 国产替代（不受美国出口管制）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 4张
- 预估解码速度
- 62 tok/s单流理论上限
- 预估并发吞吐
- 输出 105 tok/s输入 6,400 tok/s · 多请求批处理估算
- 硬件出厂价
- 资料不足
- 硬件市场价
- ¥440,000–¥480,000报价日期 2026-09-16
- 适用场景
- 国产替代，不受美国出口管制，中大规模推理/训练部署，内存带宽明显低于同显存量级NVIDIA卡
RTX PRO 6000 Blackwell 96GB
96GB · 1,792GB/s带宽 · 专业工作站/服务器卡（对华版为 6000D 84GB）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 2张
- 预估解码速度
- 138 tok/s单流理论上限
- 预估并发吞吐
- 输出 141 tok/s输入 3,000 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥200,000–¥220,000云端时租(实时)×2张：¥13.4–¥31.4/时（2026-10-15）
- 硬件市场价
- 资料不足
- 适用场景
- 单卡大显存推理、中型 MoE 模型本地部署、私有化一体机
RTX PRO 5500 Blackwell 84GB
84GB · 1,398GB/s带宽 · 专业工作站卡（规格为 NVIDIA 初步数据）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 4张
- 预估解码速度
- 215 tok/s单流理论上限
- 预估并发吞吐
- 输出 219 tok/s输入 5,424 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- 资料不足
- 硬件市场价
- ¥340,000–¥380,000报价日期 2026-10-13
- 适用场景
- 工作站大显存推理、部门级私有化部署
RTX PRO 5000 Blackwell 48GB
48GB · 1,344GB/s带宽 · 专业工作站卡- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 4张
- 预估解码速度
- 207 tok/s单流理论上限
- 预估并发吞吐
- 输出 211 tok/s输入 3,096 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- 资料不足云端时租(实时)×4张：¥16.0–¥28.8/时（2026-10-15）
- 硬件市场价
- ¥216,000报价日期 2026-10-14
- 适用场景
- 中小模型推理、开发测试、单机多卡私有化
L40S 48GB
48GB · 864GB/s带宽 · 合规推理卡- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 4张
- 预估解码速度
- 133 tok/s单流理论上限
- 预估并发吞吐
- 输出 136 tok/s输入 4,344 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥180,000–¥260,000云端时租(实时)×4张：¥16.0–¥22.4/时（2026-10-15）
- 硬件市场价
- ¥180,000–¥260,000报价日期 2026-09-16
- 适用场景
- 中小团队自建推理服务，中低并发
L20 48GB
48GB · 864GB/s带宽 · 合规推理卡- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 4张
- 预估解码速度
- 133 tok/s单流理论上限
- 预估并发吞吐
- 输出 136 tok/s输入 1,434 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥93,388–¥93,924
- 硬件市场价
- ¥100,000–¥140,000报价日期 2026-09-29
- 适用场景
- 中小团队自建推理服务，中低并发
RTX 5090 32GB
32GB · 1,792GB/s带宽 · 消费级旗舰（对华不售，国内为 5090D）- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 8张
- 预估解码速度
- 551 tok/s单流理论上限
- 预估并发吞吐
- 输出 562 tok/s输入 10,056 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- 资料不足云端时租(实时)×8张：¥24.8–¥40.0/时（2026-10-15）
- 硬件市场价
- ¥326,960–¥509,840报价日期 2026-09-15
- 适用场景
- 个人/小团队本地推理与开发，多卡拼显存跑量化 MoE
RTX 5090D 24GB
24GB · 1,344GB/s带宽 · 消费级/小规模自建- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 8张
- 预估解码速度
- 414 tok/s单流理论上限
- 预估并发吞吐
- 输出 422 tok/s输入 7,128 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥131,992云端时租(实时)×8张：¥24.8–¥40.0/时（2026-10-15）
- 硬件市场价
- ¥240,000–¥320,000报价日期 2026-09-10
- 适用场景
- 个人开发/小规模验证/POC，不建议生产级高并发
RTX 4090D 24GB
24GB · 1,008GB/s带宽 · 消费级/小规模自建- 建议精度
- FP16/BF16原始精度
- 所需卡数
- 8张
- 预估解码速度
- 310 tok/s单流理论上限
- 预估并发吞吐
- 输出 316 tok/s输入 7,056 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥103,992–¥151,992云端时租(实时)×8张：¥21.6–¥26.4/时（2026-10-15）
- 硬件市场价
- ¥208,000–¥240,000报价日期 2026-09-16
- 适用场景
- 个人开发/小规模验证/POC，不建议生产级高并发
FAQ
常见问题
预估解码速度是怎么算的?
预估解码速度 = (显存带宽 × 卡数) ÷ (激活参数 × 精度字节数),是内存带宽瓶颈下单条请求吞吐量的理论上限(roofline 模型),按卡数线性放大,未计入多卡通信开销、批处理并发和框架损耗,实际压测通常明显低于此值。
消费级显卡的速度数字可信吗?
线性放大对带 NVLink/NVSwitch 的数据中心卡(H/B 系列)相对合理;对常见 PCIe 互联、无 NVLink 的消费级卡(RTX 5090D/4090D 等)明显过于乐观,多卡张量并行会因通信大打折扣。所以「卡数一样、速度不输数据中心卡」是理论上限的假象,仅用于数量级横向比较,不是性能承诺。
「建议精度」是怎么选的?
按单机常见的 8 张卡以内容纳的最高精度自动选择,超过即标注「需多节点」。实际大规模生产部署也常用更多卡换取更高并发,而不是单纯追求最高精度。
价格从哪来?
硬件出厂价/市场价按所需卡数折算总额,取自公开报道、每周自动检索更新;「云端时租(实时)」取自 vast.ai 公开市场 API,每日刷新,是国际云端市场时租价 × 卡数,不代表中国大陆整卡采购价。完整硬件明细见 大模型本地部署测算总览 底部硬件对照表。