NVIDIA GPU 架构详解：Pascal、Volta、Turing、Ampere、Ada、Hopper、Blackwell

于 2025-03-03 20:44:50 发布
阅读量4.3k 收藏 38
点赞数 27
分类专栏： 综合其他 文章标签： 架构 Nvidia GPU gpu算力
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/asialee_bird/article/details/145998718
版权

目录


NVIDIA GPU 架构详解：Pascal、Volta、Turing、Ampere、Ada、Hopper、Blackwell

  • NVIDIA 的 GPU 架构持续演进，每一代都在计算能力、能效比和专用硬件加速方面取得突破。以下是主流架构的核心特性对比与应用场景分析。

1. Pascal（帕斯卡）架构（2016）

关键技术

  • 16nm FinFET工艺：首次采用16nm工艺，显著提升能效比。
  • GDDR5X/GDDR5显存：支持高带宽显存，提升数据传输速度。
  • 同步多重投影（SMP）：优化VR渲染性能，减少重复计算。
  • NVLink：支持多GPU高速互联，提升并行计算能力。

性能特性

  • 高性能计算和图形渲染能力。
  • 能效比显著提升，适合游戏和专业图形工作。
  • 支持DirectX 12和Vulkan API。

代表产品

  • GeForce GTX 10系列：GTX 1080 Ti、GTX 1070、GTX 1060。
  • Titan Xp：高端消费级显卡。
  • Quadro P系列：如Quadro P6000，用于专业图形工作站。

应用场景

  • 游戏、VR内容创作、专业图形设计、科学计算。

2. Volta（伏特）架构（2017）

关键技术

  • 12nm FinFET工艺：进一步提升能效比。
  • Tensor Core：首次引入专为深度学习设计的Tensor Core，支持混合精度计算。
  • HBM2显存：部分型号采用高带宽显存，提升数据吞吐量。
  • CUDA Core改进：支持更高效的并行计算。

性能特性

  • 强大的AI计算能力，适合深度学习训练和推理。
  • 高性能计算（HPC）和科学模拟。
  • 支持NVLink 2.0，多GPU互联带宽更高。

代表产品

  • Titan V：消费级高端显卡。
  • Tesla V100：面向数据中心的AI和HPC计算卡。
  • Quadro GV100：专业图形工作站显卡。

应用场景

  • 深度学习、AI训练、高性能计算、科学模拟。

3.Turing（图灵）架构（2018）

关键技术

  • 12nm FinFET工艺：继续优化能效比。
  • RT Core：首次引入实时光线追踪核心，支持实时光追渲染。
  • Tensor Core：继承Volta架构，第二代 Tensor Core（支持 FP16/INT8），支持加速深度学习推理。
  • GDDR6显存：带宽提升至 14 Gbps（RTX 2080 Ti 显存带宽 616 GB/s）。
  • DLSS 1.0：基于 AI 的超采样技术，提升游戏帧率。

性能特性

  • 实时光线追踪和AI驱动的图形渲染，光线追踪性能10 Giga Rays/sec。
  • 支持DLSS（深度学习超采样），提升游戏性能。
  • 强大的图形和计算性能，FP32 计算能力（RTX 2080 Ti 达 13.4 TFLOPS）。
  • AI 推理：T4 的 INT8 算力 130 TOPS。

代表产品

  • GeForce RTX 20系列：RTX 2080 Ti、RTX 2070、RTX 2060。
  • Titan RTX：高端消费级显卡。
  • Quadro RTX系列：如Quadro RTX 8000，Tesla T4 用于专业图形工作站。

应用场景

  • 游戏、实时光追渲染、AI加速、专业图形设计。
  • 游戏：实时光追游戏（如《赛博朋克 2077》）
  • 边缘计算：T4 用于视频分析、推荐系统
  • 专业图形：影视渲染与 3D 设计

4. Ampere（安培）架构（2020）

关键技术

  • 8nm工艺：采用更先进的8nm工艺，性能和能效大幅提升。
  • 第二代RT Core：光线追踪性能提升2倍。
  • 第三代Tensor Core：支持更多AI计算任务，性能更强，支持 TF32、FP64、稀疏计算（Sparsity）。
  • GDDR6X显存：显存带宽进一步提升，带宽达 19 Gbps（RTX 3090 显存带宽 936 GB/s）。
  • 多实例 GPU（MIG）：A100 可分割为 7 个独立实例。

性能特性

  • FP32 计算能力：RTX 3090 达 35.6 TFLOPS，A100 达 19.5 TFLOPS（FP64 9.7 TFLOPS）
  • 光线追踪性能：RTX 3090 达 28 Giga Rays/sec
  • AI 训练：A100 的 FP16 算力 312 TFLOPS

代表产品

  • GeForce RTX 30系列：消费级显卡（RTX 3090、RTX 3080、RTX 3070）。
  • A100 Tensor Core GPU：面向数据中心的AI和HPC计算卡。
  • Quadro RTX A系列：如Quadro RTX A6000，用于专业图形工作站。

应用场景

  • 大规模 AI 训练（BERT/GPT-3）
  • 科学计算：气候模拟、分子动力学
  • 云游戏与虚拟化（MIG 技术支持多租户）

5. Ada Lovelace（阿达·洛芙莱斯）架构（2022）

关键技术

  • 4nm工艺：采用更先进的4nm工艺，性能和能效进一步提升。
  • 第三代RT Core：新增 Opacity Micromap Engine，光追效率提升 2 倍。
  • 第四代Tensor Core：支持更复杂的AI计算任务，支持 FP8 精度，AI 推理效率提升 4 倍。。
  • DLSS 3：引入AI驱动的帧生成技术，大幅提升游戏性能。
  • TSMC 4N 制程：晶体管密度提升 2 倍，能效比优化。

性能特性

  • FP32 计算能力：RTX 4090 达 82.6 TFLOPS
  • 光线追踪性能：191 Giga Rays/sec
  • AI 推理：FP8 算力 1.32 PetaOPS

代表产品

  • GeForce RTX 40系列：RTX 4090、RTX 4080、RTX 4070 Ti。
  • RTX 6000 Ada Generation：专业图形工作站显卡。

应用场景

  • 8K 游戏与 VR
  • 实时 3D 内容创作（Unreal Engine 5）
  • 生成式 AI（Stable Diffusion 等）

6. Hopper（赫柏）架构（2022）

关键技术

  • 4nm工艺：专为数据中心设计，性能和能效进一步提升。
  • Transformer Engine：专为AI训练和推理优化，支持大规模模型训练，动态切换 FP8/FP16，专为 LLM（大语言模型）优化。
  • HBM3显存：支持高带宽显存，提升数据吞吐量，带宽达 3 TB/s（H100 SXM5）。
  • 第四代 NVLink（NVLink 4.0）：支持多GPU高速互联，互联带宽 900 GB/s（是 A100 的 1.5 倍）。
  • DPX 指令集：加速动态规划算法（如基因组学、机器人路径规划）。

性能特性

  • FP8 计算能力：H100 达 4 PetaOPS
  • FP64 计算能力：34 TFLOPS（科学计算场景）
  • AI 训练速度：比 A100 快 6 倍（GPT-3 训练）

代表产品

  • H100 Tensor Core GPU：面向数据中心的AI和HPC计算卡。

应用场景

  • 超大规模 AI 模型训练（如 GPT-4）
  • 量子模拟与核能研究
  • 实时大数据分析（金融风控、自动驾驶）

7. Blackwell（布莱克韦尔）架构（2024）

关键技术

  • 3nm工艺：采用更先进的3nm工艺，性能和能效进一步提升。
  • 第四代RT Core：光线追踪性能进一步提升。
  • 第五代Tensor Core：支持更复杂的AI计算任务。
  • GDDR7显存：显存带宽进一步提升。

性能特性

  • 实时光追和AI计算性能达到新高度。
  • 高能效比，适合高性能计算和图形渲染。
  • 支持下一代AI和图形技术。

代表产品

  • GeForce RTX 50系列：预计将推出基于Blackwell架构的消费级显卡。
  • B100 Tensor Core GPU：面向数据中心的AI和HPC计算卡。

应用场景

  • 游戏、AI加速、实时光追渲染、专业图形设计。

GPU架构对比分析

架构名称关键技术性能特性代表产品应用场景
PascalCUDA 核心优化、GDDR5X/HBM2 显存、NVLink性能与能效提升、支持 VRGeForce GTX 10 系列、Quadro P 系列、Tesla P 系列游戏、VR 开发、初级 AI
VoltaTensor Core、HBM2 显存、NVLink 2.0AI 加速、FP16/INT8 运算优化Titan V、Tesla V100深度学习、HPC
TuringRT Core、第二代 Tensor Core、DLSS实时光线追踪、混合渲染GeForce RTX 20 系列、Quadro RTX 系列、Tesla T4游戏、视觉效果制作、AI 推理
Ampere第三代 Tensor Core、第二代 RT Core、MIG、PCIe Gen 4高效 AI 和光线追踪性能、稀疏矩阵运算GeForce RTX 30 系列、NVIDIA A 系列、A100游戏、AI 训练和推理、数据中心
Ada第四代 Tensor Core、第三代 RT Core、DLSS 3极致光线追踪、高效 AI 加速GeForce RTX 40 系列、L40高端游戏、内容创作、AI 推理
HopperTransformer Engine、第四代 NVLink、HBM3 显存针对大模型优化、更高互联带宽H100大规模 AI、科学计算
Blackwell第五代 Tensor Core、第四代 RT Core、新一代显存更强 AI 和光线追踪性能、更高能效比GeForce RTX 50 系列（预计）、B 系列（预计）、下一代数据中心 GPU（预计）下一代游戏、高级 AI、数据中心

选型建议

  1. 游戏玩家：
    • 预算有限：选择 Pascal（GTX 10系列）或 Turing（RTX 20系列）。
    • 高性能需求：选择 Ampere（RTX 30系列）或 Ada（RTX 40系列）。
  2. AI开发者：
    • 入门级：选择 Turing（RTX 20系列）。
    • 高性能需求：选择 Ampere（A100）或 Hopper（H100）。
  3. 专业图形设计师和工程师：
    • 预算有限：对于 3D 建模、渲染、视频编辑等专业图形工作，选择 Quadro P系列专业显卡较为合适。
    • 高性能需求：选择 Ampere（Quadro RTX A系列）或 Ada（RTX 6000 Ada）。
  4. 数据中心和 AI 研究机构：
    • 高性能计算：进行大规模 AI 训练和推理、数据分析、高性能计算等任务时，Ampere 架构的 A100、Hopper 架构的 H100 和 H200
    • 未来需求：选择 Blackwell（B100）。
  5. 普通用户和轻度应用者：日常办公、轻度游戏和一般图形处理，GeForce GTX 10 系列（Pascal 架构）或更入门级的显卡即可满足需求。

NVIDIA GPU脑图

在这里插入图片描述

【NPU 系列专栏 2.7 -- - NVIDIA GPU 架构介绍】
CodingCos的博客
07-28 1073
英伟达（NVIDIA）是全球领先的图形处理单元（GPU）制造商，其推出了多种 GPU 架构，每一代架构都在性能和能效方面有显著提升。以下是英伟达主要 GPU 架构的详细介绍。Tesla 架构是英伟达第一代支持通用计算的 GPU 架构，标志着 GPU 从专用的图形处理器向通用计算加速器的转变。Fermi 架构是英伟达第二代支持通用计算的 GPU 架构，针对计算和图形处理进行了大量优化。Kepler 架构是英伟达第三代支持通用计算的 GPU 架构，进一步提升了性能和能效。
NVIDIA GPU 芯片架构发展史
烟云的计算
04-04 3760
目录 文章目录目录NVIDIA GPU 架构发展史NVIDIA Ampere GPU 架构Multi-Instance GPUNVIDIA Tesla GPU 架构 NVIDIA GPU 架构发展史 NVIDIA Ampere GPU 架构 Multi-Instance GPU Nvidia 最新的 Ampere 架构支持 Multi-Instance GPU（MIG）技术，它能够水平切分 GPU 资源。 每个 A100 GPU 都可以被拆分成 7 个 GPU instance，每个 Instance
NVIDIA GPU架构白皮书-合集
04-13
NVIDIA GPU架构白皮书-合集
NVIDIA GPU介绍：概念、序列、核心、A100、H100
最新发布
lonelymanontheway的博客
01-30 2061
概念、产品、系列、Core（CUDA Core、Tensor Core、RT Core）、A100、H100
万字综述：全面梳理 FP8 训练和推理技术
m0_59235245的博客
08-27 7326
在 [1812.08011] Training Deep Neural Networks with 8-bit Floating Point Numbers 中，作者首次展示了使用 8bit 浮点数（FP8）成功训练 Deep Neural Network 模型，并可以保持和 FP32 相当的精度。
【Nvidia显卡知识】从架构和核心了解你的显卡
ueke1的博客
04-03 4931
Tensor Core是NVIDIA推出的一种专为深度学习和高性能计算优化的处理器核心，专门针对深度学习中的矩阵运算进行优化。通过不断的创新和优化，Tensor Core能够提供更高的性能、更高的能效比和更广泛的应用支持，从而推动深度学习和人工智能技术的发展。每一代架构都是NVIDIA针对当时的市场需求和技术挑战进行的创新和优化，不断推动着图形渲染、AI计算和高性能计算的发展。Pascal架构是NVIDIA在2016年推出的GPU架构，用于其GeForce、Quadro、Tesla系列的显卡。
NVIDIA GPU 架构梳理
查理王的博客
03-19 1万+
文中图片大部分来自NVIDIA 产品白皮书 TODO：英伟达显卡型号梳理 目录： 一、NVIDIA GPU的架构演变历史 二、Tesla 架构 三、Fermi架构 四、Kepler架构 五、Maxwell架构 六、Pascal架构 七、Volta架构 八、Turing架构 九、Ampere架构 一、NVIDIA GPU的架构演变历史和基本概念[1] 截止2021年，发布时间离我们最近的8种NVIDIA GPU微架构是： Tesla (特斯拉) Fermi（费米） Kepler（开普勒...
GPU 英伟达GPU架构回顾
生活需要深度
10-01 1万+
1999 年，英伟达发明了 GPU（graphics processing unit），本节将介绍英伟达 GPU 从 Fermi 到 Blackwell 共 9 代架构，时间跨度从 2010 年至 2024 年，具体包括费米（Feimi）、开普勒（Kepler）、麦克斯韦（Maxwell）、帕斯卡（Pashcal）、伏特（Volt）、图灵（Turing）、安培（Ampere）和赫柏（Hopper）和布莱克韦尔（Blackwell）架构。
NVIDIA显卡架构
顺其自然~专栏
02-15 5171
算力包含一个大版本x和一个小版本y，一块显卡的算力的表示就是x.y，x其实就是代表着显卡的架构，y代表这基于这个架构一些增量优化，比如7.5就是基于volta的架构优化的，最后命名为turing架构。，在评估时主要考虑峰值计算性能和内存带宽，一般核心数量越多，TFlops越大，效果越好，在选购显卡的时候要首先根据用途选择对应的系列，然后看相应的计算性能和内存。，但因为它们分别面向的目标市场以及产品定位的不同，这6个系列的GPU在软硬件的设计和支持上都存在许多差异。（特斯拉（磁感应强度单位））
【架构】GPU架构总结
qq_43543209的博客
02-25 7731
在之前的 SM 概览图以及上图里，可以注意到 SM 内有两个 Warp Scheduler 和两个 Dispatch Unit. 这意味着，同一时刻，会并发运行两个 warp，每个 warp 会被分发到一个 Cuda Core Group(16 个 CUDA Core), 或者 16 个 load/store 单元，或者 4 个 SFU 上去真正执行，且每次分发只执行 一条 指令，而 Warp Scheduler 维护了多个（比如几十个）的 Warp 状态。在提升性能的同时，H100的功耗也在大幅上升。
对Nvidia下一代Blackwell GPU架构和RTX 50系列GPU的了解和期待
weixin_50197960的博客
06-13 2161
Nvidia下一代Blackwell GPU架构和RTX 50系列GPU即将到来，一切按计划进行。尽管Nvidia尚未正式提供任何关于消费级产品何时发布的具体时间框架，但已经有大量关于数据的传言和所谓的泄露。我们也通过一些渠道了解，预计到10月或11月假期季节开始时，我们至少会看到RTX 5090和RTX 5080，然后Blackwell GPU将加入最佳显卡的行列。Nvidia为其数据中心Blackwell B200 GPU提供了许多核心细节。
NVIDIA 全面转向开源 GPU 内核模块
专注于人工智能领域的小何尚
07-24 2352
为简化起见，我们以表格形式压缩了软件包管理器建议。驱动程序版本 560 和 CUDA Toolkit 12.6 之后的所有版本都将使用这些打包约定。
巅峰对决：英伟达 V100、A100/800、H100/800 GPU 对比
github_36774378的博客
11-08 1万+
近期，不论是国外的 ChatGPT，还是国内诸多的大模型，让 AIGC 的市场一片爆火。而在 AIGC 的种种智能表现背后，均来自于堪称天文数字的算力支持。以 ChatGPT 为例，据微软高管透露，为 ChatGPT 提供算力支持的 AI 超级计算机，是微软在 2019 年投资 10 亿美元建造一台大型顶尖超级计算机，配备了数万个 NVIDIA A100 GPU，还配备了 60 多个数据中心总共部署了几十万个 NVIDIA GPU 辅助。
NVIDIA GPU的架构代号
shaojie_wang的博客
11-03 1万+
NVIDIA GPU的架构代号NVIDIA GPU的架构代号什么时候用gencode，什么时候用arch呢SM_num和gencode变量费米 Fermi（cuda 3.2~cuda 8）开普勒 Kepler（cuda 5~cuda 10）麦克斯韦 Maxwell（CUDA 6~CUDA 11）帕斯卡 Pascal (CUDA 8 ~今)伏特 Volta (CUDA 9 ~今)图灵Turing (CUDA 10 ~今)安培Ampere (CUDA 11 ~今)哈珀Hopper (CUDA 12 计划中)例子
英伟达 GPU 架构简史
热门推荐
专注于人工智能领域的小何尚
08-09 2万+
尽管近年来 Nvidia GPU 确实更频繁地成为新闻，但它们绝不是新事物。事实上，多年来，Nvidia GPU 已经进行了多次迭代，GPU 架构也取得了进步。因此，让我们回顾一下最近的历史，以了解 GPU 是如何随着时间的推移而发展的。我们将通过探索自 2000 年以来发布的每个流行的 Nvidia GPU 微架构来做到这一点。...
NVIDA GPU架构演进（2022年更新）
daijingxin的博客
03-21 2万+
GPU发展时间表 GPU架构的更新主要体现在SM、TPC的增加，最终体现在GPU浮点计算能力的提升。 Kepler架构： FP64单元和FP32单元的比例是1:3或者1:24；GPU型号K80。 Maxwell架构： FP64单元和FP32单元的比例下降到了只有1:32；GPU型号M10/M40。 Pascal架构： 这个比例又提高到了1:2(P100)但低端型号里仍然保持为1:32，型号Tesla P40、GTX 1080TI/Titan XP、Quadro GP100/P6000/P5000 Vota
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

探模之翼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值