1. 产品线

• GeForce

面向游戏玩家，提供强大的图形处理能力、先进的游戏技术。

常见的有 NVIDIA GTX 系列、高端的 RTX 系列、Titan 系列。

• Quadro

面向专业市场，如设计师、工程师、科学家和内容创作者。

常见的有 Quadro P 系列，高端的 Quadro RTX 系列

• Tesla

面向数据中心和高性能计算（HPC）市场，提供强大算力，适用于科学研究、深度学习。

常见的型号有 V100、A100 等。

• Clara

面向医疗成像和生命科学领域，提供 AI 和加速计算能力，用于医学影像处理和生命数据分析

• Jetson

面向边缘计算和机器人市场，提供小型化、低功耗的 AI 计算模块，适合嵌入式系统和机器人应用

• Orin

面向自动驾驶和边缘 AI 市场，高能效的 SoC（System on Chip），集成了 CPU、GPU 和深度学习加速器

2. 命名规则

2.1 系列名称

• GeForce，针对消费者和游戏市场的显卡系列。通常用于主流和高性能游戏显卡
• Quadro，专业图形显卡系列，面向图形设计、3D 渲染和工程应用等领域
• Tesla，专为数据中心、高性能计算（HPC）、AI 研究设计的 GPU 系列
• Titan，高端显卡系列，介于消费者和专业市场之间，兼具游戏和计算能力
• RTX，包含实时光线追踪技术的显卡，适用于游戏和高性能计算
• GTX，面向主流和高性能游戏市场，不具备 RTX 系列的光线追踪功能

2.2 架构代号

• 每一代显卡都会采用新的架构代号，如 Kepler、Maxwell、Pascal、Volta、Turing、Ampere、Hopper 等。通常不直接在显卡型号中显示，但可以通过显卡的代号或发布日期推测其架构。

2.3 型号数字

• 首位数字，表示显卡的代系。例如，GTX 1080 中的 10 表示第 10 代（Pascal 架构），RTX 3080 中的 30 表示第 30 系列（Ampere 架构）
• 第二位数字，表示显卡的定位或性能等级，数字越大，性能越强。例如，RTX 3080 比 RTX 3070 性能更强
• 末尾字母:
  • Ti，“Titanium” 的缩写，表示该型号的性能增强版，通常比不带 Ti 的同代型号性能更强。
  • SUPER，表示升级版本，通常比基础型号有更好的性能和性价比。
  • Ultra，很少使用，但有时用于表示更高性能的版本。

2.4 特别型号

• Founders Edition (FE)，这是 NVIDIA 自己发布的显卡版本，通常在显卡发布初期推出，具有独特的外观设计和散热方案
• OEM，面向原始设备制造商（OEM）的显卡型号，可能与零售版有不同的规格

2.5 命名示例

• GeForce RTX 3090 Ti:

  • GeForce，消费级游戏显卡系列。
  • RTX，支持实时光线追踪的系列。
  • 30，代表 30 系列显卡，基于 Ampere 架构。
  • 90，高端型号。
  • Ti，性能增强版。

• Quadro RTX 5000:

  • Quadro，专业图形工作站显卡。
  • RTX，支持实时光线追踪。
  • 5000，中高端专业显卡型号。

3. 硬件计算核心

• CUDA Core

CUDA Core 是 NVIDIA GPU 上的计算核心单元，用于执行通用的并行计算任务，是最常看到的核心类型。NVIDIA 通常用最小的运算单元表示自己的运算能力，CUDA Core 指的是一个执行基础运算的处理元件，我们所说的 CUDA Core 数量，通常对应的是 FP32 计算单元的数量。

• Tensor Core

Tensor Core 是 NVIDIA Volta 架构及其后续架构（如 Ampere 架构）中引入的一种特殊计算单元。它们专门用于深度学习任务中的张量计算，如矩阵乘法和卷积运算。Tensor Core 核心特别大，通常与深度学习框架（如 TensorFlow 和 PyTorch）相结合使用，它可以把整个矩阵都载入寄存器中批量运算，实现十几倍的效率提升。

• RT Core (Ray Tracing Core)

RT Core 是 NVIDIA 的专用硬件单元，主要用于加速光线追踪计算。正常数据中心级的 GPU 核心是没有 RT Core 的，主要是消费级显卡才为光线追踪运算添加了 RT Core。RT Core 主要用于游戏开发、电影制作和虚拟现实等需要实时渲染的领域。

4. NVIDIA 通用 GPU 架构

4.1 Tesla 架构

Tesla 架构发布于 2006 年。Tesla 架构全新的 CUDA 架构，支持使用 C 语言进行 GPU 编程，可以用于通用数据并行计算。Tesla 架构具有 128 个流处理器，带宽高达 86GB/s，标志着 GPU 开始从专用图形处理器转变为通用数据并行处理器。

典型卡型号:

• Tesla C1060
• Tesla M1060
• Tesla S1070

4.2 Fermi 架构

Fermi 架构发布于 2008 年。Fermi 架构是第一个采用 GPU-Direct 技术的 GPU 架构，它拥有 32 个 SM（流多处理器）和 16 个 PolyMorph Engine 阵列，每个 SM 都拥有 1 个 PolyMorph Engine 和 64 个 CUDA 核心。该架构采用了 4 颗芯片的模块化设计，拥有 32 个光栅化处理单元和 16 个纹理单元，搭配 GDDR5 显存。

典型卡型号:

• GeForce GTX 480
• GeForce GTX 470
• Quadro 6000
• Quadro 5000
• Quadro 4000
• Quadro Plex 7000
• GeForce GTX 465

4.4. Kepler 架构

Kepler 架构发布于 2012 年。Kepler 架构采用 28nm 制程，是首个支持超级计算和双精度计算的 GPU 架构。Kepler GK110 具有 2880 个流处理器和高达 288GB/s 的带宽，计算能力比 Fermi 架构提高 3-4 倍。Kepler 架构的出现使 GPU 开始成为高性能计算的关注点。

典型卡型号:

• GeForce GTX 680
• GeForce GTX Titan
• GeForce GTX 780
• GeForce GTX 770
• GeForce GTX 760
• GeForce GTX 780 Ti
• GeForce GTX Titan Black

4.4. Maxwell 架构

Maxwell 架构发布于 2014 年。Maxwell 架构采用 28nm 制程。Maxwell 架构在功耗效率、计算密度上获得重大提升，一个流处理器拥有 128 个 CUDA 核心，而 Kepler 仅有 64 个。GM200 具有 3072 个 CUDA 核心和 336GB/s 带宽，但功耗只有 225W，计算密度是 Kepler 的两倍。Maxwell 标志着 GPU 的节能计算时代到来。

典型卡型号:

• GeForce GTX 750 Ti
• GeForce GTX 750
• GeForce GTX 980
• GeForce GTX 970
• GeForce GTX Titan X
• NVIDIA Tegra X1

4.5. Pascal 架构

Pascal 架构发布于 2016 年。Pascal 架构采用 16nm FinFETPlus 制程，增强了 GPU 的能效比和计算密度。Pascal GP100 具有 3840 个 CUDA 核心和 732GB/s 的显存带宽，但功耗只有 300W，比 Maxwell 架构提高 50%以上。Pascal 架构使 GPU 可以进入更广泛的人工智能、汽车等新兴应用市场。

典型卡型号

• Tesla P100
• GeForce GTX 10 Series
• Titan X (Pascal)
• Quadro GP100
• Quadro P6000

这类 GPU 缺乏低精度的硬件加速能力，但却具备中等的单精度算力。由于价格便宜，适合用来练习训练小模型(如 Cifar10 )或调试模型代码。

4.6 Volta 架构

Volta 架构发布于 2017 年。Volta 架构采用 12nm FinFET 制程。Volta 架构新增了张量核心，可以大大加速人工智能和深度学习的训练与推理。Volta GV100 具有 5120 个 CUDA 核心和 900GB/s 的带宽，加上 640 个张量核心，AI 计算能力达到 112 TFLOPS，比 Pascal 架构提高了近 3 倍。Volta 的出现标志着 AI 成为 GPU 发展的新方向。

典型卡型号:

• Tesla V100
• GeForce Titan V
• GeForce GTX 20 Series
• Quadro GV100

这类 GPU 搭载专为低精度(int8/float16)计算加速的 Tensor Core， 但单精度算力相较于上代提升不大。建议启用深度学习框架的混合精度训练来加速模型计算。 相较于单精度训练，混合精度训练通常能够提供 2 倍以上的训练加速。

4.7. Turing 架构

Turing 架构发布于 2018 年。Turing 架构采用 12nm FinFET 制程。Turing 架构新增了 Ray Tracing 核心(RT Core)，可硬件加速光线追踪运算。Turing TU102 具有 4608 个 CUDA 核心、576 个张量核心和 72 个 RT 核心，支持 GPU 光线追踪，代表了图形技术的新突破。同时，Turing 架构在人工智能方面性能也有较大提升。

典型卡型号:

• GeForce RTX 20 Series
• Quadro RTX 6000
• Quadro RTX 8000
• NVIDIA Turing T4

4.8. Ampere 架构

Ampere 架构发布于 2020 年。Ampere 架构在计算能力、能效和深度学习性能方面都有重大提升。Ampere 架构的 GPU 采用了多个流多处理器（SM）和更大的总线宽度，提供了更多的 CUDA Core 和更高的频率。它还引入了第三代 Tensor Core，提供更强大的深度学习计算性能。Ampere 架构的 GPU 还具有更高的内存容量和带宽，适用于大规模的数据处理和机器学习任务。

典型卡型号:

• NVIDIA A100
• NVIDIA A800
• NVIDIA A40
• NVIDIA A16
• NVIDIA A10
• GeForce RTX 30 Series
• NVIDIA RTX A5000
• NVIDIA RTX A4000
• NVIDIA RTX A3000
• NVIDIA RTX A2000

这类 GPU 搭载第三代 TensorCore。相较于前一代，支持了 TensorFloat32 格式，可直接加速单精度训练 (PyTorch 已默认开启)。建议使用超高算力的 float16 半精度训练模型，可获得比上一代 GPU 更显著的性能提升。

4.9. Hopper 架构

Hopper 架构发布于 2022 年。相较于 Ampere，Hopper 架构支持第四代 Tensor Core，且采用新型流式处理器，每个 SM 能力更强。Hopper 架构在计算能力、深度学习加速和图形功能方面带来新的创新和改进。

典型卡型号:

• NVIDIA H100
• NVIDIA H200
• NVIDIA H800
• NVIDIA H20

4.10. Blackwell 架构

Blackwell 架构发布于 2024 年。Blackwell 架构 GPU 具有 2080 亿个晶体管，采用专门定制的双倍光刻极限尺寸 4NP TSMC 工艺制造，通过 10 TB/s 的片间互联，将 GPU 裸片连接成一块统一的 GPU。

典型卡型号:

• NVIDIA B40
• NVIDIA B100

5. 常见 GPU 卡的算力值表

同系列按性能从高到低排列：