一、基本架构与组件
1. CUDA核心（仅限NVIDIA）：NVIDIA GPU中的基本计算单元，用于执行并行计算任务，如浮点和整数运算。
2. 流处理器（AMD）：AMD GPU中的基本计算单元，类似于NVIDIA的CUDA核心，用于并行处理图形和计算任务。
3. 张量核心（Tensor Core，仅限NVIDIA）：专门用于加速深度学习和人工智能任务的硬件单元，能够高效执行矩阵运算。
4. 光线追踪核心（RT Core，仅限NVIDIA）：专门用于加速光线追踪计算的硬件单元，提高图形渲染的真实感。
5. 计算单元（CU，AMD）：AMD GPU中的计算单元，包含多个流处理器和其他资源，用于并行处理任务。
6. 流式多处理器（SM，NVIDIA）：NVIDIA GPU中的核心计算单元，包含多个CUDA核心、张量核心和其他资源。
二、显存与带宽
7.GDDR5/GDDR6：不同代的显存类型，GDDR6相比GDDR5提供更高的速度和带宽。
8. HBM/HBM2/HBM3（High Bandwidth Memory）：不同代的高带宽显存技术，通过堆叠多个内存芯片来提高带宽和容量。
9. 显存带宽：衡量GPU与显存之间数据传输速度的指标，影响GPU处理高分辨率和复杂图形任务的能力。
10. 显存容量：GPU用于临时存储图像数据的内存容量，越大处理复杂图形任务的能力越强。
三、性能指标与技术
11. 浮点运算能力（FLOPS）：衡量GPU计算性能的重要指标，表示每秒可执行的浮点运算次数。
12. TFLOPS（TeraFLOPS）：每秒万亿次浮点运算，用于衡量高端GPU的计算能力。
13. 光线追踪性能：衡量GPU在光线追踪技术中的表现，影响图形渲染的真实感。
14. NVLink（NVIDIA）：NVIDIA的高速互连技术，用于连接多个GPU，提高数据传输速度。
15. Infinity Fabric（AMD）：AMD的高速互连技术，用于连接GPU和其他系统组件，提高整体性能。
四、编程与并行计算
16. CUDA（Compute Unified Device Architecture）：NVIDIA的并行计算平台和编程模型，允许开发者利用GPU进行通用计算。
17. HIP（AMD）：AMD的异构编程接口，兼容CUDA代码，允许在AMD GPU上运行。
18. 线程（Thread）：GPU中的最小执行单元，多个线程并行执行以实现高性能计算。
19. 线程块（Block）：多个线程的逻辑分组，可以共享内存并同步执行。
20. 网格（Grid）：多个线程块的集合，构成一个完整的并行计算任务。
五、其他关键技术
21. DLSS（Deep Learning Super Sampling，NVIDIA）：基于深度学习的图像超采样技术，提高游戏帧率同时保持图像质量。
22. FSR（FidelityFX Super Resolution，AMD）：AMD的图像超分辨率技术，通过算法提高游戏帧率。
23. 稀疏技术（Sparse Technology）：通过减少模型中的参数数量来提高计算效率，适用于深度学习模型。
24. 混合精度训练（Mixed Precision Training）：使用不同精度的数据类型（如FP16和FP32）进行训练，以节省显存并提高计算速度。
25. 量化（Quantization）：将高精度数据类型转换为低精度数据类型，以减少计算量和显存使用。
六、功耗与散热
26. TDP（Thermal Design Power）：衡量GPU最大功耗的指标，影响散热需求和系统配置。
27. 制造工艺（Process Node）：GPU芯片制造时使用的半导体技术，以纳米（nm）为单位，更先进的工艺通常意味着更高的性能和更低的功耗。
英伟达（NVIDIA）显卡工艺发展
AMD显卡工艺发展
更多游戏资讯请关注：电玩帮游戏资讯专区
电玩帮图文攻略 www.vgover.com
