GPU運算驅動AI。 2024 年8 月，國產遊戲《黑神話：悟空》正式開賣。作為近期熱度最高的國產遊戲，《黑神話》憑藉出色的劇情發展、場景設計和配樂成功“出圈”，不僅遊戲愛好者們“人手一份”，不少已經“戒遊戲”的老玩家也選擇趁機升級電腦，換張新顯示卡好好享受遊戲。

儘管這種為了遊戲而換顯卡的行為看起來有「衝動消費」的意思，但回顧近幾年的遊戲史，我們不難發現，每次現象級遊戲走火，同時也有大量玩家為此升級顯示卡。例如用豐富遊戲性推動GTX 1060 顯示卡的《PUBG》和《鬥陣特攻》，用優秀行銷、畫質推動RTX 時代的《賽博龐克2077》，成為RTX 4060「帶貨王」的《Apex》。可以說每一款成功遊戲的背後，都有一張「現象級N 卡」。

圖片來源：英偉達

那麼問題也隨之而來──英偉達第一張遊戲顯示卡面世時，遊戲產業是怎麼樣的呢？

1999 年，英偉達發布了第一張遊戲顯示卡－GeForce 256。但在GeForce 256 發布之前，市場上已經存在多個顯示卡（GPU）品牌，例如3dfx 的Voodoo（巫毒）系列、Matrox（邁創）、S3 Graphics、ATI 的Rage 系列。

和現代的GPU 一樣，這些GPU 同樣基於3D 加速技術，但可惜的是，這些GPU 產品缺乏統一的3D 加速制式。這意味著遊戲開發者必須針對不同顯示卡優化遊戲，顯著增加了開發成本和難度。此外受產品效能的限制，這些GPU 也無法支撐複雜的3D 遊戲。

同時，《古墓奇兵》、《雷神之鎚2》、《星海爭霸》等遊戲的流行也推動了玩家對3D 遊戲的期望。也就在這時，英偉達GeForce 256 出現了。

GPU運算爆發，都有哪些先行者？

GeForce 256 是全球首款被稱為GPU 的產品，源自於其首次將圖形處理的多個功能整合於單一晶片，這一行為定義了GPU 這一概念，同時也將複雜的3D 渲染任務從CPU 中解放出來，賦予GPU 專門的運算職責。從GPU 的歷史進程來看，這也為後來GPU 的廣泛應用奠定了基礎。

圖片來源：英偉達

此外，GeForce 256 也將T&L（Transform & Lighting、變換與光照）硬體加速整合到GPU 中，使3D 場景的變換和光照計算由GPU 專門負責。這是圖形處理史上的重大突破，以前這類運算任務通常由CPU 執行，不僅效率低下，也限制了遊戲畫面的表現力。透過GeForce 256，遊戲畫面的複雜性和細節大幅提升，推動了3D 遊戲時代的到來。

而GeForce 256 出色的表現也將GPU 這個概念帶到遊戲產業之外。別急，此時的英偉達還沒拿出CUDA 這種改變GPU 產業生態的大殺器。但GeForce 256 優異的效能，確實為GPU 在科學運算、金融分析等領域的應用奠定了基礎。

如果說GeForce 256 開啟了GPU 圖形運算的時代，那英偉達在2008 年發布的GeForce 8800 GTX，則真正解放了GPU 的效能。很顯然這張顯示卡的效能放在現在早已不值一提，但這張顯示卡上，英偉達提出了CUDA（統一運算架構）這個概念。

CUDA 的出現讓GPU 不僅可以用來處理圖形運算，還可以用來執行、加速基於CUDA 的通用運算，讓電腦成為真正的通用工具。

圖片來源：英偉達

而在提出了CUDA 後，英偉達也在2018 年進一步對GPU 的算力進行細化，引入了RT Core、Tensor Core 的概念，讓光線追蹤和專門的ML 計算成為可能——Tensor Core 透過高效執行大規模矩陣運算，顯著加快了AI 模型的訓練和執行速度。

根據英偉達的介紹，現階段RTX AI 已經對10 種不同的AI 場景實現覆蓋，包括遊戲、影視、自動駕駛和科學計算等領域。深受英偉達用戶喜愛、可以顯著提高遊戲FPS 的DLSS，就基於Tensor Core 來實現，可以說是廣大遊戲玩家最早接觸到的真AI 用例了。

圖片來源：英偉達

在影視製作領域，RTX AI 加速渲染速度，使複雜的光線和反射效果在短時間內完成，從而縮短了製作週期。在自動駕駛方面，RTX GPU 處理大量影像和感測器數據，支援即時決策，提高車輛的安全性與精準性。此外，AI 也用於醫療影像處理、金融預測和科學模擬，加速資料分析和預測模型的訓練。

不誇張的說，RTX AI 的出現不僅推動了高階視覺效果和AI 運算的整合，也降低了企業使用AI 的門檻。它正逐漸成為各產業提升效率、創新業務的關鍵引擎，引領未來科技的發展趨勢。

GPU運算驅動AI，但AI運算不全靠GPU

但話說回來，儘管GPU 的算力提升讓AI 能以驚人的速度普及，現階段英偉達確實是AI 算力的代名詞，以及個人AI 計算機的唯一選擇。但這是否意味著美歐強勁GPU 的設備，就無緣AI 時代呢？

答案是否定的。

在2024 雲棲大會上，阿里集團CEO、阿里智慧雲董事長兼CEO 吳泳銘表示：

生成式AI 改變運算架構，從CPU 主導的運算體係到GPU 主導的AI 運算遷移。 AI 時代將是「GPU 算力為主，CPU 算力為輔」的運算模式。 2024 年市場新增算力，超過50% 的需求AI 驅動產生，此趨勢將持續擴大。

不可否認，即使是阿里雲提供的AI 雲算力，背後也主要由GPU 驅動。但從另一個方面想，將GPU 算力集中在雲端，配合裝置本地的CPU、NPU 進行混合AI 運算，其實也不失為一個好主意。

首先，這可以緩解算力瓶頸，提升運算彈性。 GPU 在AI 運算中的核心地位毋庸置疑，但個人開發者和消費者通常難以承受購買和維護大量GPU 的成本。將GPU 算力集中在雲端，讓使用者按需租用雲端GPU 資源，可以避免一次性高額投入。這種模式也提供了極大的彈性，可根據任務需求隨時擴展或縮減算力。

其次，許多終端設備受限於尺寸和耗電量，無法配備高效能GPU。透過在雲端完成複雜的AI 運算，並將結果傳輸至本機裝置執行簡單任務，裝置可以保持輕量化且功耗低。這種混合運算模式，特別適合邊緣設備和移動終端。

圖片來源：英偉達

而且在本地CPU 和NPU 的配合下，雲端GPU 的運算能力可以最大化利用：設備本地的NPU 可以快速處理延遲敏感的任務，如語音辨識和即時影像分析；而複雜的模型訓練和推理則交由雲端GPU 完成。這種模式有效縮短了計算回應時間，提升了使用者體驗。

短時間來看，英偉達在AI 算力市場的優勢仍然巨大，但是長遠來看，群狼環伺之下的AI 市場，英偉達雙拳難敵四手。諸如行動PC、智慧終端等英偉達的弱勢市場，很快就會被其他廠商瓜分乾淨，而關鍵的伺服器市場也並非高枕無憂，AMD 的MI300 系列AI 顯卡份額增長迅速，已經足夠引起英偉達的警覺。

不過，競爭所帶來的創新與發展，才是科技進步的關鍵，隨著AI 領域的競爭加劇，其實也推動AI 成本的下降，讓AI 技術得到更快、更廣泛的應用。就像吳泳銘說的：

AI 驅動的數位世界連結具備AI 能力的實體世界，將會大幅提升整個世界的生產力，對實體世界的運作效率產生革命性的影響。

一個圍繞著AI 而生的新生態，此時此刻就在我們面前。