求历代英伟达显卡架构名称

Posted 2023-03-26

1、Fermi费米架构

费米是诺贝尔物理学奖得主，被称为原子能之父，他的实验小组建立了人类第一台可控核反应堆，也是费米悖论的提出者，英伟达在2010年发布的Fermi架构就以他的名字来命名。

该家族包括GTX5系列、GTX4系列，如当年的双核心GTX590、580、GTX470等，从这一代开始，N卡在消费市场所占比重逐渐和A卡拉开了距离，也从这一代开始，战略核导弹名扬海内外。

2、Kepler开普勒架构

这是Fermi架构的下一代，以著名天文学家开普勒命名，他最大的成就是发现了行星运动三大定律，为或者宇宙探索奠定了理论基础。

该架构的出现意味着英伟达开始全面占领游戏独显市场，代表作GTX6系列，其中很多款到现在仍在使用，堪称骨灰级独显，比如GTX660、第一代泰坦、GTX780Ti等

3、Maxwell麦克斯韦架构

麦克斯韦是电磁学的开山鼻祖，经典电动力学创始人，也是统计物理学的奠基者。作为开普勒架构显卡的继任者，该系列显卡口碑良好，没有出现太过火的恶性事件，代表作GTX9系列和GTX750，它们中的好几款仍然活跃在显卡天梯排行榜上。

4、Pascal帕斯卡架构

帕斯卡出生于1623年，这是一位天才，在16岁的时候就发现了著名的帕斯卡六边形定理，后来提出了帕斯卡定律，发明水压机，学过物理学的小伙伴都知道力学单位里有个帕，这就是用其姓氏来命名的。运用该架构的显卡是目前市场主流产品，代表作GTX10系，从GTX1050开始一直到1080TI。

5、Turing图灵架构

图灵，人工智能之父，计算机之父，电影《模仿游戏》原型，也是坊间所传苹果logo的历史来源，当年图灵咬了一口毒苹果而自杀，他的逝世令人惋惜，但功绩却能永垂史册。该显卡架构代表作正是目前最火热的RTX20系显卡，以及刚刚发布的GTX16系，具体性能如何大家有目共睹。

扩展资料：

NVIDIA（英伟达）计划授权智能手机和平板电脑开发厂商使用自己的图形芯片技术。高通在手机芯片领域占据着绝对的优势，英伟达这样做的目的就在于想占领更大的市场份额，并能开启与三星、苹果之间的合作。

移动芯片局势是这样的，高通占据绝对领导地位，苹果和三星绝大部分芯片自给自足。而老牌的芯片厂商如英特尔、英伟达和AMD，还是主打桌面和服务器平台，在移动平台上下手太晚，失去了先机。

英伟达的移动处理器Tegra性能非常强劲，据说能达到A6的数倍，但是现在只有极少数的设备采用了英伟达的核心，如Ouya、Shield。所以说，英伟达的技术的广泛应用，会给移动游戏产业带来不小的正面影响。

参考技术A

NVIDIA显卡的核心微架构经历了特斯拉（Tesla）、费米（Fermi）、开普勒（Kepler）、麦克斯韦尔（Maxwell）、帕斯卡（Pascal）、图灵（Turing）。

CPU架构是CPU厂商给属于同一系列的CPU产品定的一个规范，主要目的是为了区分不同类型CPU的重要标示。目前市面上的CPU指令集分类主要分有两大阵营，一个是intel、AMD为首的复杂指令集CPU，另一个是以IBM、ARM为首的精简指令集CPU。

NVIDIA显卡架构详情如下：

扩展资料：

NVIDIA发展历程：

1993年—怀揣PC初衷，创办NVIDIA；1994年—首个战略合作伙伴关系达成；1995年—首款产品NV1问世；1996年—MicrosoftDirectX驱动程序首次推出；1997年—RIVA128上市，迅速成为爆款；1998年—与台积电签署合作协议；1999年—里程碑：NVIDIA发明了GPU，全球首款GPU诞生；

2000年—收购图形技术先驱3dfx；2001年—进入集成图形市场；2002年—被《财富》杂志评为美国成长最快的公司；2003年—收购MediaQ；2004年—SLI发布，大幅提升了单台PC的图形处理能力；2005年—为索尼游戏机开发处理器；2006年—革命性CUDA架构亮相；

2007年—被《福布斯》评选为年度最佳企业；2008年—Tegra移动处理器问世；2009年—首届GPU技术大会，推出Fermi架构；2010年—助力世界上最快的超级计算机；2011年—收购基带领先者ICERA；2012年—推出基于Kepler架构的GPU；2013年——推出Tegra4系列处理器；

2014年—发布TegraK1SHIELD平板电脑，安卓游戏大火；2015年—深耕深度学习；2016年—驱动AI革命；2017年—Volta架构问世，进一步推动现代AI；2018年—Turing架构问世，重新定义了计算机图形；2019年—AI算力将持续革新各行各业；

参考技术B 先是费米Femi，然后到开普勒Kepler，再是麦克斯韦Maxwell，然后便是现在的最新架构帕斯卡Pascal本回答被提问者和网友采纳 参考技术C geforce gt gtx 参考技术D 费米 开普勒 maxwell

英特尔、AMD、英伟达，三大厂商同台竞技混合GPU+CPU

参考技术A

如果说英伟达的Grace CPU超级芯片的架构是CPU+GPU是巧合，那么英特尔和AMD推出的Falcon Shores XPU芯片、Instinct MI300芯片同样是CPU+GPU结构时，CPU+GPU一体的架构就很难称之为巧合了。

更为“碰巧”的是，以上三种芯片其都是用于数据中心的场景，这就意味着在未来两年内，AMD、英伟达和英特尔都将拥有混合CPU+GPU芯片进入数据中心市场。

可以说CPU+GPU的形式已经成为未来芯片设计的趋势。

英特尔推出XPU

英特尔宣布了一款特殊的融合型处理器“Falcon Shores”，官方称之为XPU。其核心是一个新的处理器架构，将英特尔的x86 CPU和Xe GPU硬件置入同一颗Xeon芯片中。

Falcon Shores芯片基于区块(Tile)设计，具备非常高的伸缩性、灵活性，可以更好地满足HPC、AI应用需求。

按照英特尔给出的数字，对比当今水平，Falcon Shores的能耗比提升超过5倍，x86计算密度提升超过5倍，内存容量与密度提升超过5倍。

Falcon Shores芯片将在2024年推出。

AMD推出APU

在数据中心领域，AMD同样展示其野心。

APU是AMD传统上用于集成显卡的客户端CPU的“加速处理单元”命名法。自2006年Opteron CPU的鼎盛时期以来，AMD一直梦想着使用APU，并于2010年开始推出第一款用于PC的APU。随后在索尼Play Station4和5以及微软Xbox XS中推出了定制APU系列 游戏 机，也推出了一些Opteron APU——2013年的X2100和2017年的X3000。

最近，AMD公布的路线图中显示，其将在2023年推出Instinct MI300芯片，这是AMD推出的第一款百亿亿次APU，AMD将其称为“世界上第一个数据中心APU”。

而这个APU是一种将CPU和GPU内核组合到一个封装中的芯片，仔细来说是将基于Zen4的Epyc CPU与使用其全新CDNA3架构的GPU相结合。

AMD表示Instinct MI300预计将比其Instinct MI250X提供超过8倍的AI训练性能提升，与支持Instinct MI200系列的CDNA2 GPU架构相比，用于Instinct MI300的CDNA3架构将为AI工作负载提供超过5倍的性能功耗比提升。

Instinct MI300将于2023年问世。

英伟达Grace超级芯片

一直专注于GPU设计的英伟达，在去年宣布进军基于Arm架构的CPU时引发了一阵轰动。在今年3月，英伟达推出解决HPC和大规模人工智能应用程序的Grace Hopper超级芯片。这款芯片将NVIDIA Hopper GPU与Grace CPU通过NVLink-C2C结合在一个集成模块中。

CPU+GPU的Grace Hopper核心数减半，LPDDR5X内存也只有512GB，但多了显卡的80GBHBM3内存，总带宽可达3.5TB/s，代价是功耗1000W，每个机架容纳42个节点。

英伟达同样承诺在2023年上半年推出其超级芯片。

从推出的时间节点来看，英特尔Falcon Shores芯片、AMD Instinct MI300、英伟达Grace Hopper超级芯片分别在2024年、2023年、2023年上半年推出。

CPU+GPU的形式，为什么引起了三大巨头的兴趣，纷纷将其布局于数据中心？

首先，在数字经济时代，算力正在成为一种新的生产力，广泛融合到 社会 生产生活的各个方面。数据中心是算力的物理承载，是数字化发展的关键基础设施。全球数据中心新增稳定，2021年全球数据中戏市场规模超过679亿美元，较2020年增长9.8%。因此，具有巨大市场的数据中心早已被 科技 巨头紧盯。

其次，数据中心会收集大量的数据，因此需要搭建于数据中心的芯片具有极大算力，将CPU与GPU组合可以提高算力。英特尔高级副总裁兼加速计算系统和图形（AXG）集团总经理Raja Koduri的演讲中提及，如果想要成功获得HPC市场，就需要芯片能够处理海量的数据集。尽管，GPU具有强大的计算能力，能够同时并行工作数百个的内核，但如今独立的GPU仍然有一大缺陷，就是大的数据集无法轻松放入独立GPU内存里，需要耗费时间等待显存数据缓慢刷新。

特别是内存问题，将CPU与GPU放入同一架构，能够消除冗余内存副本来改善问题，处理器不再需要将数据复制到自己的专用内存池来访问/更改该数据。统一内存池还意味着不需要第二个内存芯片池，即连接到CPU的DRAM。例如，Instinct MI300将把CDNA3 GPU小芯片和Zen4 CPU小芯片组合到一个处理器封装中，这两个处理器池将共享封装HBM内存。

英伟达官方表示，使用NVLink-C2C互连，Grace CPU将数据传输到Hopper GPU的速度比传统CPU快15倍；但对于数据集规模超大的场景来说，即使有像NVLink和AMD的Infinity Fabric这样的高速接口，由于HPC级处理器操作数据的速度非常快，在CPU和GPU之间交换数据的延迟和带宽代价仍然相当高昂。因此如果能尽可能缩短这一链路的物理距离，就可以节约很多能源并提升性能。

AMD表示，与使用分立CPU和GPU的实现相比，该架构的设计将允许APU使用更低的功耗；英特尔同样表示，其Falcon Shores芯片将显着提高带宽、每瓦性能、计算密度和内存容量。

整合多个独立组件往往会带来很多长期收益，但并不只是将CPU与GPU简单整合到一颗芯片中。英特尔、英伟达及AMD的GPU+CPU均是选择了Chiplet方式。

传统上，为了开发复杂的 IC 产品，供应商设计了一种将所有功能集成在同一芯片上的芯片。在随后的每一代中，每个芯片的功能数量都急剧增加。在最新的 7nm 和 5nm 节点上，成本和复杂性飙升。

而使用Chiplet设计，将具有不同功能和工艺节点的模块化芯片或小芯片封装在同一芯片，芯片客户可以选择这些小芯片中的任何一个，并将它们组装在一个先进的封装中，从而产生一种新的、复杂的芯片设计，作为片上系统 (SoC) 的替代品。

正是由于小芯片的特性，三家巨头在自己发展多芯片互连的同时，还展开了定制服务。

英特尔在发布Falcon Shores时介绍，其架构将使用Chiplet方法，采用不同制造工艺制造的多个芯片和不同的处理器模块可以紧密地塞在一个芯片封装中。这使得英特尔可以在其可以放入其芯片的CPU、GPU、I/O、内存类型、电源管理和其他电路类型上进行更高级别的定制。

最特别的是，Falcon Shores可以按需配置不同区块模块，尤其是x86CPU核心、XeGPU核心，数量和比例都非常灵活，就看做什么用了。

目前，英特尔已开放其 x86 架构进行许可，并制定了Chiplet策略，允许客户将 Arm 和 RISC-V 内核放在一个封装中。

最近，AMD同样打开了定制的大门。AMD首席技术官Mark Papermaster在分析师日会议上表示：“我们专注于让芯片更容易且更灵活实现。”

AMD允许客户在紧凑的芯片封装中实现多个芯粒（也称为chiplet或compute tiles ）。AMD已经在使用tiles，但现在AMD允许第三方制造加速器或其他芯片，以将其与x86 CPU和GPU一起包含在其2D或3D封装中。

AMD的定制芯片战略将围绕新的Infinity Architecture 4.0展开，它是芯片封装中芯粒的互连。专有的Infinity结构将与CXL 2.0互连兼容。

Infinity互连还将支持UCIe（Universal Chiplet Interconnect Express）以连接封装中的chiplet。UCIe已经得到英特尔、AMD、Arm、谷歌、Meta等公司的支持。

总体而言，AMD的服务器GPU轨迹与英特尔、英伟达非常相似。这三家公司都在向CPU+GPU组合产品方向发展，英伟达的GraceHopper(Grace+H100)、英特尔的Falcon Shores XPU（混合和匹配CPU+GPU），现在MI300在单个封装上同时使用CPU和GPU小芯片。在所有这三种情况下，这些技术旨在将最好的CPU和最好的GPU结合起来，用于不完全受两者约束的工作负载。

市场研究公司Counterpoint Research的研究分析师Akshara Bassi表示：“随着芯片面积变得越来越大以及晶圆成品率问题越来越重要，多芯片模块封装设计能够实现比单芯片设计更佳的功耗和性能表现。”

Chiplet将继续存在，但就目前而言，该领域是一个孤岛。AMD、苹果、英特尔和英伟达正在将自研的互连设计方案应用于特定的封装技术中。

2018 年，英特尔将 EMIB（嵌入式多硅片）技术升级为逻辑晶圆 3D 堆叠技术。2019 年，英特尔推出 Co-EMIB 技术，能够将两个或多个 Foveros 芯片互连。

AMD率先提出Chiplet模式，在2019年全面采用小芯片技术获得了技术优势。Lisa Su 在演讲时表达了未来的规划，“我们与台积电就他们的 3D 结构密切合作，将小芯片封装与芯片堆叠相结合，为未来的高性能计算产品创建 3D 小芯片架构。”

今年 3 月 2 日，英特尔、AMD、Arm、高通、台积电、三星、日月光、谷歌云、Meta、微软等十大巨头宣布成立 Chiplet 标准联盟，推出了通用小芯片互连标准 （UCIe），希望将行业聚合起来。

迄今为止，只有少数芯片巨头开发和制造了基于Chiplet的设计。由于先进节点开发芯片的成本不断上升，业界比以往任何时候都更需要Chiplet。在多芯片潮流下，下一代顶级芯片必然也将是多芯片设计。