终极指南：如何将Web Starter Kit与Preact Signals集成实现响应式状态管理
2026/5/3 23:37:42
💻 NVIDIA GPU 发展历程里程碑（1999 年至今）
| GPU型号 (Model Name) | 发布时间 (Launch Year) | 架构名称 (Architecture) | 流处理器数量 (CUDA Cores) | FP32 峰值算力 (TFLOPS) | 目标市场 (Target Segment) | 首发价格 (MSRP) | 关键创新/意义 |
|---|---|---|---|---|---|---|---|
| GeForce 256 | 1999 | NV10 | N/A (4 管线) | ∼0.015\sim 0.015∼0.015 | 消费级游戏 | $250 | 世界首款“GPU”(Graphics Processing Unit)，首次实现硬件T&L(Transform and Lighting)。 |
| GeForce 3 (Ti 500) | 2001 | NV20 | N/A (4 像素) | ∼0.03\sim 0.03∼0.03 | 消费级游戏 | $350 | 首款支持DirectX 8.0的 GPU，引入可编程着色器，奠定现代显卡基础。 |
| GeForce 8800 GTX | 2006 | Tesla | 128 | ∼0.5\sim 0.5∼0.5 | 高端游戏 | $599 | 统一着色器架构的里程碑，全面支持DirectX 10，性能飞跃。 |
| Tesla C870 | 2007 | Tesla | 128 | ∼0.5\sim 0.5∼0.5 | 通用计算 (GPGPU) | $1,500 | NVIDIA 首次将 GPU作为计算卡单独推出，标志着 GPU 正式进军科学计算领域。 |
| GeForce GTX 480 | 2010 | Fermi | 480 | 1.351.351.35 | 高端游戏 | $499 | 首个支持DirectX 11和ECC内存的架构，大幅提升 GPGPU 能力，但功耗巨大。 |
| GeForce GTX 680 | 2012 | Kepler | 1536 | 3.13.13.1 | 高端游戏 | $499 | 能效比的重大飞跃，确立了 NVIDIA 在能耗方面的优势。 |
| Tesla K40 | 2013 | Kepler | 2880 | 1.41.41.4 | 数据中心/AI | $5,000 | 为早期的深度学习研究提供了核心加速硬件。 |
| GeForce GTX 1080 | 2016 | Pascal | 2560 | 8.98.98.9 | 高端游戏 | $599 | 首次采用FinFET工艺，VR 性能大幅优化，能效比再次显著提升。 |
| Tesla P100 | 2016 | Pascal | 3584 | 5.35.35.3 | 数据中心/AI | $6,000 | 首次使用HBM2 高带宽内存和NVLink，AI 性能开始占据主导地位。 |
| GeForce RTX 2080 Ti | 2018 | Turing | 4352 | 14.214.214.2 | 高端游戏 | $1,199 | RTX 时代开创者，首次引入RT Cores(光追核心) 和Tensor Cores(AI核心)。 |
| Tesla V100 | 2017 | Volta | 5120 | 7.87.87.8 | 数据中心/AI | $10,000 | 首款专为 AI 训练优化的架构，Tensor Cores 大幅提升 AI 算力。 |
| GeForce RTX 3080 | 2020 | Ampere | 8704 | 29.829.829.8 | 高端游戏 | $699 | 流处理器数量爆炸性增长，光追和 DLSS 性能成熟，开启新一代游戏性能标准。 |
| NVIDIA A100 | 2020 | Ampere | 6912 | 19.519.519.5 | 数据中心/AI | $15,000 | 奠定现代 AI 大模型训练的硬件基础，支持多实例 GPU (MIG)。 |
| GeForce RTX 4090 | 2022 | Ada Lovelace | 16384 | 82.682.682.6 | 发烧级游戏 | $1,599 | 游戏算力顶峰，引入DLSS 3(帧生成技术)，能效比极高。 |
| NVIDIA H100 | 2022 | Hopper | 16896 | 33.633.633.6 | 数据中心/AI | $30,000+ | AI 基础设施的核心，专为万亿参数模型设计，引入Transformer Engine，AI 算力达到 TB 级别 (Tensor TFLOPS)。 |
| NVIDIA A20 | 2021 | Ampere | 2560 | 9.3 | 边缘推理/低功耗 | N/A | A100 的小尺寸、低功耗版本，用于推理和边缘计算，弥补数据中心入门级空缺。 |
| NVIDIA H200 | 2023 | Hopper (H100 升级) | 16896 | ∼67\sim 67∼67(FP64) | 数据中心/AI 训练 | $30,000+ | H100 的迭代升级，首次采用HBM3e 内存，将总显存和带宽大幅提升，专门优化大模型推理性能。 |
| NVIDIA B200 | 2024 | Blackwell | N/A | 70 TFLOPS (FP64) | 数据中心/AI 训练 | $35,000+ | 新一代 AI 旗舰。采用**双芯片（Multi-Chip Module, MCM）**设计，晶体管数量翻倍。引入FP4精度，AI 算力（Tensor TFLOPS）再次大幅飞跃。 |
注：FP32 算力数据为理论峰值，仅供对比参考。CUDA Cores 数量在不同架构间有差异，但仍是感性认识性能增长的重要指标。
📈 感性总结 GPU 的发展脉络
1.从“图形”到“通用计算”的转变
- GeForce 256 (1999)：确立了 GPU 作为图形处理器 (Graphics Processor) 的身份。
- Tesla C870 (2007)：NVIDIA 首次将计算卡独立命名，标志着 GPU 开始从只服务图形渲染转向服务通用计算（GPGPU），为后来的 AI 革命埋下伏笔。
2.算力的爆炸性增长 (TFLOPS)
- GeForce 256时代算力以GFLOPS计量（约 0.015 TFLOPS）。
- 到GeForce GTX 1080 (2016)达到近9 TFLOPS。
- 到GeForce RTX 4090 (2022)飙升至82.6 TFLOPS。
- 感性认知：在 20 多年里，核心算力增长了数千倍。这种增长是推动游戏画质和 AI 能力飞跃的根本原因。
3.游戏卡 (GeForce) 与专业卡 (Tesla/A/H) 的分化
- 早期的卡是通用的。从 2013 年左右开始，NVIDIA 明确将产品线分为：
- GeForce/RTX：面向游戏和消费市场，追求帧率和光追效果。
- Tesla/A/H：面向数据中心和 AI/HPC 市场，追求极高的并行计算效率和稳定性，价格远高于游戏卡。H100是当前 AI 领域的“硬通货”。
4.核心技术的迭代 (RTX 时代)
- GeForce 8800 GTX实现了统一着色器。
- GeForce RTX 2080 Ti (2018)引入RT Cores(光追) 和Tensor Cores(AI)，标志着 GPU 从单纯的光栅化渲染进入AI 辅助的光线追踪时代，是游戏视觉效果的重大转折点。
这张表格清晰地展现了 NVIDIA 如何从一家 PC 游戏显卡公司，一步步成长为全球 AI 算力的提供者。