英伟达显卡系列与架构、代表产品
主要系列
1、GeForce系列：
GeForce系列是NVIDIA最主要的消费者显卡系列，用于游戏和娱乐。包括不同性能水平的产品，从入门级到高端。
2、Quadro系列：
Quadro系列是专业级别的显卡，主要用于专业图形工作站，如CAD（计算机辅助设计）和3D建模。
3、Tesla系列：
Tesla系列是用于高性能计算和科学计算的显卡，通常用于数据中心和超级计算机。
主要架构
1、Tesla 架构 (2006)（芯片代号：GT）：
Tesla 架构是 NVIDIA 推出的第一个通用并行计算（GPGPU）架构，主要用于科学计算和高性能计算。
代表产品：Tesla C870/GeForce 8800 GTX
2、Fermi 架构 (2010)（芯片代号：GF）：
Fermi 架构引入了许多新技术，包括CUDA架构、ECC内存、NVIDIA Parallel DataCache、和GPU直接支持C++等。这个架构的GPU主要用于科学计算、图形处理和高性能计算。
代表产品：Tesla C2050/GeForce GTX 480
3、Kepler 架构 (2012)（芯片代号：GK）：
Kepler 架构在功耗效率和性能方面进行了改进，引入了GPU Boost技术，增加了对动态并行计算的支持。这个架构的GPU在科学计算、深度学习和游戏等领域取得了显著的成功。
代表产品：Tesla K40/GeForce GTX 680
4、Maxwell 架构 (2014)（芯片代号：GM）：
Maxwell 架构进一步提高了功耗效率，并引入了一些新的技术，例如多层次的内存系统、动态超分辨率技术和VR Direct技术。这个架构的GPU被广泛应用于游戏、深度学习和移动设备。
代表产品：Tesla M40/GeForce GTX 980
5、Pascal 架构 (2016)（芯片代号：GP）：
Pascal 架构引入了16nm FinFET制程技术，提供了更高的性能和功耗效率。同时，它加强了对深度学习和人工智能计算的支持，引入了NVIDIA 的Tensor Cores。Pascal 架构的GPU广泛应用于深度学习和高性能计算领域。
代表产品：Tesla P100/GeForce GTX 1080
6、Volta 架构 (2017)（芯片代号：GV）：
Volta 架构引入了更多的深度学习优化特性，如Tensor Cores和专为深度学习工作负载而设计的TensorRT。Volta 架构的GPU主要用于深度学习、科学计算和高性能计算。
代表产品：Tesla V100
7、Turing 架构 (2018)（芯片代号：TU）：
Turing 架构引入了实时光线追踪技术、深度学习技术（如RT Cores和Tensor Cores）以及新的流程图渲染技术。这个架构的GPU主要应用于游戏、深度学习和专业可视化等领域。
代表产品：Tesla T4/GeForce RTX 2080 Ti
8、Ampere 架构 (2020)（芯片代号：GA）：
Ampere 架构是 NVIDIA 的第二代深度学习架构，引入了更多的Tensor Cores、第三代NVLink以及改进的Ray Tracing技术。Ampere 架构的GPU广泛应用于深度学习、科学计算和高性能计算领域。
代表产品：Telsa A100/GeForce RTX 3080
9、Ada Lovelace 架构 (2022)（芯片代号：AD）：
这个架构是专为光线追踪和基于 AI 的神经图形设计的 GPU，能够提供高性能的游戏、专业图形、AI 和计算性能。该架构显著提高了 GPU 性能基准，更代表着光线追踪和神经图形的转折点。Ada Lovelace 架构引入了第四代 Tensor Core，可加速 AI 计算，以及第三代 RT Core，可加速光线追踪。
代表产品：GeForce RTX 4080
10、Hopper 架构 (2022)（芯片代号：GH）：
H100 NVL GPU是英伟达公司的下一代加速计算平台，采用了全新的Hopper架构。该GPU支持PCIe 5.0标准，具有40Tb/s的IO带宽，可承载全球互联网的流量。H100 GPU还包括一个专用的Transformer引擎，可解决万亿参数语言模型。H100的技术创新可以将大型语言模型（LLMs）的速度提高30倍，是业界领先的对话AI。H100 NVL GPU可在任何数据中心中实现最佳性能和易于扩展性，从而将LLMs带入主流。H100 NVL GPU可在功耗受限的数据中心环境中将GPT-175B模型性能提高12倍，同时保持低延迟。H100 GPU还提供了五年的订阅服务，包括企业支持，以及NVIDIA AI Enterprise软件套件，为企业级AI提供最高性能。
代表产品：Telsa H100