|----------------|-----------|------------|---------------------------------|
| 🏆 本章境界 炼气期第2层 | 📊 难度指数 ⭐ | ⏱ 预计阅读 6分钟 | 💎 本章金句 显卡不只是一块PCB，它是一个完整的计算... |
|----------------------------------------------------------------------------|
| 
|
▎ 一、GPU核心：显卡的大脑
显卡上最核心的部件就是GPU核心（GPU Die），它是显卡的大脑，所有计算都在这里完成。GPU核心通常是一个巨大的硅芯片，面积可达800+平方毫米（比CPU核心大得多），包含几百亿个晶体管。以NVIDIA H100为例，核心面积814平方毫米，包含800亿个晶体管，有16896个CUDA核心、528个Tensor核心、132个RT核心。GPU核心被安装在PCB中央，上面覆盖着散热底座，通过热管把热量传导到鳍片，再由风扇吹走。
GPU核心内部的组织架构：GPU内部有多个流式多处理器（SM，Streaming Multiprocessor），每个SM包含若干个CUDA核心、Tensor核心、RT核心、寄存器文件、共享内存、L1缓存、Warp调度器等。以H100为例，有132个SM，每个SM有128个CUDA核心、4个Tensor核心、1个RT核心。SM是GPU的基本调度单位，每个SM可以同时执行多个Warp（32个线程为一个Warp），通过快速切换Warp来隐藏延迟。这种大规模并行架构是GPU高算力的来源。
|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 💡 修仙金句 GPU核心为什么这么大？因为它要塞下几千个计算核心。CPU核心面积大约20-50平方毫米（含缓存），而GPU核心面积600-800平方毫米，是CPU的十几倍。GPU把大部分面积都用来放计算核心（ALU）和缓存，而CPU把大量面积用来放缓存（L2/L3）和控制逻辑。这就是设计哲学的差异：CPU用大缓存+复杂控制追求低延迟，GPU用大量计算核心+简单控制追求高吞吐量。 |
▎ 二、显存：GPU的记忆
显存（VRAM，Video RAM）是GPU专用的内存，用来存储GPU需要处理的数据（模型权重、激活值、纹理、帧缓冲等）。显存和系统内存（DRAM）类似，但有几个关键区别：①带宽更高------显存通常用GDDR或HBM，带宽可达1-3TB/s，而系统内存DDR5带宽只有50-100GB/s，差了10-30倍；②延迟更高------显存延迟比系统内存高，因为GPU核心数量多，访存竞争激烈；③容量更小------消费级显卡显存通常8-24GB，数据中心GPU 40-80GB，而系统内存可以几百GB到几TB；④价格更贵------显存成本占显卡总成本的30%-50%，HBM显存尤其昂贵。
显存类型：①GDDR（Graphics DDR）------消费级显卡主流，GDDR6带宽可达500-1000GB/s，GDDR6X可达1000-1500GB/s；②HBM（High Bandwidth Memory）------数据中心GPU主流，HBM3带宽可达2-3TB/s，HBM3e可达3-4TB/s，通过3D堆叠和超宽总线（1024-bit+）实现超高带宽；③LPDDR------移动/低功耗场景，笔记本和轻薄本用。显存容量决定了GPU能处理多大的模型和数据，AI大模型训练对显存容量需求极高，这也是为什么数据中心GPU显存越来越大（从16GB到40GB到80GB到192GB）。
|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 📌 显存参数速查 • GDDR6：消费级主流，带宽500-1000GB/s，容量8-24GB，RTX 30/40系列用 • GDDR6X：高端消费级，带宽1000-1500GB/s，RTX 3090/4080/4090用 • HBM2e：数据中心，带宽1-2TB/s，A100用（40/80GB） • HBM3：新一代数据中心，带宽2-3TB/s，H100用（80GB） • HBM3e：最新，带宽3-4TB/s，H200用（141GB） • HBM4：下一代，预计带宽5-6TB/s，B200后续用 • 关键指标：带宽（影响数据传输速度）、容量（影响能处理的模型大小）、延迟（影响访问效率） |
▎ 三、供电、散热与接口
供电电路：GPU是电老虎，高端显卡功耗可达300-700W（H100 700W，RTX 4090 450W）。显卡上有复杂的供电电路（VRM，电压调节模块），把12V输入转换成GPU核心需要的0.8-1.2V电压，同时提供几百安培的电流。供电电路包括PWM控制器、MOSFET、电感、电容，通常有十几相到二十几相供电。供电质量直接影响GPU的稳定性和超频潜力，低端卡供电缩水会导致高负载不稳定。
散热系统：GPU功耗高，发热量大，需要强大的散热。消费级显卡通常用风冷（风扇+热管+鳍片），高端卡用三风扇+大面积鳍片+均热板，有些旗舰卡甚至用水冷。数据中心GPU用被动散热（服务器风道）或液冷（冷板式/浸没式）。散热设计直接影响GPU的持续性能------如果散热不好，GPU会降频（Thermal Throttling）保护自己，性能下降。所以买显卡不要只看核心频率，还要看散热设计。
接口：①PCIe接口------显卡通过PCIe插槽和主板连接，PCIe 4.0 x16带宽约32GB/s，PCIe 5.0 x16约64GB/s，用于CPU和GPU之间的数据传输；②视频输出接口------HDMI、DisplayPort，用于连接显示器输出画面；③NVLink------NVIDIA数据中心GPU之间的高速互联，带宽可达900GB/s，用于多GPU直接通信；④供电接口------传统8pin/16pin（12VHPWR），数据中心用SXM模组或OAM模组直接从主板供电。
|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 💡 修仙金句 买显卡看什么？很多人只看GPU型号和显存容量，忽略了供电和散热。同样是RTX 4090，不同品牌的非公版性能差距可达5%-10%，主要差在供电和散热。供电相数多、MOSFET品质好、散热鳍片大、风扇风压高的卡，能持续跑在更高频率，性能更强也更安静。所以买显卡不要只看核心型号，还要看供电相数、散热规格、品牌口碑。当然，公版卡的设计通常最保守最稳定，非公版卡有更好的散热但也可能有设计缺陷。 |
|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 📝 本章小结 显卡由GPU核心（大脑，几百亿晶体管，几千个CUDA核心，多个SM并行）、显存（记忆，GDDR/HBM，带宽1-4TB/s，容量8-192GB，成本占30%-50%）、供电电路（心脏，十几相到二十几相VRM，提供几百安培电流）、散热系统（肺，风冷/液冷，影响持续性能）、接口（PCIe/NVLink/视频输出/供电）组成。买显卡不仅看核心型号，还要看供电和散热。 |
| ⚡ 境界提升 了解显卡的硬件组成，知道GPU核心、显存、供电、散热、接口各自的作用和关键参数 |
| 🔮 下章预告 下一章学习GPU vs CPU------为什么AI训练要用GPU？从架构差异到并行计算，深入分析。 |