GPU计算爆发 谁还记得游戏显卡鼻祖GeForce 256？

GPU计算驱动AI。2024年8月，国产游戏《黑神话：悟空》正式开售。作为近期热度最高的国产游戏，《黑神话》凭借出色的剧情发展、场景设计和配乐成功“出圈”，不仅游戏爱好者们“人手一份”，不少已经“戒游戏”的老玩家也选择趁机升级电脑，换张新显卡好好享受游戏。

尽管这种为了游戏而换显卡的行为看起来有“冲动消费”的意思，但回顾近几年的游戏史，我们不难发现，每次现象级游戏走火，同时也有大量玩家为此升级显卡。比如用丰富游戏性推动GTX1060显卡的《PUBG》和《守望先锋》，用出色营销和画质推动RTX时代的《赛博朋克2077》，成为RTX4060“带货王”的《Apex》。可以说每一款成功游戏的背后，都有一张“现象级N卡”。

图片来源：英伟达

那么问题也随之而来——英伟达第一张游戏显卡面世时，游戏行业是怎样的呢？

1999年，英伟达发布了其第一张游戏显卡——GeForce256。但在GeForce256发布之前，市场上已经存在多个显卡（GPU）品牌，如3dfx的Voodoo（巫毒）系列、Matrox（迈创）、S3Graphics、ATI的Rage系列。

和现代的GPU一样，这些GPU同样基于3D加速技术，但可惜的是，这些GPU产品缺乏统一的3D加速制式。这意味着游戏开发者必须针对不同显卡优化游戏，显著增加了开发成本和难度。此外受产品性能的限制，这些GPU也无法支撑复杂的3D游戏。

与此同时，《古墓丽影》、《雷神之锤2》、《星际争霸》等游戏的流行也推动了玩家对3D游戏的期望。也就在这时，英伟达GeForce256出现了。

GPU计算爆发，都有哪些先行者？

GeForce256是全球首款被称为GPU的产品，源于其首次将图形处理的多个功能集成于单一芯片，这一行为定义了GPU这一概念，同时也将复杂的3D渲染任务从CPU中解放出来，赋予GPU专门的计算职责。从GPU的历史进程来看，这也为后来GPU的广泛应用奠定了基础。

图片来源：英伟达

此外，GeForce256也将T&L（Transform&Lighting、变换与光照）硬件加速集成到GPU中，使3D场景的变换和光照计算由GPU专门负责。这是图形处理史上的重大突破，以前这类计算任务通常由CPU执行，不仅效率低下，而且限制了游戏画面的表现力。借助GeForce256，游戏画面的复杂性和细节大幅提升，推动了3D游戏时代的到来。

而且GeForce256出色的性能也将GPU这一概念带到游戏行业之外。别着急，此时的英伟达还没拿出CUDA这种改变GPU行业生态的大杀器。但GeForce256出色的性能，确实为GPU在科学计算、金融分析等领域的应用奠定了基础。

如果说GeForce256开启了GPU图形运算的时代，那英伟达在2008年发布的GeForce8800GTX，则真正解放了GPU的性能。很显然这张显卡的性能放在现在早已不值一提，但这张显卡上，英伟达提出了CUDA（统一计算架构）这一概念。

CUDA的出现让GPU不仅可以用来处理图形运算，还可以用来执行、加速基于CUDA的通用计算，让电脑成为真正的通用工具。

图片来源：英伟达

而在提出了CUDA后，英伟达也在2018年进一步对GPU的算力进行细化，引入了RTCore、TensorCore的概念，让光线追踪和专门的ML计算成为可能——TensorCore通过高效执行大规模矩阵运算，显著加快了AI模型的训练和执行速度。

根据英伟达的介绍，现阶段RTXAI已经对10种不同的AI场景实现覆盖，包括游戏、影视、自动驾驶和科学计算等领域。深受英伟达用户喜爱、可以显著提高游戏FPS的DLSS，就基于TensorCore来实现，可以说是广大游戏玩家最早接触到的真AI用例了。

图片来源：英伟达

在影视制作领域，RTXAI加速渲染速度，使复杂的光线和反射效果在短时间内完成，从而缩短了制作周期。在自动驾驶方面，RTXGPU处理大量图像和传感器数据，支持实时决策，提高车辆的安全性与精准性。此外，AI还用于医疗影像处理、金融预测和科学模拟，加速数据分析和预测模型的训练。

不夸张的说，RTXAI的出现不仅推动了高端视觉效果和AI计算的融合，还降低了企业使用AI的门槛。它正逐渐成为各行业提升效率、创新业务的关键引擎，引领未来技术的发展潮流。

GPU计算驱动AI，但AI计算不全靠GPU

但话说回来，尽管GPU的算力提升让AI能以惊人的速度普及，现阶段英伟达确实是AI算力的代名词，以及个人AI计算机的唯一选择。但这是否意味着美欧强劲GPU的设备，就无缘AI时代呢？

答案是否定的。

在2024云栖大会上，阿里集团CEO、阿里智能云董事长兼CEO吴泳铭表示：

生成式AI改变计算架构，从CPU主导的计算体系到GPU主导的AI计算迁移。AI时代将是“GPU算力为主，CPU算力为辅”的计算模式。2024年市场新增算力，超过50%的需求AI驱动产生，这一趋势将持续扩大。

不可否认，即使是阿里云提供的AI云算力，背后也主要由GPU驱动。但从另一个方面想，将GPU算力集中在云端，配合设备本地的CPU、NPU进行混合AI运算，其实也不失为一个好主意。

首先，这可以缓解算力瓶颈，提升计算灵活性。GPU在AI计算中的核心地位毋庸置疑，但个人开发者和消费者通常难以承受购买和维护大量GPU的成本。将GPU算力集中在云端，允许用户按需租用云GPU资源，可以避免一次性高额投入。这种模式也提供了极大的弹性，可根据任务需要随时扩展或缩减算力。

其次，许多终端设备受限于尺寸和功耗，无法配备高性能GPU。通过在云端完成复杂的AI运算，并将结果传输至本地设备执行简单任务，设备可以保持轻量化且功耗低。这种混合计算模式，特别适合边缘设备和移动终端。

图片来源：英伟达

而且在本地CPU和NPU的配合下，云GPU的计算能力可以得到最大化利用：设备本地的NPU可以快速处理延迟敏感的任务，如语音识别和实时图像分析；而复杂的模型训练和推理则交由云端GPU完成。这种模式有效缩短了计算响应时间，提升了用户体验。

短时间来看，英伟达在AI算力市场的优势仍然巨大，但是长远来看，群狼环伺之下的AI市场，英伟达双拳难敌四手。诸如移动PC、智能终端等英伟达的弱势市场，很快就会被其他厂商瓜分干净，而关键的服务器市场也并非高枕无忧，AMD的MI300系列AI显卡份额增长迅速，已经足够引起英伟达的警觉。

不过，竞争所带来的创新与发展，才是科技进步的关键，随着AI领域的竞争加剧，实际上也在推动AI成本的下降，让AI技术得到更快、更广泛的应用。就像吴泳铭说的那样：

AI驱动的数字世界连接着具备AI能力的物理世界，将会大幅提升整个世界的生产力，对物理世界的运行效率产生革命性的影响。

一个围绕AI而生的新生态，此时此刻就在我们面前。

相关文章: