N卡GPU架构回顾

1. NVDIA GPU架构发展

今天带大家体会“N卡复古味道”，今天就来给大家讲解一下NVDIA 公司GPU的架构发展，回顾经典，我们来膜拜这些大佬，顺便学点硬件小知识。在早期的N卡GPU架构命名没有那么多的讲究，后期就变成了以著名的科学家名字命名，很有意义吧（致敬AI先驱）下面开始按照时间顺序，给大家介绍历代N卡的历史以及每代架构的特点。

2.Fermi（费米）

• 人物背景

费米（恩利克·费米），美国物理学家，被誉为“原子能之父”诺贝尔物理学奖得主。他对量子理论和核与粒子物理学做出了巨大贡献，与我们耳熟能详的杨振宁院士相识，还把杨振宁院士介绍到了埃里森的实验室做实验。

• 架构信息（发布时间、核心参数、特点及优势）

2010年，英伟达以Fermi的名字发布Fermi架构。Fermi架构包含了30亿晶体管，采用了40nm的纳米制程。

核心参数：16个SM,每个SM包含32个CUDS，一共有512个CUDA

代表型号：GTX590

3.Kepler(开普勒)

• 人物背景

约翰尼斯·开普勒,德国天文学家、数学家、物理学家与占星家。就是行星运动三大定律的发现者，主要在天文学、光学和数学方面有杰出的贡献。

• 架构信息（发布时间、核心参数、特点及优势）

2012年发布的，主要是为了提高图形计算能力。

核心参数：15个SMX，每个SMX包括192个FP32.这代架构采用了采用了GK104、GK110核心，相比上一代架构，显卡的性能有所提高，并且引入了动态并行调度技术，改进了内存控制器。优点就是游戏性能大幅度得到了提升。

代表型号：K80 K40M

4.Maxwell(麦克斯伟)

• 人物背景

詹姆斯·克拉克·麦克斯韦,英国物理学家、数学家,经典电动力学的创始人，统计物理学的奠基人之一,他建立了麦克斯韦方程组，创立了经典电动力学，预言了电磁波的存在。

• 架构信息（发布时间、核心参数、特点及优势）

2014年发布，被应用于NVIDIA的GTX 750 Ti显卡中。

优势：硬件上直接有双精度单元运算架构，18纳米的制程工艺让NVDIA迈入了新纪元。

代表型号：M5000 M4000 GTX 9XX系列

5.Pascal（帕斯卡）

• 人物背景

布莱士·帕斯卡,是法国数学家、物理学家、哲学家、散文家，他发明和改进了许多科学仪器。

• 架构信息（发布时间、核心参数、特点及优势）

发布于2016年，是NVDIA推出的新一代GPU架构，用于接替上一代的Maxwell架构，是NVLink第一代，双向互联网宽带有160GB/S,P100拥有56个SM HBM。

代表型号：P100 P6000 TTX1080

6.Volta（伏特）

• 人物背景

亚历山德罗·朱塞佩·安东尼奥·安纳塔西欧·伏特，意大利物理学家，电池的发明人。

• 架构信息（发布时间、核心参数、特点及优势）

2017年发布，NVink2.0，Ten sor Cores第一代，支持AI运算，有211亿晶体管。

代表型号：V100 TITanV

7.Turing（图灵）

• 人物背景

艾伦·马辛森·图灵是英国数学家，他被称为计算机科学之父，人工智能之父。

•  架构信息（发布时间、核心参数、特点及优势）

2018年发布Turing 架构集实时光线追踪、AI、模拟和光栅于一身，为计算机图形带来了根本性的变革，是显卡技术的颠覆性创新。

核心参数；102核心92个SM，SM重新设计，每个SM包含64个FP32+32个FP64+Tensor Core

代表型号：RTX5000

8.Ampere（安培）

• 人物背景

安德烈·玛丽·安培,法国物理学家、化学家和数学家 ，他被麦克斯韦誉为“电学中的牛顿。

• 架构信息（发布时间、核心参数、特点及优势）

Ampere架构是NVIDIA于 GTC 2020发布的GPU架构， NVIDIA Ampere 由540亿晶体管组成，是7nm芯片。

2020年发布

代表型号 RTX30系列显卡

4090是NVIDIA Ada Lovelace 架构，应用场景做深度学习的时候，从产品性能、性价比以及货源方面考虑，首选的显卡就是4090.4090对比4070TI提升不少，超微740GP-TNR能够支持4卡4090，塔式的机箱比较灵活，能够很好的适应不同的使用环境。

如果你有需求，欢迎私聊我们。Tel：18127760911  VX：Eddie18127760911

9.Hopper(赫伯)

• 架构信息（发布时间、核心参数、特点及优势）

2022年发布，Hopper 采用先进的台积电 4N 工艺制造，拥有超过 800 亿个晶体管，采用五项突破性创新技术为 NVIDIA H100 Tensor Core GPU 提供动力支持。NVIDIA Hopper 架构通过 Transformer 引擎推进 Tensor Core 技术的发展，能够加速 AI 模型训练。与上一代相比，Hopper 还将 TF32、FP64、FP16 和 INT8 精度的每秒浮点运算 (FLOPS) 提高了 3 倍。Hopper Tensor Core 与 Transformer 引擎和第四代 NVIDIA® NVLink® 相结合，能使 HPC 和 AI 工作负载的加速实现数量级提升

代表型号：H100

有服务器需求的伙伴，随时可以来咨询，期待和大家一起交流！