英偉達創始人兼CEO黃仁勛即將迎來一個關鍵時刻，他將在英偉達年度技術峰會GTC上發表演講，闡述公司探索AI新前沿的戰略方向。此次大會對英偉達股價的重振至關重要。
據摩根大通預測，英偉達將在峰會上推出Blackwell Ultra芯片（GB300），并可能透露Rubin平臺的部分細節。大會將聚焦于AI硬件的全面升級，涵蓋高性能GPU、HBM內存、強化散熱和電源管理，以及CPO（共封裝光學）技術路線圖。
在黃仁勛發表演講前，讓我們回顧一下英偉達近年來推出的GPU架構及其背后的故事。
早在1999年底，英偉達推出了首款GPU——Geforce 256，它集成了完整的渲染管線，為圖形加速帶來了顯著提升。然而，這款產品尚不具備可編程能力，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，使GPU得以編程。隨后，DX和OpenGL引入了更多可編程著色器，以滿足渲染開發者的需求。
GPU最初的設計并非針對深度學習，而是圖形加速。在CUDA架構出現之前，GPU對深度學習運算的支持有限。真正用于人工智能算力支持的GPU是GPGPU（通用計算圖形處理器），它用于處理非特定需求的計算任務。
革命始于CUDA架構的誕生。隨著GPU可編程能力的發掘，其并行計算潛力被廣泛認可。2003年的SIGGRAPH大會上，業界泰斗級人物探討了利用GPU進行各種運算的可能性。盡管當時開發者只能利用著色器編程語言開發程序，但GPU并行計算的潛力已顯而易見。斯坦福大學的Ian Bark看到了這一需求，投身到Brook語言的研發中，后成為GPU并行計算軟件棧的先驅。2006年，他加入英偉達，兩年后開發出CUDA。
同年，英偉達推出了Tesla架構的第一代產品G80，標志著GPU通用計算探索的開始。G80采用全新的CUDA架構，支持C語言編程，可用于通用數據并行計算。這是英偉達命運的轉折點，開啟了并行加速時代。隨后，英偉達推出了第二代Tesla架構GT200，雙精度FMA運算速度大幅提升。
在G80和GT200兩代產品的基礎上，英偉達積累了大量用戶體驗反饋，招募了首席科學家Bill Dally，最終推出了Fermi架構。這是首款專為計算任務設計的GPU，不僅具備強大的圖形渲染能力，還重新定義了GPU的概念，旨在加速并行計算性能。GF100是首款基于Fermi架構的GPU，集成了32億個晶體管。
之后，英偉達保持了大約兩年更新一次架構的頻率。2012年推出的Kepler架構支持超級計算和雙精度計算，性能和功耗顯著提升。2014年的Maxwell架構是Kepler的升級版，優化了低功耗和高性能需求，適用于移動設備。2016年，Pascal架構推出，專為深度學習設計，支持所有主流深度學習計算框架。
面對深度學習領域的激烈競爭，英偉達在Pascal架構推出次年就發布了Volta架構，引入了Tensor Core專門加速矩陣運算，提升深度學習計算效率。隨后，Turing架構進一步增強Tensor Core功能，支持更多數據格式，并引入了光線追蹤技術。2020年的Ampere架構則刷新了人們對Tensor Core的認知，支持更多數據格式，并引入稀疏矩陣計算優化。
英偉達在AI時代的領導地位日益凸顯。2016年，黃仁勛將首臺DGX-1超級計算機贈予OpenAI。2022年，OpenAI發布的ChatGPT成為深度學習領域的里程碑。英偉達作為“賣鏟人”，發布了H100 GPU，憑借Hopper架構成為地表最強并行處理器。Hopper架構去除了RT Core，引入了Transformer引擎，專為深度學習計算優化。
2024年，英偉達推出的Blackwell架構為生成式AI帶來顯著飛躍。GB200超級芯片在處理LLM推理任務時性能提升高達30倍，能耗優化高達25倍。還引入了第二代Transformer引擎和第五代NVLink技術。
英偉達GPU架構的不斷創新和升級，推動了深度學習技術的邊界，為研究和應用提供了強大計算支持，促進了AI技術的快速發展。明日，黃仁勛將在GTC峰會上如何刷新人們的想象，值得期待。
