# Radeon PRO V620: 32 ГБ на плате и память гостевой системы

Radeon PRO V620: официальные варианты памяти и мощности платы, условия поддержки ROCm и Blender Cycles и практическая проверка конкретной нагрузки.

Автор: Команда Retrivium
Обновлено: 2026-11-02
Канонический URL: https://retrivium.ai/ru/journal/amd-radeon-pro-v620-llm-rendering/
Language: ru

Radeon PRO V620 официально имеет 32 ГБ GDDR6 и мощность платы 300 Вт. Это пассивная серверная карта RDNA 2, где физическую ёмкость необходимо отделять от ресурсов виртуальной машины и программного маршрута модели.

## Официальные варианты и граница памяти

Таблица собрана по [материалам AMD для этой модели](https://www.amd.com/en/products/accelerators/radeon-pro/amd-radeon-pro-v620.html). Указана выделенная память устройства, а не системная RAM. Значение «не подтверждено» сохраняет пробел источника; подставлять параметр соседней модификации нельзя.

| Вариант AMD | Выделенная память | Мощность платы |
|---|---|---|
| [32 ГБ на плате](https://www.amd.com/en/products/accelerators/radeon-pro/amd-radeon-pro-v620.html) | 32 ГБ GDDR6 | 300 Вт |

## Как проверять поддержку LLM

В [перечне ROCm Core SDK 10.1.0](https://rocm.docs.amd.com/en/docs-10.1.0/about/release-notes.html) указана Radeon PRO V620. Это конкретная запись устройства, а не разрешение использовать любую операционную систему, сборку PyTorch или формат квантования. В [матрице совместимости](https://rocm.docs.amd.com/en/latest/compatibility/compatibility-matrix.html) нужно отдельно выбрать точный GPU и ОС, затем зафиксировать драйвер, runtime и версию вычислительного фреймворка. Наличие карты в списке не подтверждает корректность каждого ядра выбранного движка. Сначала проверьте обнаружение устройства, загрузку сохранённой модели и результат контрольного запроса; только затем исследуйте длительную работу и конкуренцию запросов.

## Практический сценарий этой модели

Практическая задача — перенести проверку модели с выделенного устройства на виртуализированный сервер. Сначала сохраните исходный профиль, затем выясните, какой способ доступа предоставлен гостю и сколько памяти он видит. Не считайте все 32 ГБ автоматически доступными каждому процессу каждой виртуальной машины. Для нового профиля отдельно подтвердите обнаружение V620, установленный драйвер, работу нужных операций и контрольный ответ. Даже присутствие точной карты в перечне ROCm не описывает произвольную комбинацию гипервизора и гостевой ОС. Если тест проходит только при определённом выделенном режиме, это полезный конкретный результат, который следует записать буквально. Универсальное утверждение о поддержке всех виртуальных конфигураций из него не следует, как и обещание прежнего контекста после изменения выделенных ресурсов.

## Отдельная проверка Blender Cycles

Архитектура RDNA 2 соответствует аппаратной границе HIP в [руководстве Blender Cycles 5.2 LTS](https://docs.blender.org/manual/en/latest/render/cycles/gpu_rendering.html): RDNA 1 или новее. Это условие рендерера независимо от поддержки LLM через ROCm; конкретные драйвер, сборку и сцену проверяют отдельно на выбранном узле.

Для рендера внутри гостя сохраните выбранное устройство и полный кадр сцены. Готовый кадр с хоста не проверяет доступность HIP или нужного ресурса в виртуальной машине.

## Что включить в протокол узла

Память физической платы и выделенная память гостевой системы — разные величины. Зафиксируйте профиль виртуализации и видимые устройству ресурсы; наличие платы у хоста не предоставляет всю её память каждой виртуальной машине.

В карточке храните V620, 32 ГБ физической платы и отдельно выделенную гостю память. Добавьте пассивное исполнение и квалификацию охлаждения хоста, не заменяя их одним значением мощности 300 Вт.

Приёмочный артефакт должен связывать идентификатор платы, версии программ, ревизию модели и фактически проверенную нагрузку. Если меняется любой из этих элементов, предыдущий результат остаётся историей того запуска, а не доказательством совместимости новой конфигурации.

## Связанные материалы

[Контейнер или виртуальная машина с GPU: что проверить перед размещением](/ru/journal/gpu-containers-vs-vms/); [RAM и VRAM: какую память считать при выборе AI-сервера](/ru/journal/ram-vs-vram/); [Каталог GPU NVIDIA и AMD для инференса LLM и серверного рендеринга](/ru/journal/nvidia-amd-gpu-catalog/).