算力热潮下，H100等GPU常被提及，但关于单卡、模组与整机的概念往往混淆。本文拆解硬件层级，清晰展示从核心芯片到服务器的组装过程，帮助理解AI基础设施的构成。
智能速览
GPU核心芯片需加装底板才能运行，构成最小功能单元。
H100单卡体积较A100更大，必须配合散热模块工作。
SXM版本单卡通常需8卡组成模组，不推荐单卡使用。
8卡模组装入机箱后组成整机，涵盖风冷、液冷及PCIe等规格。
精华内容
深入了解硬件组装流程，能更清晰地认知算力底座的构建逻辑。从微小的核心芯片到庞大的服务器整机，每一层都不可或缺。
核心与底板
GPU的核心芯片在外观上与CPU类似，均为小方块形态。单张芯片无法独立工作，必须安装在专用底板上。芯片与底板结合后，组成了最小运行单元，此时硬件便具备了通电运行的基础能力。
散热与单卡
高性能芯片运行时发热量巨大，必须加装散热模块。加上散热器后，H100单卡体积较A100更大。需注意，SXM散热模组是为8卡并行设计的，若仅需单卡或双卡使用，通常需选择PCIe版本。
8卡模组构成
SXM单卡需插入专用托盘，每张托盘设计有8个卡位，将8张卡插满即组成“8卡模组”。这是算力集群的标准中间形态，模组内的多卡互联能提供极高的数据传输带宽。
整机系统分类
将装好的8卡模组放入机箱，最终组成服务器整机。除SXM风冷整机外，根据需求不同，还有PCIe整机及液冷整机等细分类型。不同规格的整机适应了各种复杂的算力部署场景。
理解从芯片到整机的层级关系，有助于更精准地把握算力硬件特性。无论是关注核心性能、模组形态还是整机方案，清晰的硬件认知都是深入AI领域的基础。
