GPU计算爆发了，谁还记得GeForce，游戏显卡的鼻祖？ 256？

2024 年 8 月，国产游戏《黑神话:悟空》正式上映。黑神话作为最近最受欢迎的国产游戏，以其出色的剧情发展、场景制作和配乐成功“爆红”，不仅让游戏玩家“拥有一份”，许多已经“戒掉游戏”的老玩家也选择借机升级计算机，换一张新显卡，享受游戏。

虽然这种为游戏而换显卡的行为看上去有“冲动消费”的意思，但是回顾这几年的游戏历史，我们不难发现，每一款现象级游戏都会走火，同时还会有大量玩家升级显卡。例如，使用丰富的游戏推动 GTX 1060 显卡的《PUBG》以及《守望先锋》，以卓越的营销和画质推广。 RTX “赛博朋克”时代 2077》，变成 RTX “货王”4060《Apex》。在每一个成功的游戏背后，都有一个“卓越” N 卡”。

然后问题也随之而来——当英伟达的第一张游戏显卡问世时，游戏行业是怎样的？

1999 2008年，英伟达发布了他的第一张游戏显卡——GeForce 256。但在 GeForce 256 在发布之前，市场上已经有很多显卡了。（GPU）品牌，如 3dfx 的 Voodoo(巫毒)系列，Matrox（迈创）、S3 Graphics、ATI 的 Rage 系列。

与现代的 GPU 一样，这些 GPU 同样基于 3D 加快技术，但是遗憾的是，这些 GPU 缺少统一的商品 3D 加快系统。这意味着游戏开发者必须根据不同的显卡对游戏进行优化，这显著增加了开发成本和难度。另外，由于产品特性的限制， GPU 而且不能支持复杂的东西 3D 游戏。

同时，《古墓丽影》、《雷神之锤2》、“星际争霸”等游戏的流行也促进了玩家对玩家的关注 3D 游戏的期望。也正是在这个时候，英伟达 GeForce 256 出现了。

GPU计算爆发时，有哪些先行者？

GeForce 256 这是世界上第一个被称为的 GPU 的商品，由于它首次将图像处理的多个功能集成到单个芯片中，这种行为定义了 GPU 这一概念，同时也会变得复杂 3D 渲染任务从 CPU 中解放出来，赋予 GPU 特殊的计算职责。从 GPU 从历史进程来看，这也是为了以后。 GPU 它的广泛应用奠定了基础。

此外，GeForce 256 也将 T&L（Transform & Lighting、转换和照明)硬件加速集成 GPU 中，使 3D 由于场景转换和光照计算， GPU 主要负责人。在图像处理史上，这是一个重大进展，以前这样的计算任务通常是由 CPU 执行，不但效率低下，而且限制了游戏画面的表现力。借助 GeForce 256，大大提高了游戏画面的复杂性和细节，促进了游戏画面的复杂性。 3D 随着游戏时代的到来。

并且 GeForce 256 优异的性能也会 GPU 这个概念带到了游戏行业之外。不要着急，这时，英伟达还没有拿出来。 CUDA 这种改变 GPU 行业生态的大杀手。但是 GeForce 256 出色的性能，的确是 GPU 应用于科学计算、金融分析等领域奠定了基础。

假如说 GeForce 256 开启了 GPU 在图形计算的时代，那英伟达 2008 年发布的 GeForce 8800 GTX，这才是真正的解放 GPU 性能。很明显，这个显卡的性能在现在已经不值一提了，但是在这张显卡上，英伟达提出了 CUDA这个概念(统一计算架构)。

CUDA 的出现让 GPU 不但可用于图形计算的处理，也可用于执行、加速。 CUDA 通用计算，使计算机真正成为一种通用工具。

但在提出了 CUDA 之后，英伟达也在那里 2018 年进一步对 GPU 细化了计算率，引入了 RT Core、Tensor Core 让光线跟踪和特殊的概念 ML 计算是可能的——Tensor Core 大规模矩阵运算的高效实施显著加速 AI 模型练习和执行速度。

据英伟达介绍，现阶段 RTX AI 已对 10 种不同 AI 包括游戏、影视、自动驾驶和科学计算在内的场景实现覆盖。受到英伟达用户的喜爱，可以显著提升游戏 FPS 的 DLSS，就基于 Tensor Core 来实现，可以算是很多玩家第一次接触过的真的。 AI 用例了。

就影视制作而言，RTX AI 加快渲染速度，使复杂的光线和反射效果在短时间内完成，从而缩短生产周期。就自动驾驶而言，RTX GPU 处理大量图像和传感器数据，支持即时决策，提高车辆的安全性和准确性。另外，AI 也可用于医学影像处理、财务预测和科学模拟，加快数据分析和预测模型的实践。

毫不夸张地说，RTX AI 其出现不仅促进了高档视觉效果和 AI 结合计算，也减少了企业的使用 AI 门槛。它正逐步成为各行业提高效率、创新业务的关键引擎，引领未来技术的发展趋势。

GPU计算驱动AI，但是AI计算并不完全依赖于GPU

但是话又说回来，虽然 GPU 计算率的提高让 AI 能够以惊人的速度普及，现阶段英伟达的确是 AI 计算能力的代名词， AI 唯一的计算机选择。但是，这是否意味着美欧强大？ GPU 设备，就没有机会了 AI 时代呢？

答案是否定的。

在 2024 在云栖大会上，阿里集团 CEO、阿里智能云董事长兼 CEO 吴泳铭说：

生成式 AI 改变计算架构，从 CPU 主导计算系统 GPU 主导的 AI 计算转移。AI 时代将是“GPU 算率为主，CPU 计算率为辅”的计算模式。2024 年度市场新增算率，超过 50% 的需要 AI 驱动力的产生，这种趋势将继续扩大。

即使是阿里云提供的，也不可否认。 AI 云计算力，背后也主要是由于 GPU 驱动。但是从另一个方面来看，将 GPU 计算集中云，配合本地设备。 CPU、NPU 进行混合 AI 事实上，计算也不失为一个好主意。

首先，这样可以缓解计算率瓶颈，提高计算灵活性。GPU 在 AI 计算的核心地位毋庸置疑，但个人开发者和消费者一般无法承受大量的购买和维护。 GPU 的成本。将 GPU 计算集中云，用户可根据需要租用云。 GPU 资源，可以避免一次性高投入。该模式还提供了极大的弹性，可以根据任务需要随时扩展或降低计算率。

其次，许多智能终端受尺寸和功耗的影响，不能配置高性能。 GPU。用云完成复杂的事情 AI 计算，并将结果传输到当地设备执行简单的任务，设备可以保持轻量化和低功耗。这一混合计算方法，非常适合边缘设备和移动终端。

并且在当地 CPU 和 NPU 云与云的配合 GPU 最大限度地利用计算能力。：设备本地的 NPU 能迅速处理语音识别和实时图像分析等延迟敏感任务；而复杂的模型训练和推理则交给云端 GPU 完成。该模式有效地缩短了计算响应时间，提高了客户体验。

在短时间内，英伟达 AI 计算市场的优势仍然很大，但从长远来看，群狼环伺下的优势仍然很大。 AI 市场上，英伟达双拳难敌四手。例如挪动 PC、英伟达的弱势市场，如智能终端，很快就会被其他厂商刮掉，而关键的服务器市场也不会无忧无虑。，AMD 的 MI300 系列 AI 显卡份额快速增长，足以引起英伟达的警惕。

然而，科技创新的关键在于竞争所产生的创新与发展，随着 AI 事实上，这个领域的竞争也在加剧， AI 降低成本，让 AI 更快、更广泛地应用于技术。正如吴泳铭所说：

AI 数字世界的驱动力与数字世界相连。 AI 物理世界的能力，将大大提高整个世界的生产力，对物理世界的运行效率产生革命性的影响。

一个围绕 AI 而且新生态，此时此刻就在我们面前。

本文来自微信微信官方账号“雷科技”，作者：雷科技，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com