H20、H100、H200有什么区别？一张表看懂定位
H100 和 H200 共享 Hopper 架构和相同的计算核心，H200 的优势在显存更大更快；H20 是同架构的降算力版本，算力大幅削减但保留大显存和高带宽，定位推理优先。
一、H20、H100、H200分别是什么
三款产品均归入 NVIDIA Hopper 架构（GH100 芯片）产品体系，但 H20 的公开规格信息主要来自第三方资料，NVIDIA 未公开 H20 官方产品页或数据表。
H100 是 2022 年发布的 Hopper 架构旗舰，采用 TSMC 4N 工艺，搭载第四代 Tensor Core 和 Transformer Engine，80GB HBM3 显存，是当前数据中心 AI 训练和推理的主力卡。
H200 是 2024 年发布的 Hopper 升级版，计算核心与 H100 相同（同为 GH100 满规），但显存升级为 141GB HBM3e，带宽从 3.35 TB/s 提升到 4.8 TB/s。H200 面向显存密集型工作负载，如超大模型推理和长上下文训练。
H20 是 NVIDIA 面向中国市场的合规芯片，同样基于 Hopper 架构，但大幅削减了计算单元的启用数量。H20 保留 96GB HBM3 显存和 4.0 TB/s 带宽，公开第三方资料对 TDP 标注存在差异，常见说法为约 400～500W，具体以对应 SKU 和供应商规格为准。
三者的核心差异不在架构，而在"同一架构下的不同配置"：H100 是基准，H200 是显存增强版，H20 是算力精简版。
二、核心规格差多少
以下对比以 H20、H100 SXM5 和 H200 SXM 为基准。H100 和 H200 数据来自 NVIDIA 官方产品页，H20 数据来自第三方规格整理（NVIDIA 未公开 H20 官方产品页或数据表）。
| 规格项 | H20 | H100 SXM5 | H200 SXM |
|---|---|---|---|
| 架构 | Hopper (GH100) | Hopper (GH100) | Hopper (GH100) |
| 计算核心 | 降规启用 | 满规 | 满规 |
| 显存容量 | 96GB HBM3 | 80GB HBM3 | 141GB HBM3e |
| 显存带宽 | 4.0 TB/s | 3.35 TB/s | 4.8 TB/s |
| FP32 算力 | ~44 TFLOPS | 67 TFLOPS | 67 TFLOPS |
| FP16 Tensor Core | ~148 TFLOPS | ~990 TFLOPS | ~990 TFLOPS |
| FP8 Tensor Core | ~296 TFLOPS | ~1,979 TFLOPS | ~1,979 TFLOPS |
| INT8 Tensor Core | ~296 TOPS | ~1,979 TOPS | ~1,979 TOPS |
| TDP | 约 400～500W（非官方统一口径） | 700W | 700W |
| NVLink 带宽 | 900 GB/s | 900 GB/s | 900 GB/s |
| Transformer Engine | 支持 | 支持 | 支持 |
| MIG | 最多 7 实例 | 最多 7 实例 | 最多 7 实例 |
MIG 每实例可用显存因总显存和 profile 配置不同而差异显著：H100 最小常见分片约 10GB，H200 SXM 官方标注最多 7 个 18GB 实例（H200 NVL 则为最多 7 个 16.5GB 实例）；H20 虽支持最多 7 个 MIG 实例，但具体显存需按官方 MIG profile 或平台配置确认，不建议按 96GB/7 简单推算。
表中 Tensor Core 性能为非稀疏值。H100 和 H200 支持结构化稀疏，稀疏模式下性能约为非稀疏的 2 倍；H20 的稀疏性能数据未在官方来源中公布。H20 所有性能数据均来自第三方整理，非 NVIDIA 官方确认，实际以对应 SKU 规格为准。
从表中可以看出三个关键差异：
算力差距悬殊。按第三方规格估算，H20 的 FP16/FP8 Tensor Core 性能约为 H100 的 15%；由于 NVIDIA 未公开对应官方数据表，具体比例应以实际 SKU 和实测结果为准。这意味着在计算密集型训练任务中，H20 与 H100/H200 的差距非常大。但 H20 的 FP32 算力约为 H100 的 66%，非 Tensor Core 计算的下降幅度小得多。
显存各有优势。H200 以 141GB HBM3e 领先，适合存放超大模型；H20 的显存容量和带宽高于 H100，在模型能够装入显存且推理主要受显存访问限制时可能具有优势；实际吞吐仍取决于精度、batch、并发、框架和算子优化。H200 的 4.8 TB/s 带宽在三者中最高。
功耗差异明显。H20 的 TDP（约 400～500W）低于 H100/H200 的 700W，对机房供电和散热要求更低。
三、定位差异与选型建议
三款 GPU 的定位可以用一句话概括：H100 是通用基准，H200 是显存增强版，H20 是面向特定市场、在显存容量和带宽与计算性能之间重新取舍的 Hopper 产品。
H100 适合：需要平衡训练和推理的场景。如果任务同时涉及模型训练和高吞吐推理，H100 的算力和显存配置最为均衡。
H200 适合：显存密集型工作负载。当模型参数量大到 80GB 显存放不下，或者需要更长的上下文窗口和更大的 batch size 时，H200 的 141GB HBM3e 可为更大模型、更长上下文或更大 batch 提供余量，并可能减少部分 offload 或模型切分；实际收益仍取决于模型和运行配置。H200 与 H100 计算能力相同，优势纯粹在显存。
H20 适合：显存容量和带宽较敏感、但峰值计算吞吐要求不高的推理任务。H20 可评估用于此类场景，具体能力需结合模型和压测确认。H20 也支持 FP8 和 Transformer Engine，可以在推理中获得低精度加速。
选型时应根据模型大小、精度需求、batch size、并发量和预算综合判断，不能仅看某一维度。
四、在立方云上怎么选
立方云提供 H20 96GB 容器实例（按小时计费）和 H100 80GB SXM5 8 卡整机（按月计费）。H20 容器适合推理验证及对显存容量较敏感、但峰值计算吞吐要求不高的部署场景，按小时灵活计费；H100 整机适合大规模训练和高吞吐推理。
如果任务是推理为主、预算敏感，H20 容器是性价比更高的选择；如果需要大规模训练或更高吞吐，H100 整机更适合。具体价格和可用库存以控制台展示为准。
本文首发于立方云技术博客。立方云是网鼎科技旗下专注 GPU 算力租赁的边缘算力服务平台，提供裸金属与容器实例服务。如需了解当前可用 GPU 规格与计费方式，可前往 lifangyun.com 查看。
五、常见问题
1. H20和H100架构一样吗？
是的，H20 和 H100 都基于 NVIDIA Hopper 架构（GH100 芯片），都支持第四代 Tensor Core、Transformer Engine 和 FP8 精度。区别在于 H20 大幅削减了启用的计算单元数量，导致 Tensor Core 性能远低于 H100，但显存容量和带宽保留较多。
2. H200比H100快多少？
在计算性能上，H200 和 H100 基本一致（同为 GH100 满规核心）。H200 的优势在显存：容量从 80GB 提升到 141GB（约 1.76 倍），带宽从 3.35 TB/s 提升到 4.8 TB/s（约 1.43 倍）。对于显存密集型任务，H200 可以减少显存溢出和数据交换；对于计算密集型任务，两者差异不大。因此，H200 并不是所有任务都比 H100 快 1.43 倍；只有显存容量或带宽构成瓶颈时，实际吞吐才可能明显提升。
3. H20能跑大模型训练吗？
理论上可以，但不推荐。按第三方规格估算，H20 的 Tensor Core 算力约为 H100 的 15%（具体以实际 SKU 和实测为准），训练速度会明显受限。H20 更适合推理部署，其 96GB 显存和 4.0 TB/s 带宽可加载大模型进行推理，但训练效率不理想。
4. H20为什么算力这么低？
H20 是面向中国市场的合规芯片，受出口管制限制，NVIDIA 大幅削减了 H20 的计算单元启用数量，但保留了大容量 HBM3 显存和高带宽。这种设计使 H20 在推理场景（显存和带宽敏感）仍有竞争力，但在训练场景（算力敏感）表现受限。
5. 三款GPU的NVLink带宽一样吗？
是的，H20、H100 SXM5 和 H200 SXM 均支持第四代 NVLink，单 GPU 双向带宽均为 900 GB/s。多卡通信效率还取决于 NVSwitch 拓扑和框架通信模式。