英偉達創(chuàng)始人兼CEO黃仁勛即將迎來一個至關重要的時刻，他將在英偉達年度技術峰會GTC上，為公司的股價重振帶來希望。此次峰會上，黃仁勛將分享他引領英偉達探索AI新前沿的戰(zhàn)略藍圖。

據(jù)此前摩根大通的分析預測，英偉達有望在大會上推出Blackwell Ultra芯片（GB300），并可能揭開Rubin平臺的神秘面紗。本次大會的焦點將集中在AI硬件的全面革新上，包括性能更強勁的GPU、HBM內(nèi)存、優(yōu)化的散熱和電源管理系統(tǒng)，以及CPO（共封裝光學）技術的未來規(guī)劃。

在黃仁勛發(fā)表演講之前，讓我們回顧一下英偉達近年來推出的系列架構，以及它們背后的精彩故事。

1999年末，英偉達推出了首款GPU（圖形處理單元）Geforce 256，這款革命性的產(chǎn)品將完整的渲染管線集成至硬件中，為用戶帶來了顯著的加速效果。然而，當時它還未具備可編程能力，直到2001年隨著DX8引入可編程頂點著色器的概念，英偉達在Geforce 3中加入了Vertex Processor，GPU才迎來了可編程的新紀元。隨后，DX和OpenGL不斷引入更多可編程著色器，以滿足渲染開發(fā)者的多樣化算法需求。

GPU的最初設計目標是圖形加速，而非深度學習。在CUDA架構問世之前，GPU對深度學習運算的支持相對有限。真正用于人工智能算力支持的并非普通顯卡，而是GPGPU（通用計算圖形處理器），這種算力單元能夠處理非特定需求的計算任務。

CUDA架構的誕生，標志著GPU并行計算革命的開始。隨著GPU可編程能力的發(fā)掘，越來越多的大學和研究機構開始嘗試用GPU進行科學計算。2003年的SIGGRAPH大會上，眾多業(yè)界權威發(fā)表了關于GPU運算的設想和實驗模型，GPGPU的研討交流也成為會議的重要議題。然而，當時的開發(fā)者只能利用著色器編程語言開發(fā)程序，計算資源的映射和使用過程繁瑣復雜。因此，急需一種專為GPU并行計算設計的編程語言。正是在這種背景下，斯坦福大學的Ian Bark投身到Brook（后被AMD收購）的研發(fā)中，成為GPU并行計算軟件棧的先驅。2004年，他以實習生的身份加入英偉達，并在兩年后成功開發(fā)出CUDA。

隨著渲染需求的多樣化，并行計算業(yè)務也蓄勢待發(fā)。在這樣的歷史背景下，英偉達推出了Tesla G80架構，這成為英偉達命運的重要轉折點。2006年，英偉達推出了Tesla架構的第一代產(chǎn)品G80，開啟了GPU通用計算的探索之路。G80采用全新的CUDA架構，支持C語言進行GPU編程，實現(xiàn)了通用數(shù)據(jù)并行計算。G80不僅是有史以來最偉大的GPU變革產(chǎn)物之一，更開啟了并行加速的新時代。隨后，英偉達在第一代基礎上推出了Tesla架構的第二代產(chǎn)品GT200，其雙精度FMA運算速度提升了8倍多。

在G80和GT200兩代產(chǎn)品上，英偉達積累了大量用戶體驗反饋，并招募了Bill Dally作為首席科學家。最終，英偉達推出了劃時代的Fermi架構，這是首款專門為計算任務設計的GPU。Fermi架構不僅重新定義了GPU的概念，更在加速并行計算性能的同時，保持了強大的圖形渲染能力。GF100是首款基于Fermi架構的GPU，集成了32億個晶體管，專為下一代游戲和通用計算應用程序而優(yōu)化。

隨后，英偉達保持了大約兩年更新一次架構的頻率，不斷推陳出新。2012年，英偉達推出了Kepler架構，這是首個支持超級計算和雙精度計算的GPU架構。Kepler在性能和功耗方面實現(xiàn)了顯著提升，成為高性能計算的焦點。2014年，英偉達發(fā)布的Maxwell架構是Kepler架構的升級版，采用臺積電28nm工藝制程，專為低功耗、高性能GPU需求大增的移動設備而設計。

2016年，Pascal架構推出，用于接替Maxwell架構。Pascal架構是首個為了深度學習而設計的GPU，支持所有主流的深度學習計算框架。Pascal架構的核心陣容強大，包括GP100和GP102兩大核心。隨后，英偉達推出了專門針對神經(jīng)網(wǎng)絡加速的Volta架構，引入了Tensor Core（張量核心）專門加速矩陣運算，提升深度學習計算效率。Volta的出現(xiàn)標志著AI成為GPU發(fā)展的新方向。

2018年，英偉達發(fā)布了Turing架構，進一步增強了Tensor Core的功能，并新增了對整數(shù)格式的支持，將GPU的性能吞吐量推向新高度。同時，Turing架構還引入了先進的光線追蹤技術，代表了圖形技術的新突破。2020年，Ampere架構的推出再次刷新了人們對Tensor Core的認知，新增了對TF32和BF16兩種數(shù)據(jù)格式的支持，并引入了對稀疏矩陣計算的支持，大幅提升計算效率并降低能耗。

英偉達在AI時代的全面引領也體現(xiàn)在其產(chǎn)品的廣泛應用上。2016年，黃仁勛將第一臺DGX-1超級計算機贈予OpenAI。而在2022年年底，OpenAI發(fā)布的ChatGPT生成式大語言模型成為深度學習發(fā)展歷程中的里程碑。在這波AI革命中，英偉達作為“賣鏟人”，發(fā)布了H100 GPU，憑借最新的Hopper架構，H100成為地表最強并行處理器。Hopper架構標志性的變化是新一代流式多處理器的FP8張量核心，進一步加速了AI訓練和推理過程。

同時，NVIDIA Grace Hopper超級芯片將Hopper GPU的突破性性能與Grace CPU的多功能性結合在一起，通過高帶寬和內(nèi)存一致的NVLink Chip-2-Chip（C2C）互連，以及新的NVLink切換系統(tǒng)，解決了CPU和GPU之間數(shù)據(jù)的時延問題，成為高性能計算（HPC）和AI工作負載的異構加速平臺。2024年，英偉達推出的Blackwell架構為生成式AI帶來了顯著飛躍，GB200超級芯片在處理LLM推理任務時性能提升了30倍，同時在能耗方面也優(yōu)化了25倍。

英偉達GPU架構的每一次重大創(chuàng)新和升級，都在推動深度學習技術的邊界。這些架構的發(fā)展不僅體現(xiàn)了英偉達在硬件設計方面的前瞻性，也為深度學習的研究和應用提供了強大的計算支持，加速了AI技術的快速發(fā)展。