8800 GTX二十周年：G80架构如何成为AI计算的起点

11月6日，在英伟达GeForce 8800 GTX发布二十周年之际，有行业专家回顾了这款产品搭载的G80架构对现代AI计算起到的奠基作用。

2006年诞生的这款旗舰游戏显卡，第一次把统一着色器架构和CUDA技术带了进来，图形渲染与通用计算之间的那道墙被打破，后来的AI深度学习爆发也由此埋下引线。

2006年前后，PC处理器行业撞上频率触顶带来的功耗墙，英特尔掉头转向多核架构。英伟达走的是另一条路：把显卡改造成能通用的并行计算机器。

8800 GTX首发价599美元（约合人民币4270元），游戏性能上压过了对手ATI的R600显卡。更关键的地方在内部那颗G80芯片，图形计算的逻辑被它彻底改写。

硬件规格上，8800 GTX的核心动作是废掉传统的顶点和像素分离管线，换成128个统一标量流处理器。

这颗芯片主频575MHz，着色器频率1350 MHz，显存为768MB GDDR3，位宽384-bit。

外观方面，该卡用了标志性的双槽散热器加黑绿色涂装。它也是率先支持DirectX 10标准的产品，并引入全局加载/存储功能，显卡因此能像CPU那样处理任意位置的内存数据。

硬件变了，软件也跟着变。2007年英伟达发布CUDA SDK，科研人员可以用类C语言直接写程序，不必再把数学公式包装成复杂的图形贴图。显卡从游戏玩具变成科研利器的转折点，就在这一步。

2012年，改变AI历史的AlexNet神经网络就是跑在8800 GTX的后裔上，由两块GTX 580显卡训练完成，现代大模型时代由此正式开启。

如今数据中心业务已是英伟达的核心支柱，而这条路最早是由8800 GTX及其衍生产品Tesla C870铺出来的。

ATI的Xenos芯片其实更早用上统一着色器，专用AI核心也要等到2017年才在Volta架构里出现。不过可编程GPU计算的基础，确实是由G80架构奠定的。