架构排序（时间顺序）
Tesla
出现时间：2008年
产品：市面已经没有相关显卡
备注：NVIDIA第一个实现了统一着色器模型的芯片架构，针对HPC和AI场景，应用于早期的CUDA系列显卡芯片中。
Fermi
出现时间：2010年
产品：GeForce 400，500，600，GT-630
备注：包含了30亿晶体管，采用了40nm的纳米制程，代表产品有GeForce 400、500、600系列，如GT-630。
Kepler
出现时间：2012年
产品：Tesla K40/K80，GeForce 700，GT-730
备注：采用28nm制程，是首个支持超级计算和双精度计算的GPU架构，代表产品有Tesla K40/K80，GeForce 700系列，如GT-730
Maxwell
出现时间：2014年
产品：Tesla/Quadro M 系列，GeForce 900，GTX-970
备注：在功耗效率、计算密度上获得重大提升，代表产品有Tesla/Quadro M系列，GeForce 900系列，如GTX-970。
Pascal
出现时间：2016年
产品：Tesla p100，GTX 1080，GTX 1070，GTX 1060
备注：NVIDIA在2016年推出的GPU架构，用于其GeForce、Quadro、Tesla系列的显卡，代表产品有Tesla P100，GTX 1080，GTX 1070，GTX 1060
Volta
出现时间：2017年
产品：Tesla V100，GTX 1180
备注：标志着AI成为GPU发展的新方向，首代Tensor Core架构，代表产品有Tesla V100。
Turing
出现时间：2018年
产品：T4，GTX 1660 Ti，RTX 2060
备注：自2006年发明CUDA GPU以来的重大飞跃，引入了RT Core和Tensor Core，代表产品有T4，GTX 1660 Ti，RTX 2060。
Ampere
出现时间：2020年
产品：A100
备注：自2006年发明CUDA GPU以来的重大飞跃，引入了RT Core和Tensor Core，代表产品有T4，GTX 1660 Ti，RTX 2060。
Ada Lovelace
一、游戏显卡
GeForce RTX 4090
定位：旗舰级游戏显卡
适用场景：4K游戏和高性能应用
GeForce RTX 4080
定位：高端游戏显卡
适用场景：高端游戏用户
GeForce RTX 4070 Ti
定位：中高端游戏显卡
适用场景：1440p和4K游戏，具有优越的性价比
GeForce RTX 4070
定位：中端游戏显卡
适用场景：高效能，满足大多数现代游戏需求
GeForce RTX 4060 Ti
定位：中端入门级游戏显卡
适用场景：适合1080p和1440p游戏，性价比高
GeForce RTX 4060
定位：入门级游戏显卡
适用场景：入门级用户，性能稳定
二、专业显卡
RTX 6000 Ada
显存容量：48GB GDDR6X
CUDA核心数量：18176个
定位：旗舰级专业显卡
适用场景：广泛应用于深度学习和科学计算
RTX 5880 Ada
显存容量：48GB（推测，与RTX 6000 Ada相近）
定位：高端专业显卡
RTX 5000 Ada
显存容量：32GB GDDR6
定位：中高端专业显卡
适用场景：高性能计算任务
RTX 4500 Ada
显存容量：24GB GDDR6
定位：中端专业显卡
RTX 4000 Ada
显存容量：20GB GDDR6
定位：中端入门级专业显卡
RTX 4000 SFF Ada
显存容量：20GB（推测，与RTX 4000 Ada相近）
定位：小型机箱适用的专业显卡
NVIDIA A6000 Ada
定位：专为专业设计和可视化而生的顶尖显卡
适用场景：深度学习和科学计算
显卡系列
Tegra（平板）：手机和嵌入式设备(jetson)用的
GeForce（精视）： 显示器用的，比如电脑的显卡
Quadro（方形住宅区）： 专业绘图
Tesla（特斯拉（磁感应强度单位））：大规模计算，比如深度学习训练
描述GPU有两个指标，一个是CUDA的核心数量，第二个是内存大小，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。
算力
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。
NVIDIA的GPU产品有GeForce、Tesla、Quadro、Tegra、Tesla、Nvidia Grid系列，虽然从硬件角度来看它们都采用同样的架构设计，也都支持用作通用计算(GPGPU)，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。
产品定位
GeForce(精视™)：面向消费者的图形处理产品，主要用于台式电脑和笔记本电脑；
Quadro：计算机辅助设计和数字内容创建工作站图形处理产品，一般应用于专业的图形工作站；
Quadro NVS：属于Quadro产品线中的一个系列，用于多显示商用显卡，可用多个虚拟桌面显示，协助企业安装部署的多种预设设定。
Tegra：用于移动设备的芯片系列，常应用于手机及平板电脑等移动端使用；
Tesla(特斯拉)：主要用于服务器高性能电脑运算，Tesla一般是不设计外接接口，主要是辅助CPU去计算所需应用，常应用于研究物理、生化和深度学习等领域；
Nvidia Grid：Nvidia用于图形虚拟化的一套硬件和服务，可以根据用户需求分配使用量，这意味着，多名用户可以共享单一 GPU。
生产厂商
GeForce显卡则主要由第三方厂商生产，而且还区分为采用原厂设计的公版型号和厂商自行设计的非公版型号，其产品的稳定性可能也因不同厂商的设计和工艺水平存在差异。
Quadro显卡现在主要有3家公司负责生产，欧美地区由美国的必恩威(PNY)负责，而台湾的丽台(Leadtek)负责欧亚太地区的销售。艾尔莎日本(Elsa Japan)则仅仅在日本有销售的权利。这三家公司互不进入对方所在的市场，所以我们见到的全新Quadro显卡都是属于丽台生产的；
Tegra系列产品由NVIDIA与微软合作设计和生产；
Tesla与Nvidia Grid系列产品全部由NVIDIA原厂设计和生产，产品品质和服务都更有保障，毕竟应用于高科技领域，Nvidia肯定是将技术核心掌握在手中。
扫一扫
4935
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
