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。