1、GPU的前世今生：从图形卡到通用计算处理器

大家好，我是你们的老朋友。今天咱们聊聊GPU的“发家史”。

很多人觉得GPU就是用来打游戏的。其实不然。我入行那会儿，GPU还叫“图形加速卡”。说白了，就是个专门画图的硬件。但你看现在，它已经成了AI训练的“心脏”。这中间到底发生了什么？

1.1 萌芽期：纯图形加速卡（1990年代）

90年代初，电脑要显示个3D画面，全靠CPU硬算。那画面，卡得跟幻灯片似的。我记得当时玩《毁灭战士》，帧率低得让人想砸键盘。

后来，3dfx公司搞出了Voodoo显卡。这玩意儿只干一件事：加速3D图形。它把“光栅化”、“纹理映射”这些活儿从CPU手里抢了过来。效果立竿见影——游戏流畅了。

这个阶段的GPU，结构很简单：

• 固定功能管线：每个单元干固定的活儿，不能编程。
• 顶点处理：算三角形的顶点位置。
• 像素填充：往屏幕上填颜色。

说白了，就是个“画图专用芯片”。你没法让它干别的。

1.2 可编程时代：从固定到灵活（2000年代）

转折点出现在2001年。NVIDIA发布了GeForce 3。它引入了“可编程着色器”。

什么意思呢？以前你只能调调参数，现在你可以写一小段程序，控制顶点和像素怎么算。这就像从“只能点菜”变成了“可以自己写菜谱”。

我个人习惯把这段历史分成两步：

1. 分离式着色器：顶点着色器和像素着色器是分开的硬件单元。你写代码得分别写。
2. 统一着色器：2006年，NVIDIA的G80架构（GeForce 8800 GTX）搞了个大新闻——所有着色器统一了。同一个计算单元，既能算顶点，也能算像素。

嗯，这里要注意：统一着色器是GPU走向通用计算的关键一步。为什么？因为硬件不再“挑活儿”了。你给它什么程序，它就算什么。

1.3 通用计算革命：CUDA与GPGPU（2007年至今）

2007年，NVIDIA推出了CUDA。这玩意儿彻底改变了GPU的命运。

CUDA允许你用C语言直接给GPU编程。不用再伪装成图形任务了。你可以把GPU当成一个“超大规模并行计算器”来用。

我在项目中遇到过一件事：有个同事用CPU算一个矩阵乘法，要跑3天。后来改成CUDA，3小时搞定。他当时就愣住了，问我：“这玩意儿怎么这么快？”

原因很简单：

• CPU：几个大核，每个核很聪明，擅长复杂逻辑。
• GPU：几千个小核，每个核很笨，但人多力量大。

你想想看，矩阵乘法这种“简单重复劳动”，GPU简直是天生的王者。

1.4 架构演进：从G80到Hopper

咱们快速过一下关键架构：

架构代号	发布年份	关键特性	我的评价
G80	2006	统一着色器、CUDA雏形	里程碑，开启了新世界
Fermi	2010	完整C++支持、ECC内存	终于像个“计算卡”了
Kepler	2012	SMX单元、动态并行	能效比大幅提升
Maxwell	2014	精简控制逻辑、高吞吐	游戏卡性价比之王
Volta	2017	Tensor Core、独立线程调度	AI训练专用武器
Hopper	2022	Transformer引擎、NVLink4	为大模型而生

你看，从G80到Hopper，GPU越来越不像“显卡”了。它更像一个“并行计算加速器”。

1.5 避坑指南：我踩过的几个坑

我曾经以为，只要把CPU代码扔给GPU就能加速。结果跑出来比CPU还慢。为什么？

• 数据传输开销：CPU和GPU之间传数据很慢。你算1毫秒，传数据花了10毫秒，那就亏大了。
• 分支发散：GPU的几千个线程是“锁步”执行的。如果线程A走if，线程B走else，那它们得串行执行。性能直接腰斩。
• 内存访问模式：GPU喜欢“连续访问”。你跳着读数据，它就会很慢。这叫“合并访问”原则。

我建议，刚开始接触GPU编程的朋友，先别急着优化。先搞清楚你的算法适不适合并行。不适合的话，再牛的GPU也救不了你。

1.6 总结：GPU的“前世今生”

好了，咱们捋一遍：

1. 1990s：固定功能图形卡，只会画图。
2. 2000s：可编程着色器，能写小段程序。
3. 2007：CUDA发布，GPU变成通用计算处理器。
4. 2017至今：Tensor Core等专用单元出现，GPU成为AI算力核心。

说白了，GPU从一个“偏科生”变成了“全能选手”。但它最擅长的，始终是“并行计算”。

下一章，咱们会深入GPU的内部结构，看看那几千个核心到底是怎么协同工作的。到时候你会明白，为什么GPU能“以一当百”。