1、GeForce系列:
GeForce系列是NVIDIA最主要的消费者显卡系列,用于游戏和娱乐。包括不同性能水平的产品,从入门级到高端。
2、Quadro系列:
Quadro系列是专业级别的显卡,主要用于专业图形工作站,如CAD(计算机辅助设计)和3D建模。
3、Tesla系列:
Tesla系列是用于高性能计算和科学计算的显卡,通常用于数据中心和超级计算机。
1、Tesla 架构 (2006)(芯片代号:GT):
Tesla 架构是 NVIDIA 推出的第一个通用并行计算(GPGPU)架构,主要用于科学计算和高性能计算。
代表产品:Tesla C870/GeForce 8800 GTX
2、Fermi 架构 (2010)(芯片代号:GF):
Fermi 架构引入了许多新技术,包括CUDA架构、ECC内存、NVIDIA Parallel DataCache、和GPU直接支持C++等。这个架构的GPU主要用于科学计算、图形处理和高性能计算。
代表产品:Tesla C2050/GeForce GTX 480
3、Kepler 架构 (2012)(芯片代号:GK):
Kepler 架构在功耗效率和性能方面进行了改进,引入了GPU Boost技术,增加了对动态并行计算的支持。这个架构的GPU在科学计算、深度学习和游戏等领域取得了显著的成功。
代表产品:Tesla K40/GeForce GTX 680
4、Maxwell 架构 (2014)(芯片代号:GM):
Maxwell 架构进一步提高了功耗效率,并引入了一些新的技术,例如多层次的内存系统、动态超分辨率技术和VR Direct技术。这个架构的GPU被广泛应用于游戏、深度学习和移动设备。
代表产品:Tesla M40/GeForce GTX 980
5、Pascal 架构 (2016)(芯片代号:GP):
Pascal 架构引入了16nm FinFET制程技术,提供了更高的性能和功耗效率。同时,它加强了对深度学习和人工智能计算的支持,引入了NVIDIA 的Tensor Cores。Pascal 架构的GPU广泛应用于深度学习和高性能计算领域。
代表产品:Tesla P100/GeForce GTX 1080
6、Volta 架构 (2017)(芯片代号:GV):
Volta 架构引入了更多的深度学习优化特性,如Tensor Cores和专为深度学习工作负载而设计的TensorRT。Volta 架构的GPU主要用于深度学习、科学计算和高性能计算。
代表产品:Tesla V100
7、Turing 架构 (2018)(芯片代号:TU):
Turing 架构引入了实时光线追踪技术、深度学习技术(如RT Cores和Tensor Cores)以及新的流程图渲染技术。这个架构的GPU主要应用于游戏、深度学习和专业可视化等领域。
代表产品:Tesla T4/GeForce RTX 2080 Ti
8、Ampere 架构 (2020)(芯片代号:GA):
Ampere 架构是 NVIDIA 的第二代深度学习架构,引入了更多的Tensor Cores、第三代NVLink以及改进的Ray Tracing技术。Ampere 架构的GPU广泛应用于深度学习、科学计算和高性能计算领域。
代表产品:Telsa A100/GeForce RTX 3080
9、Ada Lovelace 架构 (2022)(芯片代号:AD):
这个架构是专为光线追踪和基于 AI 的神经图形设计的 GPU,能够提供高性能的游戏、专业图形、AI 和计算性能。该架构显著提高了 GPU 性能基准,更代表着光线追踪和神经图形的转折点。Ada Lovelace 架构引入了第四代 Tensor Core,可加速 AI 计算,以及第三代 RT Core,可加速光线追踪。
代表产品:GeForce RTX 4080
10、Hopper 架构 (2022)(芯片代号:GH):
H100 NVL GPU是英伟达公司的下一代加速计算平台,采用了全新的Hopper架构。该GPU支持PCIe 5.0标准,具有40Tb/s的IO带宽,可承载全球互联网的流量。H100 GPU还包括一个专用的Transformer引擎,可解决万亿参数语言模型。H100的技术创新可以将大型语言模型(LLMs)的速度提高30倍,是业界领先的对话AI。H100 NVL GPU可在任何数据中心中实现最佳性能和易于扩展性,从而将LLMs带入主流。H100 NVL GPU可在功耗受限的数据中心环境中将GPT-175B模型性能提高12倍,同时保持低延迟。H100 GPU还提供了五年的订阅服务,包括企业支持,以及NVIDIA AI Enterprise软件套件,为企业级AI提供最高性能。
代表产品:Telsa H100