요약

대형 모델 서빙 시, 70B FP8 모델을 단일 Blackwell GPU에 배포할 경우 약 70GB의 가중치와 26GB의 KV 캐시가 필요합니다. 반면, 4개의 NVIDIA RTX 3090 카드를 사용할 경우 네이티브 FP8 지원이 어려워 AWQ INT4를 사용해야 하며, 이 과정에서 카드 간 텐서 병렬 처리 및 PCIe 동기화가 발생하여 Blackwell 대비 낮은 처리량과 높은 지연 시간을 보입니다.

핵심 포인트

• 70B FP8 모델은 단일 Blackwell GPU에 배포 가능하며 약 96GB의 메모리가 필요합니다 (가중치 + KV 캐시).
• 4x RTX 3090 환경에서는 네이티브 FP8 지원이 어려워 AWQ INT4 방식을 사용해야 합니다.
• 3090 기반 서빙은 카드 간 병렬 처리 및 PCIe 동기화로 인해 Blackwell 대비 성능 저하(낮은 처리량, 높은 지연)가 발생합니다.