AI 算力卡发展史时间线（2006-2026）
从通用 GPU 到专用 AI 加速器，20 年算力进化之路。
2006-2011：CUDA 时代开启
| 年份 | 事件 | 意义 |
|---|---|---|
| 2006 | NVIDIA G80 (8800 GTS) 发布，CUDA 1.0 问世 | 通用 GPU 计算元年，GPU 不再只是显卡 |
| 2007 | NVIDIA Tesla C870 发布 | 首款专用 GPU 计算卡，无显示输出 |
| 2008 | NVIDIA Tesla C1060 (GT200) | 240 个 CUDA 核心，首款双精度支持 |
| 2009 | NVIDIA Fermi (Tesla C2050) | ECC 内存，错误校正，进入 HPC 市场 |
| 2010 | NVIDIA CUDA 3.0 | 正式支持 C++，cuDNN 前身 |
| 2011 | NVIDIA Tesla M2090 (Fermi) | 双精度 665 GFLOPS，超算标配 |
2012-2016：深度学习爆发
| 年份 | 事件 | 意义 |
|---|---|---|
| 2012 | AlexNet (CUDA) | GPU 加速深度学习一战成名 |
| 2012 | NVIDIA K20 (Kepler) | 15.9 TFLOPS FP32，HPC 爆发 |
| 2013 | NVIDIA Tesla K40 | 12GB 显存，首款 12GB GPU |
| 2014 | NVIDIA CUDA 6.0 | Unified Memory，简化 GPU 编程 |
| 2015 | NVIDIA Tesla P100 (Pascal) | 首款 HBM 显存，HPC 内存带宽革命 |
| 2016 | NVIDIA Tesla P100 (量产) | NVLink 1.0，160 GB/s GPU 间互联 |
2016-2020：AI 专用加速卡诞生
| 年份 | 事件 | 意义 |
|---|---|---|
| 2016 | Google TPU v1 (推理) | 首款非 GPU 架构 AI 加速器，~92 TOPS INT8 |
| 2017 | Google TPU v2 (训练+推理) | 180 TFLOPS BF16，TPU Pod 机架 |
| 2017 | NVIDIA V100 (Volta) | Tensor Core 问世，AI 训练专用单元 |
| 2018 | Google TPU v3 | 420 TFLOPS BF16，液冷 TPU Pod |
| 2019 | NVIDIA A100 (Ampere) | MIG 多实例 GPU，7nm，40GB HBM2 |
| 2020 | Google TPU v4 (Intrepid) | 1,086 TFLOPS BF16，稀疏架构 |
2021-2023：大模型时代
| 年份 | 事件 | 意义 |
|---|---|---|
| 2021 | NVIDIA H100 (Hopper) | Transformer Engine，FP8 支持，LLM 训练之王 |
| 2022 | Google TPU v5e (Cydonia) | 单芯片推理优化，1,028 TFLOPS |
| 2022 | Google TPU v5p (Cydonia) | 训练优化，1,444 TFLOPS，32GB HBM |
| 2023 | NVIDIA H200 | 141GB HBM3e，4.8 TB/s，大模型推理优化 |
| 2023 | AMD MI300X | 192GB HBM3，对标 H100，开源 ROCm |
| 2023 | Cerebras WSE-2 | 2.6 万亿晶体管，85 PFLOPS，晶圆级 |
| 2023 | Intel Gaudi 2 | 6nm，Habana Labs 被收购后首款产品 |
2024-2025：Blackwell 与国产替代
| 年份 | 事件 | 意义 |
|---|---|---|
| 2024 Q1 | NVIDIA B200 (Blackwell) | 9 PFLOPS，192GB HBM3e，2nm 工艺 |
| 2024 Q2 | NVIDIA GB200 | 2× B200 + Grace CPU，LLM 推理怪兽 |
| 2024 Q3 | AMD MI325X | 256GB HBM3e，对标 H200 |
| 2024 Q4 | AMD MI350X (CDNA 4) | 288GB HBM3e，9.2 PFLOPS |
| 2024 Q4 | Google TPU v6e (Trillium) | 918 TFLOPS，32GB HBM，已 GA |
| 2025 Q1 | Intel Gaudi 3 | 1,600 TFLOPS，128GB SRAM，对标 H100 |
| 2025 Q2 | NVIDIA B300 Ultra | 14 PFLOPS，288GB HBM3e，1,400W |
| 2025 Q2 | AMD MI355X | 10.1 PFLOPS (MXFP6)，288GB HBM3e |
| 2025 H2 | 华为昇腾 910C | 双 Die，780 TFLOPS，国产替代主力 |
2026（官宣 / 预期）
| 产品 | 厂商 | 关键信息 |
|---|---|---|
| NVIDIA Rubin R200 | NVIDIA | 288GB HBM4，50 PFLOPS FP4 (稀疏)，Vera CPU |
| AMD MI400 + Helios | AMD | 432GB HBM4，40 PFLOPS FP4，260 TB/s UALink |
| Google TPU Ironwood (v7) | 192GB HBM，~2,000 TFLOPS BF16 | |
| Cerebras WSE-4 | Cerebras | 1.4 万亿晶体管，125 PFLOPS FP8 |
| AWS Trainium 3 | AWS | 3nm，~2,000 TFLOPS，128GB HBM |
| 华为昇腾 920 | 华为 | 900+ TFLOPS BF16，4 Tbps 片间互联 |
算力增长曲线（FP16 训练算力）
年份 产品 FP16 算力
----------------------------------------
2006 Tesla C870 ~0.5 TFLOPS
2010 Tesla C2050 ~1.3 TFLOPS
2016 Tesla P100 ~10 TFLOPS
2017 V100 ~15 TFLOPS
2020 A100 ~312 TFLOPS
2021 H100 ~1,979 TFLOPS
2023 H200 ~1,979 TFLOPS (显存↑)
2024 B200 ~4,500 TFLOPS
2025 B300 Ultra ~7,000 TFLOPS
2026 Rubin R200 ~10,000 TFLOPS (FP4: 50 PFLOPS)
2026 AMD MI400 ~10,000 TFLOPS (FP4: 40 PFLOPS)
趋势：每 2-3 年算力 ~4×（摩尔定律 × Tensor Core 架构创新）
关键架构演进
NVIDIA 架构代号
| 架构 | 年份 | 关键创新 |
|---|---|---|
| Tesla (G80) | 2006 | CUDA 1.0，通用 GPU 计算 |
| Fermi | 2010 | ECC 内存，双精度 |
| Kepler | 2012 | GPU Boost，动态频率 |
| Maxwell | 2014 | 能效优化 |
| Pascal | 2016 | HBM 显存，NVLink 1.0 |
| Volta | 2017 | Tensor Core，AI 训练专用 |
| Turing | 2018 | RT Core，消费级光追 |
| Ampere | 2020 | MIG，多实例 GPU |
| Hopper | 2022 | Transformer Engine，FP8 |
| Blackwell | 2024 | 2nm，9 PFLOPS，192GB HBM3e |
| Rubin | 2026 | HBM4，50 PFLOPS FP4，Vera CPU |
Google TPU 代际
| 代 | 年份 | 关键创新 |
|---|---|---|
| v1 | 2016 | 首款 ASIC AI 加速器，推理专用 |
| v2 | 2017 | 训练+推理，TPU Pod |
| v3 | 2018 | 液冷，~420 TFLOPS |
| v4 | 2020 | 稀疏架构，1,086 TFLOPS |
| v5e | 2022 | 推理优化，单芯片 |
| v5p | 2022 | 训练优化，32GB HBM |
| v6e (Trillium) | 2024 | 918 TFLOPS，32GB HBM |
| v6p | 2024 | 训练优化，64GB HBM |
| 8t / 8i | 2026 | 训练/推理拆分架构 |
| Ironwood (v7) | 2026 | 192GB HBM，~2,000 TFLOPS |
贡献与纠错
发现时间线有误或缺失关键事件？提交 PR 帮助我们完善！