FP64-GPU-Server 2026: H200 NVL, B300 oder RTX PRO für HPC in doppelter Genauigkeit

Welche GPUs noch schnell in FP64 rechnen

Für einen Server, der 2026 Codes in doppelter Genauigkeit rechnet, ist unter den Karten, die wir liefern, die NVIDIA H200 NVL die Wahl: NVIDIA gibt sie mit 30 TFLOPS FP64 und 60 TFLOPS auf den FP64-Tensor-Cores an. Die neuere B300 gibt das meiste davon auf: NVIDIAs HGX-Tabelle nennt 10 TFLOPS FP64 für alle acht B300-GPUs eines Systems. Die NVIDIA RTX PRO 6000 Blackwell Server Edition rechnet FP64 mit 1/64 ihrer FP32-Rate, nach unserer Rechnung rund 1,9 TFLOPS; das genügt, damit Code korrekt läuft, und ist für einen FP64-Solver viel zu wenig.

Die Werte unten stammen ausschließlich aus NVIDIAs Produktseiten, seiner HGX-Tabelle und seinem Architektur-Whitepaper zu RTX Blackwell PRO, gelesen am 24. Oktober 2026. Wo NVIDIA keinen FP64-Wert druckt, ist der Wert unsere Rechnung und so gekennzeichnet.

NVIDIAs Produktseite zur H200; NVIDIAs HGX-Seite (HGX B300: „FP64/FP64 Tensor Core 10 TFLOPS“, HGX B200: 296 TFLOPS, je acht GPUs), von uns durch acht geteilt; Architektur-Whitepaper RTX Blackwell PRO v1.0 („The FP64 TFLOP rate is 1/64th the TFLOP rate of FP32 operations“), angewandt auf NVIDIAs FP32-Werte von 120 und 110 TFLOPS; Speicher je GPU für B300 und B200 wie in unseren Artikeln zum DGX B300. Alles gelesen am 24. Oktober 2026.

Die Spalte FP64 gilt für allgemeinen Code in doppelter Genauigkeit, die Tensor-Spalte für dichte Matrixprodukte, die Bibliotheken wie cuBLAS auf die Tensor-Cores legen. Bei der H200 NVL liegt zwischen beiden der Faktor zwei; für B300 und B200 druckt NVIDIA einen Wert für beides. Die RTX PRO 6000 Workstation Edition mit 125 TFLOPS FP32 kommt nach derselben Regel auf rund 1,95 TFLOPS FP64. Eine H200 NVL liefert in FP64 also so viel wie sechzehn RTX PRO 6000 Server Edition und das Dreifache dessen, was ein ganzes B300-System mit acht GPUs angibt.

Warum RTX PRO und B300 so wenig FP64 haben

NVIDIAs Architektur-Whitepaper zu RTX Blackwell PRO (v1.0) gibt dem GB202-Chip der RTX PRO 6000 zwei FP64-Kerne je SM und schreibt: „The small number of FP64 Cores are included to ensure any programs with FP64 code operate correctly.“ Die Karte ist für Grafik und Simulation in FP32, KI in FP8 und FP4 und Video gebaut. Ein Code, der seine Variablen als double deklariert, lässt sich darauf kompilieren und läuft mit 1/64 der FP32-Geschwindigkeit. NVIDIAs Produktseiten zu den Editionen der RTX PRO 6000 nennen überhaupt keinen FP64-Wert.

Die B300 ist NVIDIAs Blackwell-Ultra-GPU. NVIDIAs HGX-Tabelle hält ihre Tensor-Raten für FP8, FP16 und TF32 auf dem Niveau der B200 und hebt dichtes FP4 für acht GPUs von 72 auf 108 PFLOPS, während FP64 von 296 auf 10 TFLOPS fällt und INT8, mit Sparsity angegeben, von 72 auf 3 POPS. Die Zugewinne liegen alle bei KI in niedriger Genauigkeit. Für ein Team, das KI-Training und Solver in doppelter Genauigkeit betreibt, deckt die B300 nur die KI-Hälfte ab. Unser Vergleich DGX B300, DGX B200 und HGX B300 behandelt die übrigen Unterschiede.

Die H200 NVL ist eine Hopper-Karte mit vollen FP64-Einheiten, auf derselben Architektur wie die H100, die VASPs Entwickler unter den getesteten Rechenzentrums-GPUs aufführen.

Codes, die FP64 brauchen, und Codes, die ohne auskommen

Die Genauigkeit, in der ein Code rechnet, entscheidet über die Karte, und die Dokumentation der Entwickler sagt, welche es ist. Diese Angaben wurden am 24. Oktober 2026 gelesen; unsere Leitfäden zu Chemie und Materialforschung und zur CFD-Simulation zitieren sie vollständig.

VASP-Wiki (OpenACC-GPU-Port), Installationsleitfaden zu GROMACS 2026.4, GPU-Seiten von AMBER, Seite zum GPU-Paket von LAMMPS (30. September 2026), Ansys Fluent GPU Hardware Buying Guide (9. April 2026), MACE-README, NVIDIAs Blog zur Emulation in cuBLAS (24. Oktober 2025) für Quantum ESPRESSO. Die Zuordnung zur Karte ist unsere Lesart dieser Dokumente.

Das VASP-Wiki rät von NVIDIA-GPUs außerhalb der getesteten Rechenzentrumskarten von der P100 bis zur H100 ab: Der Betrieb auf anderen NVIDIA-GPUs, etwa auf Gaming-Hardware, sei „technically possible but not advisable“, denn „these GPUs are not well suited since they do not offer fast double-precision floating-point arithmetic (FP64) performance“. Die RTX PRO 6000 Server Edition steht nicht auf der Testliste, und ihre FP64-Rate von 1/64 der FP32-Rate ist nach unserer Lesart die Eigenschaft, die dieser Satz beschreibt. GROMACS beschreibt einen Build in doppelter Genauigkeit als „slower, and not normally useful“, und AMBER beschreibt das SPFP-Modell von pmemd.cuda als hybrides Modell aus einfacher, doppelter und Festkomma-Genauigkeit. Diese Codes für Molekulardynamik passen zur RTX PRO 6000 Server Edition mit ihren 120 TFLOPS FP32. Bei einem eigenen oder Forschungscode fragen Sie die Entwickler, ob die Kernels in double rechnen, oder zählen Sie die Instruktionen in doppelter Genauigkeit mit einem Profiler; die Antwort trennt die beiden Kartenfamilien um rund den Faktor 16.

Wir bauen Server für beide Arten von Code; nennen Sie uns die Codes, Versionen und die Genauigkeit, in der jeder rechnet, und unser Team antwortet mit einer Konfiguration für jeden Code.

Speicherbandbreite für HPC-Codes

Viele Solver bewegen mehr Daten, als sie rechnen, und dann bestimmt die Bandbreite das Tempo. Die H200 NVL liest ihren HBM3e mit 4,8 TB/s, die RTX PRO 6000 Server Edition ihren GDDR7 mit 1.597 GB/s, und NVIDIAs technischer Blog zu Blackwell Ultra nennt für die B300 8 TB/s je GPU. Teilt man die FP64-Rate durch die Bandbreite, erhält man die Operationen je Byte, ab denen ein Kernel nicht mehr auf den Speicher wartet: rund 6,3 bei der H200 NVL, 1,2 bei der RTX PRO 6000 Server Edition und 0,16 bei der B300, nach unserer Rechnung.

Ein Vektor-Update y = a·x + y führt zwei Operationen für 24 bewegte Bytes aus, rund 0,08 je Byte; es wartet also auf allen drei Karten auf den Speicher und liefe auf der B300 am schnellsten. Sobald ein Kernel mehr als rund 1,25 Operationen je geladenem double ausführt, begrenzen bei der B300 die FP64-Einheiten; ab rund zwei je double ist die H200 NVL schneller, und bei Kernels, die auf beiden durch die Rechenleistung begrenzt sind, erreicht der Abstand nach unserer Rechnung das 24-Fache. Echte Solver mischen beide Arten von Kernels; die Roofline-Ansicht von NVIDIA Nsight Compute zeigt, wo Ihre liegen. Unser Vergleich der GPU-Speicherbandbreite behandelt die übrigen Karten.

FP64-Emulation in cuBLAS auf Blackwell

NVIDIAs Entwickler-Blog vom 24. Oktober 2025 beschreibt „the first release of FP64 matmul emulation“ in cuBLAS mit dem CUDA Toolkit 13.0 Update 2. Sie nutzt das Ozaki-Verfahren auf den INT8-Tensor-Cores von Blackwell und nennt die RTX PRO 6000 Blackwell Server Edition und GB200 NVL72 als Ziele. Standardmäßig, so der Blog, „cuBLAS maintains accuracy equivalent to or better than native hardware“: Eine automatische dynamische Genauigkeit analysiert die Eingaben, wählt die Parameter der Emulation und fällt auf die native Ausführung zurück, wo die Emulation nichts bringt.

Auf der RTX PRO 6000 Server Edition meldet NVIDIA bis zum 13-Fachen für einzelne Matrixformen und über den gesamten Lauf das 1,5-Fache für den Ausurf-Benchmark von Quantum ESPRESSO mit automatischer Genauigkeit, mit fest eingestellten 39 Mantissenbits fast das Dreifache, was Genauigkeit gegen Tempo tauscht. Die Beschleunigung gilt für Matrixprodukte, die über cuBLAS aufgerufen werden. Jede andere FP64-Operation im Code läuft weiter mit 1/64 der FP32-Rate, und weitere Routinen aus BLAS Level 3 und LAPACK nennt der Blog nur als künftige Arbeit. Ein Ergebnis für die B300 nennt der Blog nicht, und NVIDIAs HGX-Tabelle gibt der B300 für acht GPUs 3 POPS INT8.

Ein Test der Emulation auf einer RTX PRO 6000 Server Edition lohnt sich, wenn ein Code die meiste Zeit in DGEMM oder ZGEMM verbringt und seine Ergebnisse mit eingeschalteter Emulation validiert sind. Für einen Code mit allgemeinen FP64-Kernels ändert sie die Wahl der Karte nicht.

Acht H200 NVL als FP64-Knoten

Unser Trainingsknoten trägt acht H200 NVL mit NVLink-Brücken, zwei AMD-EPYC-Prozessoren, 2,3 TB DDR5 mit ECC, acht NVMe-Laufwerke und 400G-Netzwerk, und er dient zugleich als FP64-Rechenknoten. Die Tabelle stellt ihn neben die kleineren H200-NVL-Server und die Systeme, mit denen er verglichen wird.

Summen nach unserer Rechnung aus der ersten Tabelle. Leistung an der Steckdose ist unsere Schätzung (Karten mit 600 W; zwei AMD EPYC 9355 zu je 280 W bei zwei und vier Karten, zwei EPYC 9555 zu je 360 W bei acht Karten; plus 15 Prozent) wie in unseren Leitfäden zu Servern mit 2, 4 und 8 H200 NVL und RTX PRO 6000 Server Edition; Speicher des DGX B300 aus NVIDIAs HGX-Tabelle und „~14 kW“ von NVIDIAs Produktseite zum DGX B300, die unser Artikel zu den technischen Daten des DGX B300 zusammen mit den 14,5 bis 15,1 kW des Datenblatts zitiert.

Je Kilowatt an der Steckdose liefert der Server mit acht H200 NVL nach unserer Rechnung rund 38 TFLOPS FP64, der DGX B300 weniger als 1. Die acht Karten bilden zwei NVLink-Domänen zu je vier: Dells Technical Guide zum PowerEdge XE7740 verlangt für acht H200 NVL zwei 4-Wege-Brücken, mit 900 GB/s je GPU innerhalb einer Domäne und PCIe 5.0 zwischen den Domänen. VASP läuft mit „a single MPI-rank per available GPU“ und profitiert von NCCL; ein Job über acht Karten verteilt seine Ranks also so, dass der stärkste Verkehr innerhalb einer Domäne bleibt. Für viele kleine Jobs teilt MIG jede H200 NVL in bis zu sieben Instanzen, 56 im Server, jede mit eigenem Speicher; unser Leitfaden zu den MIG-Profilen der H200 NVL listet sie.

Mit rund 6,3 kW braucht der Server mit acht Karten je Einspeisung einen Drehstromanschluss mit 400 V, und Dell begrenzt die Zulufttemperatur bei acht H200 NVL im XE7740 auf 30 °C. Server mit zwei oder vier Karten passen zu einem kleineren Team: Vier H200 NVL an einer 4-Wege-Brücke liefern 120 TFLOPS FP64 bei rund 3,4 kW, wie unser Leitfaden zum Server mit 4× H200 NVL zeigt. Jede H200 NVL enthält ein Abonnement für NVIDIA AI Enterprise über fünf Jahre, das 90 Tage nach dem Versand der Karte an den Serverhersteller beginnt.

B300 projektbezogen, für die KI-Seite

Den DGX B300 und Server mit HGX B300 liefern wir projektbezogen. Bevor wir ein Angebot erstellen können, fragt die Distribution nach Unternehmen, Projekt und Verwendungszweck; danach erstellen wir das Angebot für dieses Projekt. Die B300 gehört dorthin, wo große Modelle in FP8 und FP4 mit 288 GB je GPU und NVLink über alle acht GPUs trainiert oder betrieben werden. Für einen Standort mit beidem gibt die Kombination aus einem B300-System für KI und einem H200-NVL-Server für FP64-Codes jeder Arbeitslast die Hardware, für die sie gebaut ist. Unser Artikel DGX B300 in der EU kaufen beschreibt den Ablauf einer solchen Bestellung, die technischen Daten des DGX B300 behandeln Strom und Rack.

Empfehlung nach Arbeitslast

Unsere Empfehlung aus den FP64-Werten, der Dokumentation der Codes und den Emulationsergebnissen oben.

Eine Universität oder ein Forschungszentrum mit beiden Arten von Nutzern betreibt oft zwei Partitionen in einem Scheduler, H200 NVL für FP64 und RTX PRO 6000 Server Edition für FP32 und Inferenz, wie unsere Leitfäden zum Server für ein Forschungslabor an der Universität und zu H200 NVL und RTX PRO 6000 in einer Plattform beschreiben.

Was wir liefern

Dieses System können Sie bei uns kaufen: Unser Team legt die Konfiguration auf Ihre Arbeitslast und Ihr Budget aus und antwortet innerhalb eines Werktages. Wir bauen KI- und HPC-Server auf Bestellung mit zwei, vier oder acht H200 NVL und ihren NVLink-Brücken oder mit RTX PRO 6000 Server Edition, vor der Lieferung montiert und getestet, mit einem EU-Vertrag, einer EU-Rechnung und Herstellergarantie auf jede Komponente; für die Montage stehen wir selbst ein. Betriebssystem, Treiber, CUDA und eine Container-Laufzeit installieren wir auf Wunsch. Stückzahlen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Schicken Sie uns die Codes, typische Jobgrößen und die Leistung am Rack, und wir antworten mit einer Konfiguration und einem schriftlichen Angebot.

FAQ