NVIDIA Quadro P520 Mobile

Pascal · 2 ГБ GDDR5 · 384 CUDA · 18 Вт TDP · 2019
Ноутбук

Quadro P520 Mobile — это мобильное решение на архитектуре Pascal с чипом GP108. Карта вышла в 2019 году для тонких рабочих станций и ультрабуков. Памяти здесь крайне мало — всего 2 ГБ GDDR5. Шина ограничена 64 битами, что дает пропускную способность лишь 48 ГБ/с. Это бюджетный сегмент для специфических инженерных задач. Чип имеет 384 CUDA-ядра с бустом до 1493 МГц. Пиковая производительность FP32 составляет 1.1 TFLOPS. Энергопотребление очень низкое — всего 18 Вт. Такая карта не требует мощного БП, так как питается напрямую от шины. Она подходит для CAD-систем, где важна сертификация драйверов, а не чистая мощь. В 2026 году искать её стоит только в специфическом б/у железе. Конкурент в бюджетном сегменте — мобильная RTX A1000, которая обходит P520 по всем фронтам. Также можно смотреть на Radeon Pro WX серии, если нужны другие драйверы. Для игр это решение бесполезно из-за малого объёма видеопамяти.

Производительность по сценариям

5 component-баллов — сильные стороны и слабости карты в разных задачах.

Шкала 0-100. Топовая карта в каждом сценарии = 100. Кликни строку — увидишь полный топ-100 в этой категории. Подробнее — методика.

Характеристики

Чип

Архитектура
PAS Pascal
GPU-чип
GP108
CUDA-ядра
384

Частоты

Базовая
1303 МГц
Boost
1493 МГц
FP32 пик
1.15 TFLOPS
FP16 пик
0.02 TFLOPS

Память

Объём
2 ГБ GDDR5
Шина
64 бит
Частота
1502 МГц
Bandwidth
48 ГБ/с

Питание и форм-фактор

TDP
18 Вт

Выходы и интерфейс

Интерфейс
PCIe 3.0 x16

API и технологии

DirectX
12.1
Vulkan
1.4
CUDA
6.1

Соседи по рейтингу

Под какие задачи подходит

Балл 1-10 для каждого сценария — пригодность именно для этой задачи (не общий perf-rank).

4K-гейминг 1 / 10

Играть невозможно из-за нехватки видеопамяти и низкой пропускной способности.

1440p 1 / 10

Карта не потянет современные проекты даже на минимальных настройках.

1080p 2 / 10

Допустимы только старые киберспортивные дисциплины или проекты десятилетней давности.

AI-инференс 2 / 10

Stable Diffusion не запустится из-за лимита в 2 ГБ VRAM.

AI-обучение 1 / 10

Обучение моделей невозможно на таком железе.

3D-рендер 3 / 10

Простые сцены в Cycles отрендерит, но тяжелые меши вызовут ошибку памяти.

Видеомонтаж 3 / 10

DaVinci Resolve будет работать медленно при монтаже FullHD видео.

Офис 9 / 10

Идеально для работы с документами и браузером.

Стоит ли покупать в 2026?

Брать Quadro P520 Mobile в 2026 году нет смысла. Это устаревшее железо для узких задач. Если вам нужен CAD, лучше искать ноутбуки с RTX A-серии. Старая архитектура Pascal не дает преимуществ перед современными решениями. Памяти 2 ГБ не хватит даже для базового инференса локальных LLM. Даже простая Llama 3-8B потребует гораздо больше ресурсов. Карта подходит только для поддержания жизни старых рабочих станций. Если бюджет позволяет, смотрите в сторону б/у RTX 3050 Mobile. Она даст кратный прирост в рендере и AI. P520 — это тупиковый путь для развития рабочей станции. Покупайте её только если цена на вторичном рынке будет символической.

Обновлено редакцией: 2026-05-17.

Плюсы и минусы

Сильные стороны

  • Низкое энергопотребление 18 Вт
  • Сертифицированные профессиональные драйверы
  • Компактный форм-фактор для ультрабуков
  • Поддержка специализированных API для CAD

Слабые стороны

  • Критически малый объём памяти 2 ГБ
  • Узкая шина 64 бит
  • Низкая производительность в AI-задачах
  • Устаревшая архитектура Pascal

Часто задаваемые вопросы

Подойдет ли эта карта для запуска Stable Diffusion?

Нет, не подойдет. Для работы современных моделей нужно минимум 6-8 ГБ видеопамяти. У P520 всего 2 ГБ GDDR5, чего не хватит даже для загрузки весов базовой модели SDXL. Вы получите ошибку Out of Memory сразу после старта.

Нужен ли отдельный блок питания для этой карты?

Нет, не нужен. TDP составляет всего 18 Вт. Это мобильное решение, которое получает энергию через слот PCIe от материнской платы ноутбука. Дополнительные разъемы 6-pin или 8-pin здесь физически отсутствуют.

В чем разница между P520 и RTX A1000?

Разница огромная. RTX A1000 построена на архитектуре Ampere и имеет гораздо больше CUDA-ядер. У неё значительно выше пропускная способность памяти и объем VRAM. В задачах рендеринга A1000 будет быстрее в 3-4 раза.

Можно ли использовать её для обучения нейросетей?

Это невозможно. Обучение (fine-tuning) требует огромных объемов памяти и высокой скорости обмена данными. Шина 64 бит и 2 ГБ памяти делают процесс невыполнимым даже для самых маленьких моделей.