Geheugen begrijpen / PRAKTISCHE GIDS

Meerdere GPU’s voor AI: telt VRAM zomaar op?

Onderzoek wanneer meerdere GPU’s bruikbaar zijn voor lokale AI. Begrijp geheugenverdeling, softwareondersteuning en systeembeperkingen.

HET KORTE ANTWOORD

Twee kaarten vormen niet automatisch één grotere GPU. Je toepassing moet het werk of model kunnen verdelen, en de bruikbare capaciteit en snelheid hangen af van die verdeling.

Model verdelen of taken verdelen?

Er zijn verschillende redenen om meerdere GPU’s te gebruiken. Je kunt onafhankelijke taken op verschillende kaarten uitvoeren of één model over kaarten verdelen. Die situaties vragen een andere software-inrichting. Een toepassing die meerdere GPU’s herkent ondersteunt niet noodzakelijk iedere verdelingsmethode.

Bij het verdelen van een model kunnen sommige onderdelen op een andere plek blijven staan of op meerdere kaarten nodig zijn. Daardoor is de som van de kaartgeheugens geen garantie dat een model van dezelfde omvang past.

Verbinding en verdeling beïnvloeden de uitvoering

Als kaarten gegevens moeten uitwisselen, maakt de verbinding deel uit van het systeem. Controleer de slotindeling en verbindingen van je moederbord, vooral wanneer andere uitbreidingskaarten aanwezig zijn. Een fysiek passend slot zegt niet alles over de beschikbare verbinding.

Een combinatie van verschillende kaarten kan nuttig zijn voor bepaalde taken. Test wel of de runtime die combinatie ondersteunt en hoe het werk wordt verdeeld. Een langzamere of kleinere kaart kan voor één gezamenlijke taak een andere uitkomst geven dan voor onafhankelijke taken.

Begroot de fysieke uitbreiding

  • Voldoende ruimte voor kaarten en stroomkabels.
  • Een geschikte voeding en correcte aansluitingen.
  • Luchtstroom tussen de kaarten.
  • Ondersteunde slots en voldoende verbindingen.
  • Acceptabel stroomgebruik, geluid en warmte.

Vergelijk deze volledige uitbreiding met één kaart die je taak kan uitvoeren. Een tweede gebruikte kaart kan een lage losse prijs hebben en toch een dure systeembouw vereisen.

Test eerst de beoogde configuratie

Gebruik een reproduceerbare proef met exact je model, context en runtime. Meet geheugen per kaart, verdeling, reactietijd en doorvoer. Leg vast of een deel op de CPU draait. Vergelijk dit met dezelfde taak op één kaart.

Als je vooral veel onafhankelijke opdrachten verwerkt, beoordeel dan ook die route. Als je één groter model wilt draaien, controleer expliciet de modelverdeling. Lees de systeemcheck voordat je ruimte en voeding uitbreidt.

Veelgestelde vragen

Is twee keer 12 GB hetzelfde als één keer 24 GB?

Nee. Ondersteuning, modelverdeling, dubbele onderdelen en communicatie bepalen wat bruikbaar is.

Moeten de kaarten identiek zijn?

Dat hangt af van toepassing en verdelingsmethode. Test de exacte combinatie; neem geen algemene ondersteuning aan.

Bronnen en controle

Geraadpleegd op 13 november 2026. Softwareondersteuning kan veranderen. Dit is een brongebaseerde gids, geen eigen hardwaretest. Controleer vóór een aankoop de actuele documentatie voor je exacte configuratie.

Lees het redactioneel beleid
EEN LOGISCHE VOLGENDE STAP

Lees ook

Meer over geheugen begrijpen →
Geheugen begrijpen3 min lezen

Hoeveel VRAM heb je nodig voor lokale AI?

Bereken een ondergrens voor modelgewichten en begrijp waarom context, KV-cache en runtime extra VRAM vragen. Met voorbeelden in GB en GiB.