A GPU NVIDIA V100 de 2017, grafista de data center, voltou aos holofotes ao aparecer no mercado de IA por cerca de US$ 100. Em teste conduzido pelo canal Hardware Haven, a placa foi adaptada para um PC comum e demonstrou desempenho surpreendente em modelos de infer\u00eancia de IA, superando GPUs mais novas em determinadas tarefas.<\/p>\n
A V100, primeira a trazer Tensor Cores na linha Volta, foi apresentada pela NVIDIA em 2017 e tinha pre\u00e7o elevado. Hoje, em configura\u00e7\u00e3o de segunda m\u00e3o, o hardware chega a US$ 100 com 16 GB de mem\u00f3ria, e o conjunto completo, incluindo adaptador SXM2 para PCIe e ventila\u00e7\u00e3o, fica pr\u00f3ximo de US$ 235.<\/p>\n
A adapta\u00e7\u00e3o exigiu solu\u00e7\u00f5es n\u00e3o ideais para uso dom\u00e9stico. O modelo SXM2 n\u00e3o \u00e9 compat\u00edvel com PCIe nativo, ent\u00e3o foi usado um adaptador para encaixar a placa em uma placa-m\u00e3e comum. Um duto impresso em 3D e uma ventoinha Noctua foram instalados para melhorar a refrigera\u00e7\u00e3o.<\/p>\n
Testes locais com Ollama e openwebui mostraram a V100 entregando cerca de 130 tokens por segundo em GPT-oss com 20 bilh\u00f5es de par\u00e2metros, frente 90 tokens\/s da RX 7800 XT. Em Gemma 4 E4B, a V100 marcou 108 tokens\/s contra 76 tokens\/s da RTX 3060.<\/p>\n
Quando o consumo de energia \u00e9 considerado, a V100 registrou 293 W versus 235 W da RTX 3060, mas a efici\u00eancia por watt ficou ligeiramente superior para a V100. Em configura\u00e7\u00e3o com limit de pot\u00eancia de 100 W, a V100 entregou 95 tokens\/s a 170 W totais, enquanto a 3060 caiu para 68 tokens\/s a 171 W.<\/p>\n
A vantagem de largura de banda favorece a V100: 898 GB\/s de HBM2 contra 360 GB\/s da GDDR6, o que ajuda em workloads memory-bound como infer\u00eancia de LLM. No entanto, a V100 n\u00e3o possui sa\u00edda de v\u00eddeo direta, exigindo componente adicional para inicializar o sistema com sa\u00edda gr\u00e1fica.<\/p>\n
O consumo em idle fica em torno de 45 W, e o driver est\u00e1 em modo legacy para compatibilidade com vers\u00f5es antigas de CUDA. A vida \u00fatil para workloads futuros pode depender de atualiza\u00e7\u00f5es de software e de suporte a novas ABIs.<\/p>\n
A V100 SXM2 traz 5.120 CUDA Cores, 640 Tensor Cores, mem\u00f3ria de 16 GB HBM2 e bandwidth de 898 GB\/s, com TDP de 250 W. O pre\u00e7o de lan\u00e7amento ficava acima de US$ 10 mil, enquanto a vers\u00e3o com 32 GB pode alcan\u00e7ar entre US$ 400 e US$ 500 no mercado de segunda m\u00e3o.<\/p>\n
Para quem busca um n\u00f3 dedicado a infer\u00eancia local de LLMs, o conjunto V100 + adaptador + ventoinha pode representar boa rela\u00e7\u00e3o taxa de tokens por d\u00f3lar em compara\u00e7\u00e3o com GPUs modernas, especialmente em cen\u00e1rios de uso espec\u00edfico.<\/p>\n
A hist\u00f3ria da V100 mostra que hardware antigo ainda pode competir em nichos de IA, especialmente para workloads bem delimitados e com or\u00e7amento restrito. A combina\u00e7\u00e3o de alto desempenho em mem\u00f3ria e custo reduzido atrai entusiastas para projetos de servidor dom\u00e9stico de IA.<\/p>\n
A empresa Hardware Haven planeja continuar testando a V100 em diferentes modelos, incluindo a variante de 32 GB. O mercado permanece vol\u00e1til: quando a disponibilidade de unidades usadas cair, o custo pode subir novamente, alterando a viabilidade econ\u00f4mica do setup.<\/p>\n","protected":false},"excerpt":{"rendered":"