volta架构包括哪些产品

⑴ 求历代英伟达显卡架构名称

1、Fermi费米架构

费米是诺贝尔物理学奖得主，被称为原子能之父，他的实验小组建立了人类第一台可控核反应堆，也是费米悖论的提出者，英伟达在2010年发布的Fermi架构就以他的名字来命名。

该家族包括GTX5系列、GTX4系列，如当年的双核心GTX590、580、GTX470等，从这一代开始，N卡在消费市场所占比重逐渐和A卡拉开了距离，也从这一代开始，战略核导弹名扬海内外。

2、Kepler开普勒架构

这是Fermi架构的下一代，以着名天文学家开普勒命名，他最大的成就是发现了行星运动三大定律，为或者宇宙探索奠定了理论基础。

该架构的出现意味着英伟达开始全面占领游戏独显市场，代表作GTX6系列，其中很多款到现在仍在使用，堪称骨灰级独显，比如GTX660、第一代泰坦、GTX780Ti等

3、Maxwell麦克斯韦架构

麦克斯韦是电磁学的开山鼻祖，经典电动力学创始人，也是统计物理学的奠基者。作为开普勒架构显卡的继任者，该系列显卡口碑良好，没有出现太过火的恶性事件，代表作GTX9系列和GTX750，它们中的好几款仍然活跃在显卡天梯排行榜上。

4、Pascal帕斯卡架构

帕斯卡出生于1623年，这是一位天才，在16岁的时候就发现了着名的帕斯卡六边形定理，后来提出了帕斯卡定律，发明水压机，学过物理学的小伙伴都知道力学单位里有个帕，这就是用其姓氏来命名的。运用该架构的显卡是目前市场主流产品，代表作GTX10系，从GTX1050开始一直到1080TI。

5、Turing图灵架构

图灵，人工智能之父，计算机之父，电影《模仿游戏》原型，也是坊间所传苹果logo的历史来源，当年图灵咬了一口毒苹果而自杀，他的逝世令人惋惜，但功绩却能永垂史册。该显卡架构代表作正是目前最火热的RTX20系显卡，以及刚刚发布的GTX16系，具体性能如何大家有目共睹。

(1)volta架构包括哪些产品扩展阅读：

NVIDIA（英伟达）计划授权智能手机和平板电脑开发厂商使用自己的图形芯片技术。高通在手机芯片领域占据着绝对的优势，英伟达这样做的目的就在于想占领更大的市场份额，并能开启与三星、苹果之间的合作。

移动芯片局势是这样的，高通占据绝对领导地位，苹果和三星绝大部分芯片自给自足。而老牌的芯片厂商如英特尔、英伟达和AMD，还是主打桌面和服务器平台，在移动平台上下手太晚，失去了先机。

英伟达的移动处理器Tegra性能非常强劲，据说能达到A6的数倍，但是现在只有极少数的设备采用了英伟达的核心，如Ouya、Shield。所以说，英伟达的技术的广泛应用，会给移动游戏产业带来不小的正面影响。

⑵ 新出的titanv是属于10系的还是20系的

准衫陆确来说不属于10系也不属于20系
十系显卡均为pascal架构，20系显卡根搏亩据消息是跳或银顷过volta架构直接进入代号“安培”的10nm工艺架构。
TITAN V是volta架构的产物，故而不属于10系也不属于20系，自成一派。

⑶ 英伟达发布史上最强计算平台，黄教主：自动驾驶不再担心算力问题

原本应该在今年 3 月份于加州圣何塞举办的英伟达 GTC 2020 大会，因为全球性新冠病毒肺炎的爆发而不得不推迟举行。
比原计划晚了将近 2 个月，英伟达 GTC 2020 终于在 5 月 14 日回归。
不过这一次开发者们没办法在线下集会，只能通过线上直播观看“皮衣教主”黄仁勋的主题演讲。老黄此次是在他硅谷的家中完成了这场别开生面的“Kitchen Keynote”。
虽然是厨房举行，英伟达依然爆出“核弹”，发布了全新一代的 GPU 架构 Ampere（安培）。
在自动驾驶方向上，英伟达通过两块 Orin SoC 和两块基于安培架构的 GPU 组合，实现了前所未有的?2000 TOPS?算力的 Robotaxi 计算平台，整体功耗为?800W。
有业界观点认为，实现 L2 自动驾驶需要的计算力皮卜小于 10 TOPS，L3 需要的计算力为 30 - 60 TOPS，L4 需要的计算力大于 100 TOPS，L5 需要的计算力至少为 1000 TOPS。
现在的英伟达自动驾驶计算平台已经建立起了从?10TOPS/5W，200TOPS/45W?到?2000 TOPS/800W?的完整产品线，分别对应前视模块、L2+ADAS?以及?Robotaxi?的各级应用。
从产品线看，英伟达?Drive AGX?将全面对标 Mobileye?EyeQ?系列，希望成为量产供应链中的关键厂商。
1、全新 GPU 架构：Ampere（安培）
2 个月的等待是值得的，本次 GTC 上，黄仁勋重磅发布了英伟达全新一代 GPU 架构 Ampere（安培）以及基于这一架构的首款 GPU NVIDIA A100。
A100 在整体性能上相比于前代基于 Volta 架构的产品有 20 倍的提升，这颗 GPU 将主要用于数据分析、专业计算以及图形处理。
在安培架构之前，英伟达已经研发了多代 GPU 架构，它们都是以科学发展史上的伟人燃差穗来命名的。
比如 Tesla（特斯拉）、Fermi（费米）、Kepler（开普勒）、Maxwell（麦克斯维尔）、Pascal（帕斯卡）、Volta（伏特）以及 Turing（图灵）。
这些核心架构的升级正是推动英伟达各类 GPU 产品整体性能提升的关键。
针对基于安培架构的首款 GPU A100，黄仁勋细数了它的五大核心特点：
集成了超过 540 亿个晶体管，是全球规模最大的 7nm 处理器；引入第三代张量运算指令 Tensor Core 核心，这一代 Tensor Core 更加灵活、速度更快，同时更易于使用；采用了结构化稀疏加速技术，性能得以大幅提升；支持单一 A100 GPU 被分割为多达 7 块独立的 GPU，而且每一块 GPU 都有自己的资源，为不同规模的工作提供不同的计算力；集成了第三代 NVLink 技术，使 GPU 之间高速连接速度翻倍，多颗 A100 可组成一个巨型 GPU，性能可扩展。
这些优势累加起来，最终让 A100 相较于前代基于 Volta 架庆碰构的 GPU 在训练性能上提升了?6 倍，在推理性能上提升了?7 倍。
最重要的是，A100 现在就可以向用户供货，采用的是台积电的 7nm 工艺制程生产。
阿里云、网络云、腾讯云这些国内企业正在计划提供基于 A100 GPU 的服务。
2、Orin+安培架构 GPU：实现 2000TOPS 算力
随着英伟达全新 GPU 架构安培的推出，英伟达的自动驾驶平台（NVIDIA Drive）也迎来了一次性能的飞跃。
大家知道，英伟达此前已经推出了多代 Drive AGX 自动驾驶平台以及 SoC，包括?Drive AGX Xavier、Drive AGX Pegasus?以及?Drive AGX Orin。
其中，Drive AGX Xavier 平台包含了两颗 Xavier SoC，算力可以达到 30TOPS，功耗为 30W。
最近上市的小鹏 P7 上就量产搭载了这一计算平台，用于实现一系列 L2 级自动辅助驾驶功能。
Drive AGX Pegasus 平台则包括了两颗 Xavier SoC 和两颗基于图灵架构的 GPU，算力能做到 320TOPS，功耗为 500W。
目前有文远知行这样的自动驾驶公司在使用这一计算平台。
在 2019 年 12 月的 GTC 中国大会上，英伟达又发布了最新一代的自动驾驶计算 SoC Orin。
这颗芯片由 170 亿个晶体管组成，集成了英伟达新一代 GPU 架构和 Arm Hercules CPU 内核以及全新深度学习和计算机视觉加速器，最高每秒可运行 200 万亿次计算。
相较于上一代 Xavier 的性能，提升了 7 倍。
如今，英伟达进一步将自动驾驶计算平台的算力往前推进，通过将两颗 Orin SoC 和两块基于安培架构的 GPU 集成起来，达到惊人的 2000TOPS 算力。
相较于 Drive AGX Pegasus 的性能又提升了 6 倍多，相应地，其功耗为 800W。
按一颗 Orin SoC 200TOPS 算力来计算，一块基于安培架构的 GPU 的算力达到了 800TOPS。
正因为高算力，这个平台能够处理全自动驾驶出租车运行所需的更高分辨率传感器输入和更先进的自动驾驶深度神经网络。
对于高阶自动驾驶技术的发展而言，英伟达正在依靠 Orin SoC 和安培 GPU 架构在计算平台方面引领整个行业。
当然，作为一个软件定义的平台，英伟达 Drive AGX 具备很好的可扩展性。
特别是随着安培 GPU 架构的推出，该平台已经可以实现从入门级 ADAS 解决方案到 L5 级自动驾驶出租车系统的全方位覆盖。
比如英伟达的 Orin 处理器系列中，有一款低成本的产品可以提供 10TOPS 的算力，功耗仅为 5W，可用作车辆前视 ADAS 的计算平台。
换句话说，采用英伟达 Drive AGX 平台的开发者在单一平台上仅基于一种架构便能开发出适应不同细分市场的自动驾驶系统，省去了单独开发多个子系统（ADAS、L2+ 等系统）的高昂成本。
不过，想采用 Orin 处理器的厂商还得等一段时间，因为这款芯片会从 2021 年开始提供样品，到?2022 年下半年才会投入生产并开始供货。
3、英伟达自动驾驶“朋友圈”再扩大
本届 GTC 上，英伟达的自动驾驶“朋友圈”继续扩大。
中国自动驾驶公司小马智行（Pony.ai）、美国电动车创业公司?Canoo?和法拉第未来（Faraday Future）加入到英伟达的自动驾驶生态圈，将采用英伟达的 Drive AGX 计算平台以及相应的配套软件。
小马智行将会基于 Drive AGX Pegasus 计算平台打造全新一代 Robotaxi 车型。
此前，小马智行已经拿到了丰田的 4 亿美金投资，不知道其全新一代 Robotaxi 会不会基于丰田旗下车型打造。
美国的电动汽车初创公司 Canoo 推出了一款专门用于共享出行服务的电动迷你巴士，计划在 2021 年下半年投入生产。
为了实现辅助驾驶的系列功能，这款车型会搭载英伟达 Drive AGX Xavier 计算平台。前不久，Canoo 还和现代汽车达成合作，要携手开发电动汽车平台。
作为全球新造车圈内比较特殊存在的法拉第未来，这一次也加入到了英伟达的自动驾驶生态圈。
FF 首款量产车 FF91 上的自动驾驶系统将基于 Drive AGX Xavier 计算平台打造，全车搭载了多达 36 颗各类传感器。
法拉第未来官方称 FF91 有望在今年年底开始交付，不知道届时会不会再一次跳票。
作为 GPU 领域绝对霸主的英伟达，在高算力的数据中心 GPU 以及高性能、可扩展的自动驾驶计算平台的加持下，已经建起了一个完整的集数据收集、模型训练、仿真测试、远程控制和实车应用的软件定义的自动驾驶平台，实现了端到端的完整闭环。
同时，其自动驾驶生态圈也在不断扩大，包括汽车制造商、一级供应商、传感器供应商、Robotaxi 研发公司和软件初创公司在内的数百家自动驾驶产业链上的企业已经在基于英伟达的计算硬件和配套软件开发、测试和应用自动驾驶车辆。
未来，在整个自动驾驶产业里，以计算芯片为核心优势，英伟达的触角将更加深入，有机会成为产业链条上不可或缺的供应商。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑷ teala v 100用什么cpu

NVIDIA Tesla V100计算卡采用的是Volta（伏特）架构的GV100核心，这个其实是GPU核心或者说是计算核心，并不是“CPU”。

NVIDIA对该数据中心GPU的介绍：

NVIDIA Tesla V100 Tensor Core 是极其先进的数据中心 GPU，能加快 AI、高性能计算 (HPC) 和图形技术的发展。其采用 NVIDIA Volta 架构，并带有 16 GB 和 32GB 两种配置，在单个 GPU 中即可提供汪档高达 100 个 CPU 的性能。如今，数据科学家、研究人员和工程师可以减少优化内存使用率的时间，从而将更多时间用于设计下一项 AI 突破性作品。

主要描述：

Tesla V100是基于Volta架构的产品，内建5120个CUDA单元，核心频率为1455MHz，搭载16GB HBM2显存，单精度浮点性能15 TFLOPS，双精度浮点7.5 TFLOPS，显存带宽900GB/s。

此外，闭槐Tesla V100还增加与深度学习高轿陵友度相关的Tensor单元，Tensor性能号称可以达到120 TFLOPS，Tesla V100拥有超过210亿个晶体管，核心面积达到了创纪录的815平方毫米，采用台积电的12nmFFN工艺制造。

主要参数：

⑸ 硬科技：一窥NVIDIA“真正人工智能”Volta的执行单元细节

毕竟是享有IEEE这响亮品牌“加持”的研讨会，加上坐在台下的听众多半又不是呆头呆脑的“诸多媒体先进”，诸多在HotChips趁机宣扬国威并现场隔空较劲的晶片厂商，多半都会讲些和技术行销简报“很不一样”的深度内容。

NVIDIA这次公布了“人工智能最佳化”GPU微架构Volta(GV100)的执行单元细节，颇有看头磨御好，平日很难得看到绘图晶片厂商愿意打开“黑盒子”给大家品头论足，尤其是扮演着GPU关键灵魂，也就是NVIDIA从Fermi一路改名SMSMXSMM再改回SM的“多执行绪SIMD(或SIMT)处理器”，过去大家都在乱猜一通，现在总算有机会一窥其庐山真面目。

“分而治之”的NVIDIA产品发展策略

如果今天要笔者马上评论“为何NVIDIA可以在高阶绘图市场压倒AMD”，唯一可勉强挤出的大概也只有一句话：NVIDIA集中足够的资源，采取分散风险的多样化产品研发计画，而不像同时经营CPUGPU两条战线、蜡烛两头烧的AMD，被迫鸡蛋都放在同一个篮子内。

在2013年的NVIDIA时程表瞎铅，原本Maxwell要直接演进到Volta。

但2014年，在Volta前就多出一个Pascal了。

所以2016年“泛用”的Pascal，2017年“专用”的Volta，打破了NVIDIA两年推出一个崭新微架构的节奏，搞不好NVIDIA以后的“钟摆”就以一年为期，也说不定。

以事后诸葛的角度回顾NVIDIA“小步快跑”的决定，一点都不让人感到意外，因为Volta的确是NVIDIA史上第一个真正针对人工智能量身订做、兼顾“学拆野习/训练”与“推论/预测”的微架构。

逐步深入、抽丝剥茧Volta微架构的SM细节

Volta的单一SM规划和“前前代”Maxwell雷同，切成四块“次核心(Sub-Core)”。其实图中少画了载入储存单元，但好像也无关紧要了。

四块次核心共用L1指令快取、L1资料快取(与材质和区域共享记忆体共用128kB容量，NVIDIA宣称这样比较有弹性)、与晶片共用的记忆体子系统(6MB第二阶快取和12GBHBM2主记忆体)。

每个次核心单一时脉执行一个由32执行绪组成的“Warp”，想的简单一点，一个Warp就代表画面上的一个小方格。

次核心内的执行单元就是重头戏了，Volta包含五种截然不同的独立运算功能，这让它能够在众多GPU中鹤立鸡群。

32位元浮点(FP32)：16组，“CUDACore”的同义词，如执行16位元半精度，输出率将会倍增。特殊运算(MUFU)：4组，特殊功能单元，负责平方根、倒数、sine和cosine等三角函数。64位元浮点(FP64)：8组，高效能运算必备品，消费市场就 *** 或着根本看不到。整数运算(INT)：16组，人工智能一定用得到，看看Google第一代TPU就知道了。张量运算核心(TensorCore)：2组，执行4x416位元浮点乘积和，适用于特征辨识的卷积运算(ConvolutionalNeuralNeork，CNN)。

值得注意的是，为了确保执行单元随时有指令可跑，次核心具备“L0”指令快取。

一颗GV100有640个TensorCore：每个次核心2个x4个次核心x80个SM=640个。

可理可证，GV100有5120个CUDAcore，Fermi完全体GF110的整整“十倍”，时间过得真快。

最后，也是最重要的，Volta可实现更精细的执行绪执行资源管理，每个Warp的32执行绪，都有其个别独立的程式计数器(ProgramCounter)，更利于多工与虚拟化应用。

无所不备则无所不寡

Volta(GV100)这些补强，特别像独立的64位元浮点单元、独立的整数运算单元、与为了强化推论(Inference)而生的16位元浮点乘积和张量(Tensor)运算单元“TensorCore”，都是对一般游戏娱乐或高效能运算而言，敬谢不敏的化外之民，即使Pascal后期型号(GP102/GP104/GP106)也追加了对8位元短整数的支援性，但仍看不到Volta的车尾灯，而那时的AMD，大概只能仆在马路上，背后深深烙印着两条被NVIDIA活活辗过的轮胎痕。

同样的“分工”精神，也早已成为NVIDIA自“让GPU更接近泛用CPU”的Fermi微架构为起点，产品规划的重要特色：具备高效能64位元浮点运算的高阶应用，都会有专属的大型化晶粒，像GF100、GF110、GK110、GK210、GP100、GV100等(Maxwell世代没这样搞，算是特例)，以免消费市场压根儿不需要的“外挂”，伤害产品竞争力，如不必要的多余制造成本与耗电量等。

很不幸的，就刚好就是AMD的弱点，想要单一设计面面俱到，下场就是两边都顾不到，Vega就是很好的血淋淋例证。疑？怎么又让笔者想起Fusion了？