2025 年 7 月 15 日，英伟达 CEO 黄仁勋宣布了一个震动 AI 圈的消息：美国政府即日起解除 H20 芯片对华销售禁令，而就在禁令解除后，云工场科技发布详细测试数据--- 8 卡 141GB 显存的 H20 服务器，能流畅运行 671B 参数的满血版非量化 DeepSeek-R1 模型，推理吞吐量突破预期。
硬核实测：141GB H20 跑满血版非量化 DeepSeek 性能全面解析
测试环境配置
一. 测试数据
二. 关键性能测试结果
测试显示：
1.首 token 响应快： 在测试的多个并发量下，首个 Token 的响应时间 (TTFT) 都保持在3秒以内（实测 0.1s - 2.8s），用户体验非常流畅，感觉不到任何延迟。
2.高并发吞吐大： H20 显卡展现出优秀的并发处理能力。在模拟 100 个用户同时提问（并发请求=100）的中高负载场景下：
·处理短问题（输入/输出各 256 tokens），系统总吞吐量高达 约 1124 tokens/s。
·处理典型问题（输入/输出各 1K tokens），总吞吐量稳定在 约 1100 tokens/s。
·处理复杂问题/长对话（输入/输出各 2K tokens），总吞吐量仍能保持 约 1020 tokens/s。
分场景性能趋势：
1.低并发场景 (<10 用户)：
·响应极快： TTFT 始终低于 0.9 秒，用户几乎感觉不到等待。
·吞吐未饱和： 系统能力远未被充分利用，吞吐量相对较低（32-208 tokens/s），性能表现轻松自如。
2.中高并发场景 (50-100用户)：
·响应依然迅速： TTFT 保持在 1.9 秒 (1K上下文) 到 2.8 秒 (2K上下文)，交互体验依然流畅。
·吞吐大幅跃升： 系统资源得到高效利用，总吞吐量急剧上升至 634 - 1124 tokens/s。
·长上下文优势显现： 在相同并发下，处理更长（1K/2K）的上下文通常能获得比短上下文（256）更高的吞吐量（尤其在并发50时最明显），充分体现了 vLLM 对长文本的优化效果。
3.极限场景 (100用户 + 长上下文 2K)：
·响应可控： TTFT 为 2.8 秒，交互体验依然流畅。
·吞吐维持高位： 即使在此压力下，系统总吞吐量仍达 1020 tokens/s。
三.测试总结
云工场科技构建了全面的异构计算资源池，涵盖 NVIDIA 全系高性能 GPU（包括 141GB 显存 H20、L20、RTX 4090 等最新型号）、AMD w7900 以及国产算力三巨头（华为昇腾 910B 系列、百度昆仑芯 P800、燧原 S60）等等，可本地部署到就近机房，提供 DeepSeek、文心一言、华为盘古、LLaMA 等开源大模型本地部署。
通过严格的横向性能基准测试，云工场科技验证了不同架构 GPU 在 LLM 推理、计算机视觉等场景的能效比差异，并为客户提供"算力租赁 + 算力智能调度 + 平台化交付"的完整 AI 服务体系，目前已在教育/工业/通信/交通等多领域成功落地，支撑其大模型部署、推理及场景化落地的全流程需求。
