特色频道

手机频道

显卡型号 核心架构 制程工艺 基础频率 加速频率 流处理 内存类型 内存频率 内存位宽 TDP功耗
NVIDIA P106-100 Pascal 16 nm 1506 MHz 1709 MHz 1280 GDDR5 2002 MHz
8 Gbps
192 bit 120W 详细参数>>
NVIDIA RTX 2070 Turing 12 nm 1410 MHz 1620 MHz 2304 GDDR6 1750 MHz
14 Gbps
256 bit 175W 详细参数>>

P106-100 / RTX 2070 参数对比总结

💡以下内容由AI总结

核心频率与算力

  • P106‑100:核心频率 1506 MHz,最高 1709 MHz,FP32 4.375 TFLOPS,FP16 68.36 GFLOPS。
  • RTX 2070:核心频率 1410 MHz,最高 1620 MHz,FP32 7.465 TFLOPS,FP16 14.93 TFLOPS。

从单精度浮点计算来看,RTX 2070 的 FP32 能力约是 P106‑100 的 1.7 倍;FP16 计算更是提升到 14.93 TFLOPS,约 218 倍。
纹理吞吐量 233 GTexel/s 对比 136.7 GTexel/s,显示内存带宽 448 GB/s 与 192.2 GB/s 的差距同样明显。

显存与缓存

  • P106‑100:6 GB GDDR5,192‑bit 总线,192.2 GB/s 带宽,L2 缓存 1.5 MB。
  • RTX 2070:8 GB GDDR6,256‑bit 总线,448 GB/s 带宽,L2 缓存 4 MB。

RTX 2070 的更宽内存总线和更高频率使得在 4K 或多显示器配置下,纹理加载和高分辨率游戏表现更为流畅。

架构与功能

  • P106‑100 基于 Pascal,12 nm 工艺,缺少 RT 与 Tensor 核心。
  • RTX 2070 基于 Turing,12 nm 工艺,配备 RT 核心、Tensor 核心以及更大的 L1/L2 缓存。

因此,RTX 2070 支持硬件光线追踪、DLSS 以及最新的 DirectX 12 Ultimate 与 Vulkan 1.3 功能,而 P106‑100 则只满足传统的 CUDA 计算。

功耗与散热

  • P106‑100:TDP 120 W,单 6‑pin 电源。
  • RTX 2070:TDP 175 W,单 8‑pin 电源。

虽然 RTX 2070 用电更高,但其计算与游戏性能远超 P106‑100;相对而言,P106‑100 更适合低功耗矿机或专门的加密货币算力需求。

视频输出

  • P106‑100 没有任何显示输出接口。
  • RTX 2070 配备 DVI、HDMI、DisplayPort 与 USB‑C,能直接驱动显示器。

在需要直接连接显示器的场景下,必须配备另一块具有输出的显卡。

矿业算力

  • Ethash(Ethereum):P106‑100 23 MH/s,RTX 2070 42.7 MH/s。
  • XMR(Monero):P106‑100 3.42 MH/s,RTX 2070 6.96 MH/s。
  • 其它算法(如 KAWPOW、NexaPow):RTX 2070 的算力几乎是 P106‑100 的两倍。

若目标是加密货币挖矿,P106‑100 的能耗比和较低的功率消耗在某些算法下具有一定优势;但整体算力仍低于 RTX 2070。

使用场景举例

  1. 高分辨率游戏(1440p/4K):RTX 2070 的更高 FP32、纹理吞吐和更宽内存总线,使得游戏帧率、抗锯齿和光线追踪效果显著优于 P106‑100。
  2. 轻度多任务与传统 3D 绘图:P106‑100 由于缺少光追与 Tensor 核心,无法充分利用最新图形 API;RTX 2070 在此场景下仍提供更丰富的硬件加速。
  3. 专用矿机:P106‑100 的低功耗与简化的架构在某些算法下可实现更好的电力效率;但若需更高算力,则 RTX 2070 的算力优势不可忽视。
  4. 深度学习与 AI 推理:RTX 2070 的 Tensor 核心为 FP16/FP32 混合精度推理提供硬件加速,P106‑100 仅支持传统 CUDA 计算。

选择建议

  • 若需求侧重 游戏、实时渲染AI 推理,建议选用 RTX 2070。
  • 若需求侧重 加密货币挖矿 并且对功耗有严格限制,且不需要显示输出,则 P106‑100 在部分算法下更具竞争力。
  • 若需兼顾游戏与矿业,可采用 RTX 2070 进行游戏时使用其强大图形功能,而在空闲时通过软件或外部硬件将其投入矿业任务,既保留了图形性能,又利用其算力。

分享

反馈

顶部

  • 联系我们
  • -----