企业官网建设流程全解析

做 GPU 并行编程的人，多少都会碰上这么一幕：本地开发机上跑得好好的核函数，部署到另一台机器，要么报“不支持的算力”，要么某个 API 根本不存在，要么编译出来的二进制被驱动直接拒绝。绝大多数时候，问题出在你对那块 GPU 的“硬件身份”没概念——它是哪一代架构，对应哪个芯片型号，决定了你能用哪些软件特性。这一章专门把这件事掰开讲清楚：主流架构和芯片型号到底怎么对应，硬件演进和软件生态又是怎么绑定的。看完你会明白，为什么同样叫 CUDA 程序，换一张卡就要重新考虑编译参数和特性选型。

1. 为什么并行编程者必须先看懂“架构-芯片型号”映射表

1.1 架构是软件模型的物理底座

先想一个问题：CUDA 或者 HIP 的编程模型里，你写的是threadIdx、blockIdx、shared memory这些抽象概念。但代码真正跑起来时，这些抽象概念要被“翻译”成具体硬件上的线程调度、寄存器读写、缓存访问。

每一次架构升级，硬件的底层组织结构都会发生质变。比如编译器要生成什么指令、SM 里有多少个 warp 调度器、shared memory 怎么分配、有没有 Tensor Core、访存单元怎么排队，这些全部由架构决定。芯片型号则是架构的物理化身：同一个架构可以衍生出几十款芯片，它们的 SM 数量和内存带宽各不相同，但基础的指令集和特性矩阵保持一致。

你可以把架构理解成“户型设计图”，芯片型号就是“某栋楼某个房号”。设计图决定了墙能不能拆、房间怎么布置；房号只决定面积大小和朝向。学习并行编程时，熟悉架构比死记型号重要得多，但你如果连型号都认不出来，就不知道手里这块卡属于哪种户型。

1.2 一张低配版映射总表

先给你一张全局视角的表，后面再展开讲：

先建立这个印象就够了。接下来详述各厂商的型号脉络，并解释为什么每一代会有那些软件层面的变化。

1.3 型号后缀的那些规律

NVIDIA 的消费级型号看起来一团乱麻，其实有规则：GTX/RTX + 一代数位 + 市场定位数位。RTX 20 全系是 Turing，RTX 30 全系是 Ampere，RTX 40 全系是 Ada——只要你记住每个代际对应的架构，消费级基本上不会认错。真正容易翻车的是专业卡和数据中心卡，它们不按这个规则走，比如 Tesla P40 是 Pascal、Tesla T4 是 Turing、A100 是 Ampere，光看名字完全判断不出来。AMD 那边，Radeon RX 5000、RX 6000、RX 7000 分别对应 RDNA 1、2、3；Instinct MI100、MI200、MI300 对应 CDNA 1、2、3。Intel 的 Arc A 系列目前主要是 Xe-HPG 架构。

2. NVIDIA 架构与芯片型号的完整脉络

2.1 从 Fermi 到 Kepler：GPGPU 的“古典时代”

2010 年前后的Fermi架构是 NVIDIA 第一次认真把“通用计算”作为 GPU 的一等公民来做。它对应的芯片代号以 GF 开头，比如 GF100。落到成品上是 GeForce GTX 480、GTX 580，专业线 Tesla C2050/C2070，计算能力是 2.0/2.1。Fermi 引入了后来沿用很久的 SM 单元设计的雏形，也第一次让 ECC 显存和 64 位原子操作这个级别的特性走进 GPU 计算领域。

2012 年Kepler接棒，芯片代号变成 GK 开头。GK104 对应 GTX 680，GK110 对应 GTX Titan、Tesla K20/K40，计算能力分为 3.0、3.5、3.7 几档。Kepler 对并行编程的意义在于：一是加入了dynamic parallelism，也就是核函数内部可以再次启动核函数，把原来需要 CPU 参与反复调用的循环下沉到 GPU 里；二是有Hyper-Q，多个 CPU 线程可以同时向一个 GPU 提交任务，多卡多线程协作的效率提升非常明显。那个年代的程序员习惯说“sm_30”“sm_35”，编译目标就是这么来的。

2.2 Maxwell 和 Pascal：产品矩阵开始膨胀

Maxwell的芯片代号变成 GM。GM107 走低功耗路线，对应大家很熟悉的 GTX 750 Ti，计算能力 5.0；GM200 走高性能路线，对应 GTX Titan X 和 Tesla M40，计算能力 5.2。Maxwell 在游戏卡上功耗控制做得特别好，很多机房当年拿 Maxwell 卡做无风扇计算节点，就图它的发热低。但要说计算特性，它其实是 Fermi-Kepler 体系里的“优化型”迭代，指令集没有爆发式增长，共享内存和 L2 带宽倒是明显变好了。

Pascal这一代，型号数量突然爆炸。芯片代号 GP 开头，GP100 对应 Tesla P100，计算能力 6.0；GP102 对应 GTX 1080 Ti 和 Titan Xp；GP104 对应 GTX 1080；GP106 对应 GTX 1060；特斯拉家族还有 Tesla P40、P4，这些计算能力都是 6.1。Pascal 把统一内存（Unified Memory）的硬件支持做完整了，页错误和按需迁移第一次成为可用的家常便饭；NVLink 也从 P100 开始出现在数据中心产品上。这一代开始，你随便打开一台云主机，看到“Tesla P100”或“GTX 1080 Ti”，心里就该知道它是 CC 6.x 的芯片。

2.3 Volta 与 Turing：Tensor Core 和 RT Core 的关键转折

Volta是 NVIDIA 第一次正式把 AI 计算当作核心卖点的架构。GV100 是它的旗舰芯片，产物是 Tesla V100 和 Titan V，计算能力 7.0。Volta 引入的东西在今天看来几乎是“现代 GPU 计算”的基座：

• 独立的线程调度能力：Volta 之后的核函数可以做到更细粒度的线程级调度，syncwarp等操作的语义也变了。
• Tensor Core：专门为矩阵乘法设计的张量核心，深度学习训练和推理从此有了板上加速器。
• NVLink 2.0：多卡互联带宽大幅提升。

紧接着Turing出现，芯片代号 TU 开头。TU102 对应 RTX 2080 Ti，TU104 对应 RTX 2080，TU106 对应 RTX 2070/2060，TU116 对应 GTX 1660 Ti 等，计算能力统一是 7.5。Turing 在通用计算上被很多人忽略，但它是第一代同时拥有 RT Core（光线追踪核心）和 Tensor Core 的架构，也让 Tensor Core 第一次进入消费级市场。这里需要注意的是：Volta 和 Turing 虽然都叫“7.x 计算能力”，但硬件完全不同，为sm_70编译的 cubin 不能直接给sm_75用，需要做 PTX 兼容或针对性重编译。

2.4 Ampere 的双轨制：GA100 与 GA10x

到了Ampere，事情变得更有趣：同一代架构，芯片却分成了两个关系不近的分支。

• GA100 芯片，计算能力 8.0，造出来的是 Tesla A100、A30 这种纯数据中心计算卡，Tensor Core 的规模和 MIG（多实例 GPU）功能是重点。
• GA10x 系列芯片，对应 GeForce RTX 3090、3080、3070、3060 以及 RTX A6000 这类专业卡，计算能力是 8.6。

这两个分支虽然都叫 Ampere，但 SM 内部设计有不少差异。你看不出来的话，最直观的后果就是：你编译 RTX 3090 的程序时用-arch=sm_86，生成的 cubin 拿到 A100 上根本不认；反过来，A100 上编的sm_80cubin 也不能直接塞给 RTX 3090。所以，光说“我这代码是给 Ampere 写的”是不够精确的，你得说清具体是哪个 CC 档位。

2.5 Ada、Hopper 与 Blackwell：三条线并行

Ampere 之后的格局是“数据中心一条线，消费级一条线”，甚至“专业一条线、AI 一条线”：

• Ada：AD102 对应 RTX 4090，AD103 对应 RTX 4080，AD104 对应 RTX 4070，AD107 对应 RTX 4060，计算能力统一是 8.9。Ada 没有做数据中心旗舰，主要还是游戏和专业渲染。
• Hopper：GH100 对应 H100、H200，计算能力 9.0。Hopper 加入了 TMA（张量内存加速器）、Transformer Engine 等面向大模型训练的特性，和消费级的 Ada 几乎是两个世界。
• Blackwell：数据中心 B100/B200、GB200 的算力档位在 10.x；消费级 RTX 50 系列则被标为另一档位。这一代进一步强化了“同代名字，不同体系”的现象。

作为开发者，你应该养成的习惯是：明确一块卡是“哪一代架构、哪个计算能力、哪个产品分支”，而不是只记“4090 比 3090 快”这种性能结论。

3. 不只 NVIDIA：AMD 与 Intel 的架构型号地图

3.1 GCN 五代的漫长统治

AMD 的GCN（Graphics Core Next）架构从 2011 年一直用到 2018 年，跨越了五代。GCN 的设计哲学和 NVIDIA 有明显差异：它把很多硬件调度职责交给了软件，早期在通用计算上踩着 64 线程的 wavefront 结构前进。

对应到芯片型号：HD 7970 是 GCN 1.0；R9 290X 是 GCN 2.0；R9 Fury 是 GCN 3.0；RX 470/480/580 常见的是 GCN 4.0（Polaris）；Vega 56/64 和 Radeon VII 则是 GCN 5.0。在 ROCm 的生态里，这些卡通过gfx编号来区分，比如 Radeon VII 对应的 GPU ID 叫 gfx906。Radeon RX 580 这种卡到现在还有不少人在做并行入门测试，就是因为它便宜、能用，但你的 HIP 代码如果要兼容它，必须注意它属于 GCN 老体系，很多现代特性不支持。

3.2 RDNA 与 CDNA 分家

AMD 从 2019 年开始把架构拆成两条线：

• RDNA：面向游戏和图形，RX 5000 系列（Navi 10，代号 gfx1010）、RX 6000 系列（Navi 21，代号 gfx1030）、RX 7000 系列（Navi 31，代号 gfx1100）。RDNA 里面 wave32 成为一等公民，很多计算优化的习惯和 GCN 完全不同。
• CDNA：面向计算和数据中心，Instinct MI100（gfx908）、MI250/MI250X（gfx90a）、MI300 系列（gfx942）。CDNA 加强了矩阵运算单元、显存带宽和 Infinity Fabric 互联，专门跟 NVIDIA 的数据中心产品对标。

在 ROCm/HIP 的编译命令里，你会看到--offload-arch=gfx906、--offload-arch=gfx90a这样的参数。这本质上就是 AMD 版的“架构版本号”，和 CUDA 里的-arch=sm_80是同一个思维。所以你不是只学一个厂商的编译规则，而是要学会“用架构编号锁定硬件特性”这个通用方法。

3.3 Intel 的 Xe 家族

Intel 在并行编程里一直是个特殊存在。它的Xe 架构分四个形态：

• Xe-LP：低功耗核显，对应 Iris Xe、UHD 系列核显，在笔记本和迷你主机上很常见。
• Xe-HPG：高性能图形，对应 Arc A 系列独显，比如 Arc A380、A750、A770。这个系列在 2024 年底之后推出了新一代 Arc B 系列产品，架构代号和软件支持矩阵都在持续更新。
• Xe-HPC：高性能计算，代号 Ponte Vecchio，面向数据中心 HPC 场景。
• Xe-HP：中间型号，主要给云游戏和多用户场景，实际产品比较少。

Intel 走的是oneAPI + SYCL这条路。用 SYCL 写代码的好处是跨厂商、跨设备，但落到硬件上你仍然要关心架构代号——比如给 Arc A770 编译时用的是arc-hpg这个 target。如果你是从 CUDA 迁移过来，最需要改的不是语法，而是思维：没有人再给你一个统一的计算能力数值，你要按 target 名称去查它支持什么特性。

4. 从一块芯片型号反查架构与算力：实操方法

4.1 手边有一张卡，最小成本确认身份

如果你能直接操作机器，NVIDIA 卡最简单的是用nvidia-smi：

nvidia-smi

能看到显卡型号、驱动版本、显存大小。但这些还不够，你要找的是计算能力（Compute Capability），最好用 CUDA 自带的工具：

./deviceQuery

这是 CUDA Samples 里的经典程序，输出会直接告诉你CUDA Capability Major/Minor version是多少。比如 GTX 1080 Ti 会显示 6.1，A100 会显示 8.0，RTX 4090 会显示 8.9。这是最权威的一次确认，比任何网上参数表格都准。

AMD 卡对应的是：

rocminfo

输出里有“Agent”名称和Compute Unit数量，HIP 里也可以调用hipGetDeviceProperties读取gcnArch字段，对应的是 gfx 编号。Intel 卡则要看intel_gpu_top或者 oneAPI 的sycl-ls，它会列出设备的类型和驱动接口。

4.2 只有型号名没有实物：查官方矩阵

很多场景是服务器采购单上写着一串型号，你根本摸不到卡。这时候直接去查各家官方支持的 GPU 列表。NVIDIA 有“CUDA-Enabled GPUs”和“Compute Capability”页面，它按代际、计算能力、发布日期把几百款型号列成一张表，你查到自己的型号，就能定位到架构和 CC。AMD 有“ROCm compatibility”页面，Intel 有“oneAPI GPU support”页面。查表时要留个心眼：有时同一型号会有不同显存版本，计算能力不会变，但支持的特性列表可能因为显存大小而受限。

4.3 用命名规律快速推断，但别拍脑袋

你可以用命名规律做“快速筛查”，但最终一定要落到官方表。

• NVIDIA 消费级：RTX 20 = Turing，RTX 30 = Ampere，RTX 40 = Ada，RTX 50 = Blackwell（按 CC 分为不同档位）。GTX 16 系列虽然叫 GTX，但 GTX 1650/1660 是 Turing，不是 Pascal。
• NVIDIA 数据中心级：Tesla P100/P40/P4 是 Pascal，Tesla T4 是 Turing，A100/A30 是 Ampere，H100/H200 是 Hopper，B200 是 Blackwell。这个系列光看数字很容易高估或低估。
• AMD：RX 5000 系列对应 RDNA1，RX 6000 对应 RDNA2，RX 7000 对应 RDNA3；Instinct MI100/MI200/MI300 对应 CDNA1/2/3。
• Intel：Arc A 系列对应 Xe-HPG 时代；核显看“Gen”数字，比如某些型号是 Gen12(Xe-LP)，某些更新型号是下一代的架构。

容易出现误判的典型例子：GTX 1660 Ti 是 Turing 架构，却叫“GTX”不叫“RTX”，如果只看名字，你会以为它是老架构。Titan V 外观和游戏卡很像，但它是 Volta 架构的计算卡。所以命名规律只是起点，确认身份永远以官方文档或deviceQuery为准。

4.4 一个完整的反查流程案例

假设你负责一个深度学习项目，供应商给了一台服务器，上面写着“NVIDIA Tesla 计算卡，32GB”。你先在机器上跑nvidia-smi，看到产品名是 Tesla V100-SXM2-32GB，然后跑deviceQuery，得到 CC 7.0。这时候你就能立刻判断：

1. 它支持 Tensor Core（Volta 引入）。
2. 它是数据中心产品，有 NVLink 接口。
3. CUDA 版本不要太老，至少得支持 sm_70 编译目标。
4. 它不支持 MIG（那是 Ampere 才有的）。

同样地，如果供应商给你的型号是“NVIDIA A10”，nvidia-smi显示 A10，你deviceQuery会得到 CC 8.6，那你就知道它是 Ampere 消费分支的芯片，虽然披着数据中心的外壳，但它的架构基因更接近 RTX 30 系列，而不是 A100。

5. 架构芯片型号在工程里到底影响什么

5.1 编译目标决定一切

同样一份 CUDA 代码，编译时用的-arch参数不同，生成的结果可能完全不能互跑：

nvcc -arch=sm_86 -o test test.cu # 给 RTX 30/RTX A6000 用 nvcc -arch=sm_80 -o test test.cu # 给 A100 用

在代码里经常还有编译期宏：

#if __CUDA_ARCH__ >= 800 // 只有 Ampere 及以后才会编译这一段 #endif

这里有两个概念容易混淆：compute_XX表示生成 PTX 中间代码的目标算力，sm_XX表示生成 SASS（硬件机器码）的目标算力。如果你只指定-code=sm_86，生成的 cubin 只能在 CC 8.6 的 GPU 上加载；如果你想保留跨架构的前向兼容，通常会把 PTX 一起编进去，让新驱动在硬件不支持该 cubin 时做 JIT 编译。但注意 PTX 目标版本也不能无限往前兼容，一个旧卡加载不了太新的 PTX ISA。这个约束在团队协作时经常被忽视：你在 4090 上编译完直接部署到 3070 的机器，很可能跑不起来。

5.2 软件 API 和硬件的绑定关系

很多 CUDA/HIP 的特性不是“软件版本到了就有”，而是“硬件架构必须达到某个阈值”。给你一份常见的对照：

所以当你的代码用了.cudaMallocAsync()这类异步内存池接口，却部署在 Pascal 芯片上，运行时行为就会退化甚至直接报错。与其等到测试环境炸了再查，不如在一开始就把硬件的计算能力写进项目的说明文档里。

5.3 同一架构，不同芯片的性能资源差异

架构相同不代表性能相同。以 Ada 为例，RTX 4090 用的是 AD102 大芯片，有 128 个 SM；RTX 4060 用的是 AD107 小芯片，只有 24 个 SM。两者共享同一个特性集，但你的核函数真正能并行跑多少线程、能占多少共享内存，是被 SM 数量限制死的。拿 4090 调出来的优秀性能曲线，换到 4060 上可能连显存带宽都不够——后者的显存位宽只有 128 bit。优化并行程序时，一定要把“这块卡有几个 SM、每 SM 的 shared memory 上限、显存带宽”查清楚，而不是只看着架构名判断。

AMD 同样如此：Radeon RX 6900 XT 和 RX 6700 XT 都是 RDNA2，但 Navi 21 和 Navi 22 的 CU 数量、Infinity Cache 大小完全不同。Intel Arc A770 和 A380 都是 Xe-HPG，但 A380 的 EU 数量和显存位宽小得多。这张表你只要建过一次，就能形成“先定架构、再看规模、最后才谈优化”的正确步骤。

6. 自己在实操中踩过的坑和给后来者的建议

6.1 型号与架构的几类“经典误判”

第一类误判：把 GTX 16 系列当 Pascal。GTX 1660 Ti 实际上是 Turing 架构，只是没有 RT Core。你在它上面做 CUDA 开发时，sm_75编译目标要能用，但光追相关的 API 就不要想了。

第二类误判：把 Tesla 全系当新架构。Tesla 这个品牌从 Fermi 时代一直用到现在，P100 是 Pascal，P40 是 Pascal，T4 是 Turing，V100 是 Volta。只说“服务器有 Tesla 卡”等于什么都没说，必须看具体型号。

第三类误判：把同一代架构的两个分支混为一谈。Ampere 的 A100（CC 8.0）和 RTX 3090（CC 8.6）不是一个编译目标，Blackwell 的数据中心卡和 RTX 50 系列也不是同一个档位。写代码时要精确到计算能力，而不是“Ampere 系”这种模糊描述。

第四类误判：跨厂商直接套概念。NVIDIA 说“SM 数量”，AMD 说“CU 数量”，Intel 说“EU/Xe-Core”，它们的硬件组织原理完全不同，性能对比不能只看数字大小。我刚从 CUDA 转到 HIP 时，一度以为 gfx906 就是“类似 CC 9.0”，其实它是 GCN 5.0，和 CUDA 的 9.0 毫无关系。

6.2 学习路线建议

学并行编程不必把几十款芯片全部背下来，但你要建立一套“四层知识”的思维：

1. 产品系列：RTX 30、RX 6000、Arc A7 系列这种粒度。
2. 架构名：Ampere、RDNA2、Xe-HPG。
3. 算力/硬件 ID：CC 8.0/8.6，gfx1030，这是编译目标。
4. 特性集合：有没有 Tensor Core、有没有 MIG、支持哪代 PCIe/NVLink。

遇到一块新卡，先花 5 分钟查这四层信息，再动手写代码。我在实际项目中养成的习惯是：仓库里放一个简单的设备信息脚本，每次换机器先跑一遍，把架构、计算能力、SM 数量、显存带宽记下来，再决定编译参数和优化策略。

这一章讲的是“架构对应芯片型号”的底层地图，但它的真正价值不是让你背型号，而是让你在下一次编译报错、特性不可用、性能骤降时，能第一时间意识到：哦，这是硬件身份的问题。只要把硬件和软件这条对应线握在手里，后面再难的并行优化都有地方落脚。