一、GPU的前世今生：从图形卡到通用计算巨兽的进化之路

各位同学好，我是你们的老朋友。今天咱们聊聊GPU的进化史。说实话，我入行那会儿，GPU还被人叫做“显卡”，主要任务就是让游戏画面更流畅。谁能想到，十几年后，它成了AI训练、科学计算的绝对主力？

嗯，这背后的故事，其实挺有意思的。你想想看，一个原本只为了画三角形、贴纹理的硬件，怎么就变成了并行计算的巨兽？这中间经历了什么？

最早的时候，计算机显示全靠CPU。我记得90年代初，一台486电脑要显示一个简单的3D立方体，CPU得算半天。那时候的“显卡”，说白了就是个帧缓冲器——把CPU算好的图像数据存起来，然后输出到显示器。

转折点出现在1995年。3dfx公司推出了Voodoo显卡，这是第一款真正意义上的3D加速卡。它做了什么？简单说，就是把“画三角形”这件事从CPU手里抢了过来。

核心概念：固定功能管线

早期的GPU采用固定功能管线。什么意思？就是硬件里焊死了几个模块：顶点变换、光栅化、纹理映射、像素着色。开发者只能通过API（比如DirectX 7）去配置这些模块，不能自己写程序控制。

我在做第一个3D游戏项目时，就深刻体会到了固定管线的痛苦。想做一个水面反射效果？对不起，硬件不支持，你得用CPU模拟，帧率直接掉到个位数。

2001年，NVIDIA发布了GeForce 3。这玩意儿划时代——它引入了可编程顶点着色器和像素着色器。说白了，就是允许开发者写一小段程序，在GPU上执行。

为什么会这样？因为固定管线太死板了。游戏开发者想要更炫酷的效果，比如动态光影、复杂材质。硬件厂商一琢磨：与其我们猜开发者需要什么，不如让他们自己写。

我的经验之谈： 当年我第一次写像素着色器，用的是DirectX 8的汇编语言。那叫一个痛苦——寄存器只有几个，指令集也有限。但效果是真的好，一个简单的法线贴图就能让平面看起来凹凸不平。

可编程管线的出现，让GPU从“专用硬件”变成了“半通用硬件”。虽然还是为图形服务，但至少能跑程序了。

2006年，NVIDIA发布了CUDA。这绝对是GPU历史上最重要的时刻之一。为什么？因为CUDA让GPU变成了真正的通用计算处理器。

你想想看，GPU里有成百上千个核心，每个核心都能执行简单的数学运算。以前这些核心只能处理图形数据（顶点、像素），现在CUDA告诉你：你可以把任何数据喂进来，让这些核心并行处理。

我记得2008年，我参与了一个项目，用GPU加速分子动力学模拟。当时CPU跑一个时间步要几秒钟，GPU只要几毫秒。说实话，第一次看到结果时我都不敢相信——这速度提升太夸张了。

CUDA之后，GPU架构开始疯狂进化。我简单梳理一下关键节点：

避坑指南： 我曾经在项目里踩过一个坑——用Kepler架构的GPU跑动态并行，结果发现线程创建开销巨大。后来才明白，动态并行适合粗粒度任务，细粒度任务还是老老实实用普通线程吧。

下面这张图，是我自己画的GPU进化路线图。你可以看到，从固定管线到可编程管线，再到通用计算，最后到专用加速器，GPU的每一步进化都是为了解决特定问题。

回顾GPU的进化史，你会发现一个规律：每一次重大变革，都是因为现有架构无法满足新需求。

我个人觉得，GPU的未来还会继续分化。一方面，图形渲染会越来越逼真（光线追踪、路径追踪）；另一方面，AI推理会越来越高效（稀疏计算、存内计算）。

核心启示： 理解GPU的进化史，不是为了背历史，而是为了理解架构设计的权衡。为什么GPU有那么多核心？为什么缓存这么小？为什么内存带宽这么高？这些问题，在后面的章节里我会一一解答。

好了，第一章就到这里。记住，GPU不是一夜之间变成巨兽的，它走了整整20年。下一章，咱们深入GPU的核心——线程调度器，看看它到底是怎么让几千个线程同时工作的。