英伟达创始人CEO黄仁勋将迎来重振该公司股价的重要契机。在英伟达年度技术峰会GTC上，黄仁勋将阐述他如何带领英伟达探索AI下一个前沿的方向。

据摩根大通此前预计，芯片解密英伟达将在大会上推出Blackwell Ultra芯片（GB300），并可能披露Rubin平台的部分细节。此次大会还将聚焦AI硬件的全面升级，包括更高性能的GPU、HBM内存、更强的散热和电源管理，以及CPO（共封装光学）技术路线图。

在黄仁勋的演讲到来前，我们来看看这些年中英伟达推出的系列架构，和他们背后的故事。

1999年底，英伟达推出了第一款GPU（Graphic Process Unit，图形处理单元）Geforce 256，将完整的渲染管线集成进硬件，提供了不错的加速效果。但这款产品还很难称之为处理器，因为它尚不具备任何可编程能力。2001年随着DX8引入可编程顶点着色器的概念，英伟达才在Geforce 3中添加了Vertex Processor，使GPU可以编程了。随后，越来越多的可编程着色器被DX和OpenGL引入，以满足渲染开发者的算法需求。

在GPU设计之初，并非针对深度学习，而是图形加速，在英伟达推出CUDA架构之前，GPU并无太强对深度学习运算能力的支持。真正用来作为人工智能算力支持的GPU，不是普通的显卡，而是GPGPU（General-Purpose Computing on Graphics Processing Units）即通用计算图形处理器，这是一种用于处理非特定需求（通用类型）计算目的的算力单元（芯片）。

随着GPU具备了可编程能力，芯片解密其用于并行计算的天赋被发掘出来。当时，很多大学和研究机构都在尝试用GPU做一些科学计算。

2003年的SIGGRAPH大会上，许多业界泰斗级人物发表了关于利用GPU进行各种运算的设想和实验模型。SIGGRAPH会议还特地安排了时间进行GPGPU的研讨交流。但当时的开发者只能利用着色器编程语言开发程序，必须将计算资源映射为渲染概念才能使用，非常麻烦。因此亟需一种针对GPU并行计算的编程语言。此时，正在斯坦福读博的Ian Bark看到这一需求，投身到Brook（一套用于并行计算的编程语言，后被AMD收购）的研发中，成为GPU并行计算软件栈的先行者。2004年，他以实习生的身份加入英伟达，并于两年后开发出CUDA。

渲染需求变得越来越多样化，并行计算业务正含苞待放，Tesla G80架构正是在这样的历史背景下被设计出来，成为英伟达改变自身命运的重要转折点。

2006年，英伟达推出了Tesla架构的第一代（G80），开启了GPU通用计算探索。Tesla架构之前的显卡也经历了几代的发展，但基本上是图形显卡。而它采用全新的CUDA架构，支持使用C语言进行GPU编程，可以用于通用数据并行计算。这成为英伟达改变自身命运的重要转折点。Tesla G80是第一款实现CUDA架构的GPGPU，开启了一个并行加速的时代。G80是有史以来最伟大的GPU变革产物之一，首批产品GeForce 8800 GTX/GTS于2006年11月发布。之后，英伟达又在第一代基础上推出了Tesla架构的第二代（GT200），其双精度的FMA运算速度30FMA ops/ clock，提升了8倍多。

就在G80-G200这两代产品上，英伟达花了大约三年时间积累了大量的用户体验反馈，招募了Bill Dally作为首席科学家，最终推出了Fermi这个划时代的产品，这是第一款带有L1 Cache、ECC纠错，面向超级计算机的架构，从这一代开始，英伟达涉足超级计算机的野心开始暴露无遗，在发布的时候拉来了多位超级计算机行业的重要人物站台。

2010年，英伟达公司正式推出了Fermi全新架构。芯片解密这款架构不仅仅是一个简单的硬件更新，而是被英伟达定义为首款专门为计算任务而设计的GPU。换句话说，英伟达通过Fermi架构重新定义了GPU的概念，旨在加速并行计算的性能。与此同时，这款架构还具备了强大的图形渲染能力，使其在图形处理方面同样表现出色。而GF100是第一款基于Fermi架构的GPU，集成32亿个晶体管，专为下一代游戏与通用计算应用程序而优化的全新架构，实现了所有DirectX 11硬件功能，包括曲面细分和计算着色器等。

G80是对统一图形与计算处理器应有面貌的最初愿景。随后的GT200扩展了G80的性能与功能。而GF100，这是一个专为下一代游戏与通用计算应用程序而优化的全新架构的GPU。Fermi这一代架构展现了英伟达全力押注通用并行计算的决心。倘若说Tesla G80仅仅是小试身手，那么Fermi则正式吹响了全面进军计算产业的号角。