英伟达（NVIDIA）的GPU发展史是一部从专用图形处理到通用并行计算，再到如今主导人工智能计算的宏伟史诗。自1999年正式提出“GPU”概念以来，英伟达已推出了十余代核心架构，每一次迭代都深刻地影响了计算机图形学、高性能计算和人工智能的发展轨迹。

以下是英伟达历代GPU产品的核心架构演进史，可以将其划分为四个关键阶段：

第一阶段：图形处理时代 (1999-2005)

核心任务： 将图形计算从CPU中解放出来，实现硬件加速，并从固定功能管线迈向可编程渲染。

1. Celsius 架构 (1999年)

   • 里程碑产品： GeForce 256 (NV10)
   • 历史意义： 全球首款被正式定义为“GPU”的产品。它首次集成了硬件“变换与光照”（T&L）引擎，将原本由CPU承担的几何计算任务接管过来，彻底解放了CPU。
   • 关键参数： 220nm制程，约1700-2300万晶体管，4条像素渲染管线（256-bit渲染引擎），支持AGP 4x。其多边形处理能力是当时CPU的5倍。

2. Kelvin 架构 (2001年)

   • 里程碑产品： GeForce 3 (NV20)、GeForce 2 GTS
   • 历史意义： 开启了GPU的“可编程渲染”时代。引入了可编程顶点着色器和像素着色器，使开发者能通过代码控制渲染流程，而非依赖固定的硬件功能。
   • 关键参数： 150nm制程，约5700万晶体管。GeForce 3是全球首款支持DirectX 8.1的消费级GPU。

3. Rankine 架构 (2003年)

   • 里程碑产品： GeForce FX 5系列 (NV3x)，如FX 5100
   • 历史意义： 将可编程渲染技术下沉至入门级市场，普及了DirectX 9.0a。尽管因硬件规格限制成为一款“过渡性”产品，但它为后续架构奠定了基础。
   • 关键参数： 150nm/130nm制程，约4500万晶体管，支持顶点和片段程序。

4. Curie 架构 (2004年)

   • 里程碑产品： GeForce 6系列 (NV4x)，如6800 Ultra
   • 历史意义： 全面支持DirectX 9.0c和Shader Model 3.0，实现了“全功能可编程”。同时引入了PureVideo硬件视频解码技术，减轻了CPU在高清视频播放上的负担。
   • 关键参数： 130nm制程，约2.22亿晶体管，是当时性能的巅峰。

第二阶段：通用计算探索时代 (2006-2016)

核心任务： 打破图形与计算的边界，通过CUDA平台让GPU成为通用的并行计算引擎（GPGPU）。

5. Tesla 架构 (2006年)

   • 里程碑产品： GeForce 8800 GTX (G80)
   • 历史意义： 英伟达GPU发展史上的分水岭。它引入了统一渲染架构（Unified Shader Architecture），将顶点、像素、几何着色器合并为通用的流处理器（CUDA核心），解决了资源分配不均的问题。同年，CUDA平台发布，让开发者能用C语言在GPU上进行通用计算。
   • 关键参数： 90nm制程，约6.81亿晶体管，支持DirectX 10。

6. Fermi 架构 (2010年)

   • 里程碑产品： GeForce GTX 480 (GF100)
   • 历史意义： 首个专为通用计算设计的架构，标志着GPU在高性能计算（HPC）领域的正式崛起。引入了L1/L2缓存层次结构、ECC内存纠错和GPUDirect技术。
   • 关键参数： 40nm制程，约30亿晶体管，双精度浮点性能达1 TFLOPS，被用于“美洲豹”等超级计算机。

7. Kepler 架构 (2012年)

   • 里程碑产品： GeForce GTX 680 (GK104)、Tesla K20/K40/K80
   • 历史意义： 专注于提升能效比和并行计算效率。计算能力比Fermi提升3-4倍，使GPU成为科学计算和大数据分析的核心。
   • 关键参数： 28nm制程，GK110核心拥有2880个CUDA核心，带宽高达288GB/s。

8. Maxwell 架构 (2014年)

   • 里程碑产品： GeForce GTX 980 (GM204)、Tesla M40
   • 历史意义： 实现了能效比的革命性突破，在相同功耗下性能是Kepler的两倍。优化了流式多处理器（SMM）设计，为后续架构奠定了基础。
   • 关键参数： 28nm制程，GM204核心集成1920个CUDA核心。

9. Pascal 架构 (2016年)

   • 里程碑产品： GeForce GTX 1080 (GP102)、Tesla P100
   • 历史意义： 采用16nm FinFET工艺，能效比再次飞跃。首次引入NVLink技术，实现了GPU间的高速互联，并率先采用GDDR5X显存，为深度学习训练提供了强大硬件基础。
   • 关键参数： GP100核心拥有3840个CUDA核心，显存带宽达732GB/s。

第三阶段：AI加速革命时代 (2017-2022)

核心任务： 专为AI和深度学习优化，引入Tensor Core和RT Core，引领AI算力爆炸式增长。

10. Volta 架构 (2017年)

    • 里程碑产品： Tesla V100 (GV100)、Titan V
    • 历史意义： AI计算的里程碑。首次引入Tensor Core（张量核心），专门加速深度学习的矩阵运算，使AI训练性能比Pascal提升12倍。
    • 关键参数： 12nm制程，集成640个Tensor Core，提供125万亿次张量浮点运算能力（TFLOPS）。

11. Turing 架构 (2018年)

    • 里程碑产品： GeForce RTX 2080 Ti (TU102)、Quadro RTX 6000
    • 历史意义： 将实时光线追踪带入消费级市场。在Tensor Core基础上，新增了RT Core（光线追踪核心），实现了硬件加速的光线追踪计算。
    • 关键参数： 12nm制程，RTX 2080 Ti集成了68个RT Core和576个Tensor Core。

12. Ampere 架构 (2020年)

    • 里程碑产品： GeForce RTX 3090 (GA102)、Tesla A100
    • 历史意义： AI与图形性能的全面跃升。第二代Tensor Core和RT Core性能大幅提升，A100成为大语言模型训练的“标配”。
    • 关键参数： 三星8nm制程，A100拥有6912个CUDA核心和432个第三代Tensor Core，FP16算力达312 TFLOPS（开启稀疏性后达624 TFLOPS）。

第四阶段：生成式AI时代 (2024-至今)

核心任务： 为万亿参数级的大模型提供极致算力、海量显存和超高互联带宽。

13. Hopper 架构 (2022年)

    • 里程碑产品： H100 / H800 (GH100)
    • 历史意义： 为Transformer模型结构深度优化。第四代Tensor Core和NVLink 4.0的加入，使H100的FP16算力达到1 PFLOPS，成为当时的性能王者。
    • 关键参数： 台积电4nm制程，集成800亿晶体管，H100 SXM版本拥有13TB/s的显存带宽。

14. Blackwell 架构 (2024年)

    • 里程碑产品： B200 / GB200
    • 历史意义： 集十年技术之大成，专为下一代生成式AI设计。通过创新的双芯设计（如GB200将两颗B200和一颗Grace CPU集成），在算力、显存容量和互联带宽上实现指数级增长。
    • 关键参数： 采用定制化4nm工艺，B200拥有192GB HBM3e显存，带宽达8TB/s。GB200 NVL72集群的FP16算力高达180 PFLOPS，是前代H100集群的5.6倍。

历代GPU架构演进速览表

从最初的图形加速器到如今驱动全球AI革命的计算引擎，英伟达GPU的演进史就是一部不断突破边界、重塑行业的创新史。