nvidia_history

NVIDIA 技术发展史

从图形加速到人工智能计算的三十年征程

目录结构

第一部分：编年史

第1章：创世纪 (1993-1999)

• 创始故事：黄仁勋、Chris Malachowsky、Curtis Priem在Denny’s餐厅创立NVIDIA
• NV1失败教训：1995年四边形渲染的技术赌博，与世嘉合作失败，差点破产
• RIVA 128逆转：1997年4个月开发周期，击败3dfx Voodoo，月销百万片
• GeForce 256诞生：1999年定义GPU概念，硬件T&L革命
• 关键人物：David Kirk加入担任首席科学家，奠定技术基础
• IPO上市：1999年纳斯达克上市，募资4200万美元

第2章：可编程时代 (2000-2005)

• GeForce 3革命：2001年可编程着色器，nfiniteFX引擎
• Xbox合作：2001年为微软Xbox提供GPU，进入主机市场
• 收购3dfx：2000年获得关键专利和SLI技术，清除主要对手
• CineFX架构：2003年GeForce FX系列，32位浮点精度
• SLI技术复活：2004年重新推出多GPU并行技术
• 竞争格局：与ATI Radeon激烈竞争，技术路线分歧

第3章：统一架构革命 (2006-2009)

• CUDA诞生：2006年Ian Buck主导，C语言扩展，通用计算革命
• David Kirk贡献：推动GPU从图形专用到通用计算平台转型
• Tesla架构G80：2008年统一着色器，128个CUDA核心
• Fermi架构：2010年首个计算专用设计，ECC内存，双精度浮点
• 退出芯片组：2007年战略决策，放弃与Intel/AMD竞争
• CUDA生态初建：科学计算、石油勘探早期应用

第4章：并行计算成熟期 (2010-2015)

• Kepler突破：2012年动态并行，能效提升3倍
• GTC大会创立：2012年建立GPU技术大会，构建开发者社区
• AlexNet事件：2012年ImageNet竞赛，证明GPU深度学习优势
• Maxwell优化：2014年架构大改，能效比提升2倍
• 与吴恩达合作：2014年斯坦福/百度项目，推广深度学习
• Bill Dally加入：2009年斯坦福教授出任首席科学家
• ARM授权获得：2011年布局移动计算市场

第5章：AI 加速时代 (2016-2020)

• Pascal架构：2016年HBM2高带宽内存，NVLink互连
• DGX-1发布：2016年首个AI超级计算机，售价12.9万美元
• Volta革命：2017年Tensor Core引入，640个张量核心
• Jonah Alben领导：主导Volta到Ampere架构设计
• Turing光追：2018年RT Core实时光线追踪，DLSS技术
• 收购Mellanox：2019年69亿美元，强化数据中心网络
• Ampere发布：2020年第三代Tensor Core，稀疏计算
• Bryan Catanzaro贡献：cuDNN深度学习库架构

第6章：大模型纪元 (2021-2024)

• Hopper架构：2022年Transformer Engine，DPX动态编程指令
• ChatGPT爆发：2022年H100成为大模型训练标配，一卡难求
• 收购ARM失败：2020年400亿美元收购被监管阻止
• Grace CPU：2023年ARM架构服务器CPU，超级芯片战略
• 市值破万亿：2023年成为首家万亿美元市值芯片公司
• Blackwell发布：2024年2080亿晶体管，第二代Transformer引擎
• 黄仁勋远见：提前布局AI，”加速计算”理念成为现实

第二部分：专题深度分析

第7章：GPU 架构演进

• SM (Streaming Multiprocessor) 演化史
• 内存架构革新
• 互连技术发展（NVLink、NVSwitch）

第8章：CUDA 生态系统

• CUDA 编程模型演进
• 核心库发展（cuBLAS、cuDNN、cuSPARSE）
• 编译器与工具链

第9章：AI 加速技术栈

• Tensor Core 架构详解
• 混合精度训练
• 稀疏化与量化技术

第10章：图形渲染革新

• 光栅化到光线追踪
• DLSS 技术演进
• 虚拟几何与 Nanite 类技术

第11章：数据中心产品线

• DGX 系统演进
• HGX 平台架构
• SuperPOD 与大规模集群

第12章：软件框架与生态

• TensorRT 推理优化
• RAPIDS 数据科学加速
• Omniverse 平台

技术里程碑时间轴

1993 ├── NVIDIA 成立 (黄仁勋等三人，初始资金4万美元)
1995 ├── NV1 (失败但有教育意义，四边形渲染)
1997 ├── RIVA 128 (3D 加速，月销百万片)
1999 ├── GeForce 256 (GPU 概念诞生，硬件T&L)
2001 ├── GeForce 3 (可编程着色器，nfiniteFX引擎)
2006 ├── CUDA 发布 (通用计算革命，C语言扩展)
2008 ├── Tesla 架构 (统一着色器，GT200)
2010 ├── Fermi (计算专用设计，ECC内存)
2012 ├── Kepler (能效突破，动态并行)
2014 ├── Maxwell (架构优化，2倍能效比)
2016 ├── Pascal (深度学习加速，NVLink)
2017 ├── Volta (Tensor Core，640个张量核心)
2018 ├── Turing (RT Core + 光追，DLSS)
2020 ├── Ampere (第三代 Tensor Core，稀疏计算)
2022 ├── Hopper (Transformer Engine，DPX指令)
2024 ├── Blackwell (第五代 Tensor Core，FP4精度)

核心技术对比

架构代号	年份	制程	晶体管数	CUDA核心	关键创新
Tesla	2006	90nm	6.8亿	128	统一着色器
Fermi	2010	40nm	30亿	512	双精度计算
Kepler	2012	28nm	71亿	2880	动态并行
Maxwell	2014	28nm	52亿	2048	能效优化
Pascal	2016	16nm	150亿	3840	HBM2内存
Volta	2017	12nm	211亿	5120	Tensor Core
Turing	2018	12nm	186亿	4608	RT Core
Ampere	2020	7nm	542亿	10752	稀疏计算
Hopper	2022	4nm	800亿	16896	Transformer引擎
Blackwell	2024	4nm	2080亿	20480	第二代Transformer引擎

竞争格局演变

图形时代对手 (1995-2006)

• 3dfx (1995-2000)：Voodoo系列霸主，被NVIDIA收购
• ATI (1985-2006)：Radeon系列，2006年被AMD收购
• S3 Graphics：Savage系列，逐渐边缘化
• Matrox：专业图形市场，退守小众领域

计算时代竞争 (2006-2020)

• AMD (2006-至今)：收购ATI后的主要对手，RDNA架构
• Intel (2010-至今)：Xeon Phi失败，Arc独显重新入局
• Google TPU (2015-至今)：专用AI芯片，云端竞争
• 华为昇腾 (2018-至今)：中国市场本土化方案

AI时代新势力 (2020-2024)

• AMD MI300X (2023)：HBM3内存，挑战H100
• Intel Gaudi3 (2024)：Habana Labs技术，企业市场
• Google TPU v5 (2023)：专注训练优化
• Amazon Trainium (2022)：云原生AI训练
• 特斯拉Dojo (2023)：自动驾驶专用

商业模式演进

游戏显卡时代 (1999-2010)
├── GeForce 产品线
├── Quadro 专业卡
└── 授权费收入

数据中心转型 (2010-2020)
├── Tesla 计算卡
├── DGX 系统销售
├── CUDA 生态锁定
└── 云服务商合作

AI平台垄断 (2020-至今)
├── H100/H200 供不应求
├── 软件订阅服务
├── Omniverse 云平台
├── DGX Cloud 服务
└── 主权AI方案

阅读指南

• 硬件工程师：重点阅读第7章（架构演进）和第11章（数据中心产品）
• 软件开发者：关注第8章（CUDA）和第12章（软件框架）
• AI研究者：聚焦第9章（AI加速）和第5-6章（近期发展）
• 图形开发者：参考第10章（图形渲染）和早期章节
• 商业分析师：关注关键事件与商业模式演进部分

技术架构简图

┌─────────────────────────────────────────────────┐
│                  应用层                          │
│  游戏引擎 | AI框架 | 科学计算 | 数据分析          │
├─────────────────────────────────────────────────┤
│                 软件栈                           │
│  CUDA Runtime | cuDNN | TensorRT | OptiX        │
├─────────────────────────────────────────────────┤
│                 驱动层                           │
│          NVIDIA Driver | CUDA Driver            │
├─────────────────────────────────────────────────┤
│                硬件架构                          │
│   SM阵列 | Tensor Core | RT Core | 内存子系统    │
└─────────────────────────────────────────────────┘

---

本文档持续更新中，最后修订：2024年