企业官网建设流程全解析

1. 芯片型号与架构的关系：先搞清楚“蓝图”和“房子”的区别

做 GPU 并行编程的人，早晚会遇到一个绕不开的问题：你对着文档看了一堆架构特性，比如 Tensor Core、NVLink、Infinity Fabric，感觉都懂了，但打开设备管理器或者跑一行nvidia-smi，看到一串像 “GA102”、“Navi 21”、“ACM-G10” 这种编码时，一下子就懵了。这一章就是把“架构”和“芯片型号”之间的对应关系彻底捋清楚。

先打个比方。架构就是一家芯片设计团队画出来的设计蓝图，规定了这个 GPU 的流处理器怎么排布、缓存层级怎么组织、指令集长什么样、支持哪些新功能。而芯片型号，就是按这张蓝图真正流片、量产、贴牌上市的物理产品。同一个架构可以衍生出好几颗规模不同的芯片，比如 NVIDIA 的 Ampere 架构，既有面向数据中心的 GA100，又有面向游戏本的 GA107，中间隔着 GA102、GA104、GA106 好几档。它们共享同一套设计语言，但规格差异巨大。

这个区别对写代码的人来说不是纯理论问题。我见过不少初学者拿着一个为sm_80编译的 CUDA 程序，放到 RTX 3060（sm_86）上跑，发现能运行，就以为万事大吉，结果到了 A100 上又出现莫名其妙的行为差异。归根结底，就是没搞懂“架构版本号”和“具体芯片型号”之间的换算关系。本章的目标很简单：让你看到任何一个 GPU 芯片型号，都能快速说出它属于哪代架构、计算能力版本号是多少、有哪些标志性特性，以及你的并行程序该按什么代际来编译和优化。

适合什么人看？正在学 CUDA、ROCm 或 oneAPI 的开发者，准备采购 GPU 但被各种型号绕晕的工程师，以及想搞明白“为什么新一代显卡运行老内核参数反而变慢”的进阶玩家。如果你已经能把某个架构的特性背得滚瓜烂熟，但看到具体型号还是需要查表，那这一章就是为你准备的。

1.1 从架构到芯片型号：命名背后有规律

GPU 芯片的内部代号其实比市场型号更有规律。以 NVIDIA 为例，芯片代号通常由字母加数字组成，字母代表代际，数字代表规模定位。GA100 里的 GA 是 Ampere 架构的开发代号前缀，100 表示旗舰级；AD102 里的 AD 代表 Ada Lovelace，102 是次旗舰规模。市场型号则完全是另一套逻辑，RTX 4090、A100、H100 这些名字更多是为了品牌营销和产品定位。

AMD 这边规律更直白一些。芯片代号前缀从 GCN 时代的 Tahiti、Hawaii，到 RDNA 时代的 Navi 10、Navi 21、Navi 31，数字越低规模越小，但新架构一定会重新起名。Intel 则用 ACM、BMG 这类前缀区分 Alchemist 和 Battlemage 代际。

很多人只记市场型号，比如“我有一张 RTX 2080 Ti”，却不知道它内部的 TU102 芯片其实和 Quadro RTX 6000 是同一个爹。这不只是冷知识——同一颗芯片，在不同产品上的显存容量、核心频率、功耗墙可能完全不同，直接影响你在写内核代码时的资源假设。

1.2 搞错型号会踩什么坑

• 编译目标选错：CUDA 里-arch=sm_80和-arch=sm_86不是随意选的，选错会导致性能下降甚至无法运行。
• 误判算力上限：以为 RTX 3050 有 Tensor Core，就以为能跑所有 Tensor Core 优化，忽略了不同代际 Tensor Core 的指令差异。
• 混淆双精度能力：消费级芯片普遍砍掉 FP64 单元，拿 RTX 4090 当计算卡跑双精度模拟，性能可能比老旧的 V100 还差一个数量级。
• 显存带宽误判：只看显存容量不看位宽，结果买的卡跑大矩阵时被带宽卡死。

这些都是真实项目里反复出现过的问题。某实验室的模拟项目组曾把一批 RTX 2080 Ti 当作“便宜的计算卡”用于分子动力学模拟，结果发现 FP64 吞吐量只有 FP32 的 1/32，整体效率远低于预期，最后不得不换方案。这种坑，提前搞清楚芯片型号和架构的对应关系，完全可以避免。

2. NVIDIA 各架构对应的芯片型号全览

NVIDIA 的架构演进线是理解整个 GPU 生态的钥匙。从 2012 年的 Kepler 到 2024 年的 Blackwell，每隔两三年一次大换代，每代架构的芯片型号都有清晰的分层逻辑。

2.1 从 Kepler 到 Turing：计算卡与游戏卡的分道扬镳

Kepler 时代（2012）是第一个大分水岭。GK104 对应 GTX 680/770，GK110 对应 GTX Titan、K20X/K40，GK208 则用于入门级 GT 730。这个时期已经出现了“同一架构、计算卡和游戏卡物理隔离”的趋势，GK110 的完整版几乎都卖给高性能计算市场。

Maxwell（2014）进一步强化了能效比概念，架构分为 GM107/GM204/GM200 三档。GTX 750 Ti 是 GM107，GTX 980 是 GM204，GTX Titan X 和 Tesla M40 用 GM200。很多老项目现在还在用 Maxwell 是因为它对 FP64 的阉割比 Kepler 温和得多。

Pascal（2016）是 CUDA 生态真正的爆发点。GP100 对应 Tesla P100，GP102 对应 GTX 1080 Ti / Titan Xp / Tesla P40，GP104 是 GTX 1080/1070，GP106 是 GTX 1060。Pascal 引入的统一内存编程模型让开发者第一次能比较舒服地写“单卡多流”的异步代码。

Volta（2017）只有一颗 GV100，对应 Tesla V100 和 Titan V。它最大的贡献是引入 Tensor Core，虽然当时很多人觉得这东西是营销噱头，但后来证明这是 AI 时代最关键的硬件决策。Turing（2018）的 TU102/TU104/TU106 三颗芯片覆盖 RTX 2080 Ti / 2080 / 2070 / 2060，同时引入 RT Core，但计算卡层面 Turing 的存在感很弱，Quadro RTX 系列用得多一些。

2.2 Ampere 大爆发：消费级和数据中心全面铺开

Ampere 是命名最容易混淆的一代，因为它的计算能力版本号被分成两套：GA100 对应sm_80，面向 A100 等数据中心计算卡；GA10x 系列对应sm_86，面向 RTX 30 系列消费卡。

具体对应关系如下：

为什么同是 Ampere，sm_80和sm_86要分开？因为 GA100 的 SM 内部结构和 GA10x 有实质差异，比如 L2 缓存大小、Tensor Core 的稀疏化支持、NVLink 的集成方式。写代码时如果只对sm_80编译，放到sm_86上一般也能跑，因为 PTX 可以做兼容，但性能不是最优的。

Ampere 时代还有一个容易忽略的型号分支——GA103。它被用在 RTX 3080 Ti 笔记本版和部分移动工作站上，规格介于 GA102 和 GA104 之间，在 NUC 类的紧凑设备里挺常见。这种“中间芯片”在消费市场不常露面，但在工控和边缘计算设备里经常遇到。

2.3 Hopper、Ada 与 Blackwell：新世代的分化加速

Hopper（2022）只有 GH100 一颗大方片芯片，对应 H100、H200 和部分 GH200 超级芯片方案。它把 Transformer 引擎和 FP8 支持带到了生产环境，NVLink 带宽也上了一个台阶。对普通开发者来说，Hopper 最大的意义是改变了“计算卡必须比消费卡强在 FP64”的旧认知——现在比拼的是低精度 AI 算力和显存带宽。

同一年发布的 Ada Lovelace 架构则是纯消费向。AD102 对应 RTX 4090，AD103 是 RTX 4080，AD104 是 RTX 4070 Ti / 4070，AD106 是 RTX 4060 Ti，AD107 是 RTX 4060。Ada 的 FP32 峰值算力夸张，CUDA 核心数堆得很猛，但 FP64 依然惨遭阉割。做科学计算的朋友如果盯着 RTX 4090 的浮点峰值宣传买卡，买回来跑双精度代码会非常痛苦。

Blackwell（2024）又是新的分水岭。数据中心这边 GB100 对应 B200/B300，计算能力版本号是sm_100，消费级这边 GB202 对应 RTX 5090，计算能力版本号变成了sm_120。这个“10.0 vs 12.0”的割裂比 Ampere 时代更严重，意味着如果你要写一套兼容两个生态的代码，必须同时考虑两套编译路径。

我的建议是：不管 CUDA 版本怎么迭代，代码里尽量用 PTX 兼容级别做兜底，不要焊死在某个sm_目标上。NVIDIA 提供的前向兼容机制值得好好利用。

3. AMD 与 Intel 的架构型号对照

NVIDIA 之外的世界同样精彩。AMD 的 ROCm 生态近几年追赶很快，Intel 的 oneAPI 也在特定领域站稳了脚跟。搞 GPU 并行编程的人如果只看 NVIDIA，视野会窄一半。

3.1 AMD：GCN/Vega 到 RDNA/CDNA 的转型

AMD 的架构线分得非常清楚：GCN 是 2012-2016 年的老设计，Vega 是 GCN 的深度改良版，RDNA 是面向图形和游戏的新设计，CDNA 则是纯计算的独立分支。

GCN 时代的芯片以岛屿命名：Tahiti（HD 7970）、Hawaii（R9 290 / R9 290X）、Tonga（R9 285）。这一代的计算特性其实不错，FP64 比例高于后来的 RDNA，所以很多早期的挖矿和科学计算项目都用它。

Vega 时代有 Vega 10（RX Vega 56/64）和 Vega 20（Radeon VII、Instinct MI50/MI60）。Vega 20 首次在消费卡上提供 1TB/s 级别的 HBM2 显存带宽，这在当时是划时代的。不过 ROCm 对消费级 Vega 的支持一直不温不火，Radeon VII 更多是极客玩具。

RDNA 1 代（2019）用 Navi 10、Navi 14，对应 RX 5700 XT、RX 5500 XT，主打能效。RDNA 2（2020）的 Navi 21/22/23 对应 RX 6900/6800/6700/6600 系列，首次支持硬件光追，但计算生态依然是短板。RDNA 3（2022）的 Navi 31/32/33 对应 RX 7900/7800/7600 系列，引入了 chiplet 设计，Navi 31 由 GCD 加 MCD 组成，这个结构对理解内存带宽分层很有帮助。

CDNA 才是 AMD 认真做计算的方向。Instinct MI100 用的是 Arcturus 芯片，MI200 系列用 Aldebaran，MI300 则是 ExaClass 级别的 APU 混合封装。MI300X 的显存容量做到 192GB，在 LLM 推理场景里很有竞争力。如果你在搞 ROCm 开发，搞清楚 CDNA 和 RDNA 的芯片代号差异是基本功，因为两者的软件栈和编译参数完全不是一回事。

3.2 Intel：从核显到独立显卡的突围

Intel 的 GPU 并行编程生态早期被严重低估。Gen9 架构是 HD Graphics 530/630，藏在各种酷睿处理器里，只适合做 OpenCL 的教学实验。真正有意义的是 Xe 系列。

Xe-LP 对应 DG1 和 Iris Xe 核显，架构代号 DG1 有 96 个 EU，性能很低但胜在功耗。Xe-HPG（Alchemist）是 Intel 第一代独立 GPU，芯片代号 ACM-G10 对应 Arc A770/A750，ACM-G11 对应 Arc A380。Xe-HPC 则是 Ponte Vecchio，面向高性能计算，主打 XMX 矩阵单元，CDMA 能力和 MI300 直接对标。

2024 年底 Intel 发布了 Battlemage 架构，芯片代号 BMG-G21 对应 Arc B580。这一代的 XMX 引擎和光追单元都做了改进，而且 oneAPI 的兼容性比上一代好很多。如果你在学校实验室里接触过 oneAPI 的 SYCL 代码，买一块 Arc 系列做开发板其实很划算——它支持 Level Zero 和 OpenCL，还有不错的视频编解码器。

有一点必须提醒：Intel 的 Arc 显卡在 Linux 驱动上的表现比 Windows 稳定得多，如果你要做计算开发，优先上最新的内核，并确认你的 oneAPI runtime 版本匹配。

4. 规格参数速查：从型号反推架构

现在你已经知道各厂商的架构和芯片型号对应关系，但实际开发中更常用的技能是反推：拿到一张陌生显卡，怎么快速判断它的架构代际和关键规格？

4.1 关键规格对照表

下面的表格整理了各代代表性芯片的核心参数，覆盖 SM/CU 数量、计算能力版本、显存带宽和 FP64 比例：

这个表不是让你背的，而是让你建立一种直觉：看到芯片代号数字越大，代表规模越旗舰；看到计算能力版本号，立刻知道对应的指令集特性。比如 8.0 以上才有真正的 TF32 支持，9.0 才有 FP8 原生的高效支持。

4.2 SM/CU、算力版本号的深度解读

SM（Streaming Multiprocessor）是 NVIDIA 的基本执行单元，AMD 叫 CU（Compute Unit），Intel 叫 Xe Core/EU。SM 内部的 Warp 调度器、寄存器堆、共享内存大小，决定了你能在单个 block 里开多少线程、用多少共享内存。

比如 GA102 每个 SM 有 128 个 FP32 核心，而 GA100 每个 SM 也是 128 个 FP32 核心，但 L2 缓存和内存控制器配置完全不同。这就是为什么同样是“128 核心每 SM”，实际跑矩阵乘法时 A100 和 RTX 3090 的差距远大于规格表上的数字。

计算能力版本号更是直接决定你能用哪些 CUDA 特性。sm_80支持异步拷贝（cp.async）、sm_86增加了一些 32 位整数指令的优化、sm_90引入了分布式共享内存和线程块簇。如果你在写多卡通信代码，Hopper 的线程块簇特性可能让你把以前需要协作组 + 多流才能实现的逻辑大幅简化。

AMD 这边没有通用的“计算能力版本号”概念，ROCm 里靠gfxtarget 来区分，比如gfx906是 Vega 20，gfx1030是 Navi 10，gfx1100是 Navi 31。编译的时候你必须指定正确的 target，选错了直接编译失败或运行期崩溃，比 CUDA 的兼容机制更严格。

5. 实操：查询与验证你的 GPU 架构

理论说了这么多，落地才是硬道理。下面是几个我在实际开发环境中一定会跑的查询命令，以及它们的输出怎么解读。

5.1 Linux 下用 nvidia-smi 与 lspci 确认架构

第一步，看卡的型号和完整名称：

nvidia-smi

这个输出最上面一行就是 GPU 型号，比如NVIDIA GeForce RTX 4090。但型号只是市场名，我还需要确认芯片代号。跑：

nvidia-smi --query-gpu=name,compute_cap,memory.total,clocks.max.sm --format=csv

输出类似：

NVIDIA GeForce RTX 4090, 8.9, 24564 MiB, 2520 MHz

这里的8.9就是计算能力版本号，对应 Ada 架构的sm_89。如果你拿到一个8.6，就能确定是 Ampere 消费级芯片（GA10x）；如果是9.0，那就是 Hopper 数据中心卡。

如果想看物理芯片编号，lspci更底层：

lspci | grep -i nvidia

结果中的[10de:2684]这种格式，前面的10de是 NVIDIA 的 PCI vendor ID，后面的2684是设备 ID。查一下设备 ID 表，就能确认是不是 AD102。这个方法在远程服务器上尤其有用，因为很多云厂商的 GPU 型号会被改名为虚拟型号，但 PCI 设备 ID 骗不了人。

5.2 Windows 与 AMD 平台的查询方式

Windows 下最简单的是任务管理器性能页，能看到 GPU 型号，但看不到计算能力。装一个 GPU-Z 最省事，直接显示芯片代号、流处理器数量、显存带宽、驱动版本。对一些老卡，还能看到 BIOS 的功耗限制，方便判断能不能刷写超频固件。

AMD 平台上，ROCm 环境用rocminfo最直观：

rocminfo

这个工具会列出所有 ROCm 可见的 GPU 设备，包括它的gfx目标字符串、CU 数量、显存大小。比如看到gfx1101，就能对应 RDNA 3 的 Navi 33。如果你的代码在编译时用了--offload-arch=gfx1030，而机器实际上是gfx1100，运行时会直接报设备不支持错，这是新手最容易卡住的地方。

Intel 平台可以装 英特尔显卡控制中心，或者用命令行的xpu-smi（oneAPI 自带的工具），能看到 EU 数量和 XMX 状态。对于内置核显的机器，ls /dev/dri/看看有没有renderD128节点就能确认驱动是否正确加载。

5.3 验证一张陌生 GPU 的完整流程

每次拿到新卡，我都按固定流程过一遍：确认市场型号 → 查计算能力版本 → 用实测程序验证关键特性。实测部分我推荐用一个小内核测 FP32 和 FP64 的峰值，再看矩阵乘法的实际吞吐，用这两个数字对比官方规格表，基本就能确认卡有没有被阉割或者是不是刷了 BIOS 的魔改卡。

比如你有两张 RTX 2080 Ti，一张来自某个便宜的整机商，跑 FP32 峰值只有标准的 70%，那很可能散热或供电被限制。这个时候单纯看型号没用，必须跑实测。

6. 常见问题与避坑指南

最后整理一下我在带项目和回答社区问题时遇到的最典型问题，直接给结论，省得你再去翻文档。

6.1 问题速查表

最容易被忽略的是第一条。很多人以为同架构就是同一个sm_，但 Ampere 被拆成 8.0 和 8.6 后，代码里如果有针对sm_86才启用的 warp 级原语，在sm_80上即使能编译，运行结果也可能不对。所以我的习惯是：任何内核函数的第一行就判断__CUDA_ARCH__，根据计算能力走不同的优化路径。

6.2 选卡与编译目标选择的经验

如果你是在攒一台深度学习或科学计算的开发机，我的建议是分场景看：

• 纯 LLM 推理：优先显存容量和带宽，RDNA 3 的 MI300 或 NVIDIA 的 H200 这种大显存卡最省心，消费级 RTX 4090 也能跑但 24GB 很快捉襟见肘。
• 传统数值模拟：重视 FP64 比例，V100、A100、MI250X 这类计算卡是正解，别贪图游戏卡的浮点峰值。
• 入门学习 CUDA：随便一块 RTX 3050 或 4060 都够用，关键是确认驱动和 CUDA 版本匹配，不必追求高端。
• 搞跨平台开发：考虑 oneAPI + SYCL，Intel Arc 系列性价比高，但要接受生态还不够完善的现实。

编译目标方面，我的个人准则是：给自己用，直接编译最新的sm_目标；要分发或跨机器跑，编译一个较老的计算能力目标加 PTX 兜底。比如编译-gencode arch=compute_75,code=sm_75 -gencode arch=compute_80,code=sm_80，同时带上compute_80的 PTX，让新驱动可以在未来架构上做 JIT 升级。这套做法虽然会让编译时间变长，但能少掉一大半“换机器就跑不了”的麻烦。

还有一个常被忽略的点：功耗墙。同样一颗 AD102 芯片，在 RTX 4090 公版和非公版上的功耗限制从 320W 到 600W 不等，长时间跑满负载时性能抖动非常明显。如果你写的是跑几个小时的训练脚本，最好在开机时用nvidia-smi -pl 350这类命令把功耗限制固定住，避免驱动动态调度导致的结果不一致。

最后再说一个体感。架构和芯片型号这两层知识，刚接触时觉得记起来很枯燥，但用久了你会发现它其实是一张地图：看到型号，你就知道这卡在完整带宽、缓存层次、指令集支持上分别处于什么位置；看到计算能力版本号，你就知道编译器会拿哪一套指令来喂它。真到了写代码做优化的时候，这套地图能帮你少走很多弯路。我个人踩过最深的坑，就是早期把sm_80和sm_86混为一谈，导致生产环境出了一个很隐蔽的结果不一致问题。从那以后，我不管多着急，拿到新设备第一件事永远是确认架构号，宁可在这一步多花十分钟，也不要在后面调试十个小时。这个习惯，希望对你也一样有效。