nvidia 显卡架构 Hopper、Ada 和 Blackwell 这些名字有啥规律或者意义吗

NVIDIA 这些架构名字(Hopper、Ada、Blackwell )其实没有像 CPU 那样的技术含义(比如 Zen、Core),主要是 NVIDIA 给 GPU 微架构起的代号(codename),规律主要来自"致敬计算机科学/工程领域的重要人物"。

大致规律:

架构代号 对应年代 代表 GPU 致敬人物
Tesla 2006-2010 Tesla C1060 等 Nikola Tesla
Fermi 2010 GTX 400 系列 Enrico Fermi
Kepler 2012 GTX 600/700 Johannes Kepler
Maxwell 2014 GTX 900 James Clerk Maxwell
Pascal 2016 GTX 10 系列 Blaise Pascal
Volta 2017 Tesla V100 Alessandro Volta
Turing 2018 RTX 20 系列 Alan Turing
Ampere 2020 RTX 30 / A100 André-Marie Ampère
Ada Lovelace 2022 RTX 40 / L40 Ada Lovelace
Hopper 2022 H100/H200 Grace Hopper
Blackwell 2024 B100/B200/RTX 50 David Blackwell

为什么 Hopper 和 Ada 同一年?

这是很多人容易混淆的地方。

2022 年 NVIDIA 同时推出:

Ada Lovelace

主要面向消费卡:

复制代码
RTX 4090
RTX 4080
RTX 4070

特点:

  • 游戏

  • 光追

  • DLSS

  • 图形渲染

架构编号:

复制代码
Ada = SM 8.9

Hopper

主要面向数据中心:

复制代码
H100
H200

特点:

  • AI训练

  • 大模型推理

  • Tensor Core

  • Transformer Engine

架构编号:

复制代码
Hopper = SM 9.0

所以:

复制代码
RTX 4090
    |
    Ada

H100
    |
    Hopper

虽然发布时间接近,但是两条产品线。


Blackwell 为什么特殊?

Blackwell 是下一代:

复制代码
Ampere
  |
  v
Hopper / Ada
  |
  v
Blackwell

对应:

数据中心:

复制代码
H100
 ↓
B100
B200
GB200

消费:

复制代码
RTX 4090
 ↓
RTX 5090

你的 RTX 5090 就属于:

复制代码
Blackwell
SM_120

架构名字和 CUDA Compute Capability 的关系

你之前看到的:

复制代码
sm_86
sm_90
sm_120
sm_121

对应:

架构 Compute Capability
Ampere sm_80 / sm_86
Ada sm_89
Hopper sm_90
Blackwell sm_100 / sm_120 / sm_121

例如:

RTX 3090:

复制代码
Ampere
SM 8.6
sm_86

H100:

复制代码
Hopper
SM 9.0
sm_90

RTX 5090:

复制代码
Blackwell
SM 12.0
sm_120

为什么你之前 NVFP4 遇到 sm_120?

因为:

NVFP4 是 Blackwell 新增的硬件能力:

复制代码
Ampere:
 FP16/BF16 Tensor Core

Hopper:
 FP8 Tensor Core

Blackwell:
 FP4 Tensor Core

所以:

RTX3090:

复制代码
sm_86
❌ NVFP4 Tensor Core

H100:

复制代码
sm_90
❌ 原生 FP4

RTX5090:

复制代码
sm_120
✅ FP4

这就是为什么你看到:

复制代码
cutlass_scaled_mm_supports_fp4(sm)

sm_86 false
sm_90 false
sm_120 true

不是软件限制,而是硬件架构差异。


简单记忆:

复制代码
Tesla
  ↓
Fermi
  ↓
Kepler
  ↓
Maxwell
  ↓
Pascal
  ↓
Volta
  ↓
Turing
  ↓
Ampere
      \
       \
        Ada (消费)
        Hopper (AI)
              |
              v
          Blackwell

而现在 AI 场景最重要的是:

复制代码
A100 = Ampere
H100/H200 = Hopper
B100/B200/GB200 = Blackwell
RTX5090 = Blackwell

其中:

  • Ampere → FP16/BF16 主力

  • Hopper → FP8 大模型时代

  • Blackwell → FP4 + 更大规模 AI 推理

相关推荐
吴佳浩17 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
forest_0921 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区1 天前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔1 天前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区1 天前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1231 天前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI1 天前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健1 天前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV1 天前
Google 重返第一梯队
人工智能·google·aigc