一、基本架構與組件
1. CUDA核心（僅限NVIDIA）：NVIDIA GPU中的基本計算單元，用於執行並行計算任務，如浮點和整數運算。
2. 流處理器（AMD）：AMD GPU中的基本計算單元，類似於NVIDIA的CUDA核心，用於並行處理圖形和計算任務。
3. 張量核心（Tensor Core，僅限NVIDIA）：專門用於加速深度學習和人工智能任務的硬件單元，能夠高效執行矩陣運算。
4. 光線追蹤核心（RT Core，僅限NVIDIA）：專門用於加速光線追蹤計算的硬件單元，提高圖形渲染的真實感。
5. 計算單元（CU，AMD）：AMD GPU中的計算單元，包含多個流處理器和其他資源，用於並行處理任務。
6. 流式多處理器（SM，NVIDIA）：NVIDIA GPU中的核心計算單元，包含多個CUDA核心、張量核心和其他資源。
二、顯存與帶寬
7.GDDR5/GDDR6：不同代的顯存類型，GDDR6相比GDDR5提供更高的速度和帶寬。
8. HBM/HBM2/HBM3（High Bandwidth Memory）：不同代的高帶寬顯存技術，通過堆疊多個內存芯片來提高帶寬和容量。
9. 顯存帶寬：衡量GPU與顯存之間數據傳輸速度的指標，影響GPU處理高分辨率和複雜圖形任務的能力。
10. 顯存容量：GPU用於臨時存儲圖像數據的內存容量，越大處理複雜圖形任務的能力越強。
三、性能指標與技術
11. 浮點運算能力（FLOPS）：衡量GPU計算性能的重要指標，表示每秒可執行的浮點運算次數。
12. TFLOPS（TeraFLOPS）：每秒萬億次浮點運算，用於衡量高端GPU的計算能力。
13. 光線追蹤性能：衡量GPU在光線追蹤技術中的表現，影響圖形渲染的真實感。
14. NVLink（NVIDIA）：NVIDIA的高速互連技術，用於連接多個GPU，提高數據傳輸速度。
15. Infinity Fabric（AMD）：AMD的高速互連技術，用於連接GPU和其他系統組件，提高整體性能。
四、編程與並行計算
16. CUDA（Compute Unified Device Architecture）：NVIDIA的並行計算平臺和編程模型，允許開發者利用GPU進行通用計算。
17. HIP（AMD）：AMD的異構編程接口，兼容CUDA代碼，允許在AMD GPU上運行。
18. 線程（Thread）：GPU中的最小執行單元，多個線程並行執行以實現高性能計算。
19. 線程塊（Block）：多個線程的邏輯分組，可以共享內存並同步執行。
20. 網格（Grid）：多個線程塊的集合，構成一個完整的並行計算任務。
五、其他關鍵技術
21. DLSS（Deep Learning Super Sampling，NVIDIA）：基於深度學習的圖像超採樣技術，提高遊戲幀率同時保持圖像質量。
22. FSR（FidelityFX Super Resolution，AMD）：AMD的圖像超分辨率技術，通過算法提高遊戲幀率。
23. 稀疏技術（Sparse Technology）：通過減少模型中的參數數量來提高計算效率，適用於深度學習模型。
24. 混合精度訓練（Mixed Precision Training）：使用不同精度的數據類型（如FP16和FP32）進行訓練，以節省顯存並提高計算速度。
25. 量化（Quantization）：將高精度數據類型轉換爲低精度數據類型，以減少計算量和顯存使用。
六、功耗與散熱
26. TDP（Thermal Design Power）：衡量GPU最大功耗的指標，影響散熱需求和系統配置。
27. 製造工藝（Process Node）：GPU芯片製造時使用的半導體技術，以納米（nm）爲單位，更先進的工藝通常意味着更高的性能和更低的功耗。
英偉達（NVIDIA）顯卡工藝發展
AMD顯卡工藝發展
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
