图形帝国的根基：英伟达前CUDA时代的GPU技术演进与市场定位

1999年，当微软发布DirectX 7.0并首次将硬件变换与光照（Hardware Transform & Lighting, T&L）作为强制标准时，图形处理单元（GPU）的命运发生了根本性转折。英伟达凭借GeForce 256率先实现这一功能，不仅重新定义了显卡的性能标杆，更悄然将GPU从单纯的“图形加速器”推向了“可编程并行处理器”的临界点。这一转变看似服务于实时3D游戏的画质提升，实则埋下了未来十年颠覆计算范式的种子。理解英伟达今日在AI算力领域的绝对霸权，必须回溯至其前CUDA时代（1993-2006年）的技术演进与市场博弈——这段历史并非简单的产品迭代史，而是一部关于架构范式转移、标准权力争夺与生态绑定策略的教科书。英伟达通过三次关键跃迁——从固定功能管线到可编程着色器、从像素渲染到统一计算架构、从硬件销售到开发者生态统治——逐步构建了其图形帝国的根基。这些奠基性工作不仅使其在PC graphics时代击退3dfx、超越ATI，更意外地为GPU通用计算（GPGPU）铺平了道路，最终在CUDA发布后引爆AI革命。本章将深入芯片微架构、软件栈与产业联盟的交汇点，揭示英伟达如何在一场看似只为游戏玩家服务的技术竞赛中，悄然捕获了未来算力世界的规则制定权。

1.1 创业与崛起：硬件加速时代的战略卡位（1993-1999）

1993年，当黄仁勋与克里斯·马拉科夫斯基、柯蒂斯·普里姆共同创立英伟达时，PC图形市场正处于混沌状态。IBM的VGA标准已无法满足日益增长的2D/3D需求，而 specialized 图形加速卡市场由3dfx Interactive的Voodoo系列、ATI的Mach系列以及Rendition的Vérité系列主导。英伟达的首款产品NV1（1995年）是一款支持二次曲面贴图的2D/3D加速卡，其独特架构未能赢得市场青睐，但团队由此深刻认识到：图形市场的本质是标准与生态的博弈，而非单纯硬件性能竞赛。这一认知直接影响了其后续战略——必须与操作系统和API标准深度绑定。

1997年发布的RIVA 128（NV3）成为英伟达首个成功产品。它采用0.35μm工艺，集成100万个晶体管，首次在单芯片中实现2D、3D和视频加速。其核心创新在于第一代硬件加速变换与光照（T&L）引擎的雏形——虽非完全可编程，但通过固定函数单元处理顶点坐标变换和基础光照计算，将CPU从繁重的几何运算中解放。在DirectX 5.0和OpenGL 1.1时代，RIVA 128以50美元的低价（竞品普遍150美元以上）配合出色的驱动程序，迅速占领主流市场。这一策略凸显英伟达的核心竞争逻辑：通过成本控制与标准兼容性打开市场，而非追求技术超前。

1999年发布的GeForce 256（NV10）则标志着GPU概念的正式诞生。其采用0.22μm工艺，集成2300万个晶体管，核心频率120MHz。GeForce 256引入了革命性的硬件T&L引擎，能够每秒处理1500万-2000万个三角形（竞品如ATI Rage 128 Pro依赖CPU进行T&L）。技术细节上，其T&L单元包含：

• **顶点变换流水线**：4路并行几何处理器，支持模型视图矩阵、投影矩阵的硬件乘法。
• **光照计算单元**：实现Phong光照模型的固定函数实现，支持最多8个光源。
• **裁剪与投影**：视锥体裁剪、透视除法的硬件加速。

性能对比数据极具说服力：在《Quake III Arena》测试中，GeForce 256搭配Pentium III 500MHz CPU的帧率比当时主流Riva TNT2（无硬件T&L）高出70%以上。这一优势直接催生“GPU”术语的普及——NVIDIA市场部门将GeForce 256宣传为“世界上第一款GPU”，强调其将图形处理从CPU卸载到专用芯片的范式转变。

然而，GeForce 256的架构本质仍是固定功能流水线。其渲染管线由严格定义的阶段组成：顶点输入 → 硬件T&L → 图元装配 → 光栅化 → 纹理映射 → 像素输出。每个阶段的功能由芯片物理电路固定，开发者无法修改。这种设计虽优化了主流游戏性能，但严重限制了特效创新。例如，当时流行的《古墓丽影》系列依赖固定光照模型，无法实现动态阴影或高级材质效果。市场对此的回应是：1999年，微软在DirectX 8.0预览中首次提出可编程着色器概念，预示着下一场革命即将到来。

1.2 固定功能渲染管线的技术巅峰与内在局限

固定功能渲染管线（Fixed-Function Rendering Pipeline）是1990年代图形硬件的标准设计哲学。其核心思想是：将图形渲染流程分解为硬件预定义的不可变阶段，每个阶段执行特定数学运算，开发者仅能通过状态寄存器调整参数（如光照系数、纹理混合模式），而无法改变算法本身。以GeForce 256为例，其管线可细分为：

1. 顶点处理器：接收CPU传来的顶点坐标（x,y,z,w），应用模型矩阵、视图矩阵、投影矩阵进行变换，计算屏幕坐标和深度值。支持最多6个光源的漫反射/镜面反射计算，但光照公式固定为$I = k_a + \sum_{i=1}^{n} (k_d \cdot (L_i \cdot N) + k_s \cdot (R_i \cdot V)^p)$，其中指数p（高光强度）仅支持整数幂。 2. 图元装配与裁剪：将顶点组装为三角形，进行视锥体裁剪。 3. 光栅化器：将三角形转换为像素片段（fragment），计算重心坐标。 4. 纹理单元：执行固定纹理映射，支持双线性过滤、三线性过滤、各向异性过滤，但纹理混合模式仅限预设组合（如 modulate、add、blend）。 5. 像素操作单元：进行深度测试、模板测试、Alpha混合，最终写入帧缓冲。

这种架构的优势在于硬件高度优化，能效比极高；驱动程序简单，游戏开发商无需关心底层实现。但其根本局限在1998-1999年逐渐暴露：

• **创意束缚**：开发者无法实现非标准光照模型（如次表面散射、基于物理的渲染）。例如，《半条命》虽使用硬件T&L，但水面反射效果依赖伪造的纹理贴图，而非真实反射计算。
• **性能瓶颈**：固定阶段无法根据场景复杂度动态调整。复杂场景中，光栅化单元可能闲置，而纹理单元过载，但资源无法重新分配。
• **扩展性差**：新图形特性需硬件重新设计。当DirectX 7.0要求硬件T&L时，无此功能的显卡（如Riva TNT2）只能通过软件模拟，性能暴跌。

1999年的行业会议（如SIGGRAPH）上，图形学研究者已呼吁可编程性。例如，微软的Lasse Pedersen提出“可编程像素流水线”概念，允许开发者用类似汇编的指令控制像素处理。这一方向与英伟达的长期战略意外契合——可编程性不仅是图形需求，更是将GPU转化为通用并行计算平台的唯一路径。GeForce 3（NV20，2001年）的发布，正是英伟达对这一趋势的回应。

1.3 可编程着色器架构的范式转变：从GeForce 3到G80

2001年2月，英伟达发布GeForce 3（NV20），这是业界首款支持可编程顶点着色器（Vertex Shader）和可编程像素着色器（Pixel Shader，当时称“纹理着色器”）的消费级GPU。其采用0.15μm工艺，集成5700万个晶体管，核心频率200MHz。技术突破体现在：

1.3.1 可编程顶点着色器：几何处理的解放

GeForce 3的顶点处理器不再执行固定变换，而是加载顶点着色器程序（一组指令），由开发者自定义顶点变换、蒙皮、变形等操作。其指令集基于DirectX 8.0的Shader Model 1.1，特点包括：

• 4路并行向量处理器（每个处理4分量浮点数），支持加、乘、乘加、点积、对数等128条指令。
• 寄存器文件：12个通用寄存器（每个4×32位浮点）、12个常量寄存器。
• 示例代码：实现简单的骨骼蒙皮

``` dp4 oPos.w, v0, c[0] ; 矩阵乘法 w分量 dp4 oPos.x, v0, c[1] ; x分量 dp4 oPos.y, v0, c[2] ; y分量 dp4 oPos.z, v0, c[3] ; z分量 mad oD0.xyz, v1, c[4], c[5] ; 计算光照 ``` 此代码将顶点v0与矩阵c[0-3]相乘得到位置，并用v1（法线）计算光照存入oD0。

1.3.2 可编程像素着色器：片段的艺术

GeForce 3的像素着色器支持1.1版本，允许开发者编写程序控制每个像素的最终颜色。关键特性：

• 4纹理单元，但纹理采样与颜色计算可编程组合。
• 指令限制：最多6条纹理指令+8条算术指令，总计14条。
• 首创**多渲染目标（MRT）** 雏形，允许同时输出到多个颜色缓冲（但DirectX 8.0未完全支持）。

实践案例：2002年游戏《Doom III》使用像素着色器实现动态光影。其“延迟渲染”管线依赖像素着色器将几何信息（位置、法线、材质）写入G-Buffer，后续光照阶段通过读取G-Buffer计算最终颜色。若无可编程像素着色器，此技术无法在实时渲染中实现。

1.3.3 架构演进：从分离到统一

GeForce FX（NV30，2003）引入Shader Model 2.0，延长指令数（至160条），支持动态流控制（if/else、循环），但顶点着色器与像素着色器仍物理分离，导致资源利用不均——复杂顶点处理时像素单元闲置，反之亦然。2006年的G80（GeForce 8800）完成终极范式转变：

• **统一着色器架构（Unified Shader Architecture）**：所有着色器单元（顶点、几何、像素、计算）共享同一组流处理器（Stream Processors）。
• 技术细节：G80包含128个流处理器，运行在1.35GHz，每个周期可执行1条标量指令。通过线程调度器动态分配任务，资源利用率从分离架构的60%提升至90%以上。
• 引入**几何着色器**（Shader Model 4.0），允许在GPU上生成新几何体（如细分曲面、粒子系统）。

这一架构的深远意义远超图形领域：统一着色器本质是通用SIMD（单指令多数据）处理器，其编程模型（CUDA前身）已具备并行计算雏形。2006年G80发布时，英伟达内部已启动CUDA项目，正是基于“流处理器可执行任意计算任务”的洞察。

1.4 标准绑定与生态构建：DirectX/OpenGL联盟的战略意义

英伟达的制胜关键并非仅靠硬件创新，更在于对图形API标准的精准把控与生态绑定。其策略可概括为：“第一时间支持新标准，并将新标准特性转化为硬件优势”。

4.1 DirectX联盟：与微软的深度协同

自1996年RIVA 128成为首款支持DirectX 5.0的消费卡起，英伟达即与微软建立紧密合作。关键节点：

• **DirectX 7.0（1999）**：强制硬件T&L。英伟达GeForce 256率先支持，并推出“DirectX认证”标签，使不支持硬件T&L的ATI Rage 128 Pro在营销上陷入被动。
• **DirectX 8.0（2000）**：引入可编程着色器。英伟达GeForce 3/4 Ti同步支持，并发布**NVEffects SDK**，提供着色器示例代码，降低开发者门槛。
• **DirectX 9.0（2002）**：Shader Model 2.0/3.0。英伟达GeForce FX/6系列支持，但早期NV30因浮点精度问题（像素着色器仅使用16位浮点）在《Half-Life 2》中表现不佳，导致市场份额被ATI Radeon 9700（支持真32位浮点）侵蚀。此教训促使英伟达后续在精度上严格对标标准。

战略价值：DirectX是Windows平台唯一官方API，游戏开发商必须适配。英伟达通过： 1. 提前提供开发硬件：向微软和主要工作室提前数月提供工程样品。 2. 驱动优化优先：新游戏发布时，英伟达驱动常率先通过微软WHQL认证。 3. 营销协同：联合微软进行“为DirectX优化”宣传，如“GeForce：为Windows XP游戏而生”。

4.2 OpenGL生态：专业市场与跨平台布局

在专业可视化（CAD、DCC）领域，OpenGL是事实标准。英伟达通过Quadro系列（基于相同GPU但驱动优化）垄断工作站市场。其策略：

• **驱动认证**：与Autodesk、Adobe等软件商联合认证，确保Maya、3ds Max等软件在Quadro上性能最优。
• **扩展支持**：积极推动OpenGL扩展（如NV_texture_shader、NV_fragment_program），使专业软件能提前使用新特性。
• **Linux支持**：早期即提供稳定Linux驱动，抢占科学计算市场（如天体物理模拟）。

4.3 开发者关系：从SDK到GPU Gems

1990年代末，英伟达建立开发者关系团队，核心举措：

• **免费SDK分发**：NVSDK（后称NVIDIA SDK）包含示例代码、性能分析工具（NVPerfHUD）、着色器编译器。
• **技术文档开放**：公开GPU微架构白皮书（如《GeForce 3 Architecture》），吸引学术研究。
• **GPU Gems系列（2004年起）**：汇集图形学前沿技术，将英伟达塑造为“图形知识中心”。

这些措施使英伟达从硬件供应商升级为平台定义者。游戏开发者主动适配其硬件特性，形成“英伟达优化”的良性循环。例如，《孤岛危机》（2007）虽发布在CUDA之后，但其图形引擎已深度依赖G80的流处理器并行能力——这种依赖源于前CUDA时代建立的开发习惯。

1.5 竞争格局演变：击退3dfx、超越ATI的产业博弈

英伟达的崛起伴随激烈竞争，其策略始终围绕技术迭代速度、标准绑定与成本控制三维展开。

5.1 终结3dfx：收购与专利战

3dfx曾以Voodoo系列统治1996-1998年市场，其SLI（Scan-Line Interleave）多卡技术领先。但3dfx犯下致命错误：

• **封闭生态**：Voodoo仅支持Glide API，拒绝全面支持DirectX/OpenGL。
• **架构僵化**：Voodoo 5仍为固定功能管线，无法支持DirectX 7的硬件T&L。

英伟达则采取： 1. API全面兼容：RIVA TNT2同时支持DirectX 6.0、OpenGL和Glide（通过驱动模拟）。 2. 专利布局：围绕T&L、多重纹理等申请专利，2000年起诉3dfx侵权，迫使对方支付许可费。 3. 收购清场：2000年，英伟达以7000万美元收购濒临破产的3dfx资产（包括SLI专利），彻底消除竞争对手。此收购不仅获得技术，更将SLI从“多卡拼接”演进为“负载均衡”，为日后多GPU计算奠基。

5.2 超越ATI：架构路线之争

ATI是英伟达最持久的对手。1999-2006年，两者竞争呈现不同哲学：

• **ATI**：早期技术激进。Radeon 9700（2002）率先支持DirectX 9.0/Shader Model 2.0，采用128位浮点精度，赢得《Half-Life 2》首发优化。
• **英伟达**：侧重生态整合。GeForce FX（2003）虽因浮点精度问题失利，但通过**NV40（GeForce 6800，2004）** 扳回局面：支持Shader Model 3.0，增加动态流控制，并推出**High Dynamic Rendering（HDR）** 技术。

关键转折出现在2005-2006年：

• ATI被AMD收购（2006），资源分散。
• 英伟达G80（2006）提前发布统一着色器架构，而AMD的R600（Radeon HD 2900）延迟且功耗失控。
• 英伟达推出**PureVideo**（硬件视频解码）和**SLI**双卡技术，拓展GPU应用场景。

市场数据佐证：2006年Q4，英伟达独立显卡市场份额达55%，ATI/AMD占38%，其余为S3、Matrox等。此优势不仅来自性能，更源于游戏厂商的“英伟达优先优化”惯例——多数游戏发布时先提供英伟达驱动优化补丁。

1.6 承前启后：前CUDA时代如何为AI转型埋下伏笔

前CUDA时代的技术演进，实则为GPU通用计算埋下三重伏笔：

伏笔一：可编程性的本质是并行性暴露 固定功能管线时代，GPU的并行性被隐藏；可编程着色器强制开发者以数据并行思维编写代码（同时处理百万像素/顶点）。G80的统一架构进一步抽象了硬件细节，使“流处理器”成为可调度的计算单元。2003年，斯坦福大学Ian Buck等人已通过BrookGPU项目证明：将C语言扩展为流式模型，可让GPU运行非图形算法（如矩阵乘法）。英伟达内部团队观察到这一趋势，意识到着色器模型与通用计算的兼容性。

伏笔二：生态绑定创造开发者惯性 通过DirectX/OpenGL绑定，英伟达积累了百万级图形开发者。这些开发者熟悉GPU编程模型（寄存器、线程、内存层次），当CUDA于2006年发布时，迁移成本极低。事实上，早期CUDA程序员多为游戏开发者转型——他们已掌握并行算法思维，仅需学习新API（如`__global__`函数、共享内存）。

伏笔三：硬件迭代培养“性能敏感”市场 PC游戏市场每年要求帧率提升20%，迫使英伟达持续提高晶体管密度与能效。这种“军备竞赛”意外使GPU成为单位功耗算力最高的商用芯片。2006年，G80的1.35 TFLOPS（单精度）已远超同期CPU（如Intel Core 2 Duo约15 GFLOPS）。当AI训练需求爆发时，英伟达无需重新设计芯片，只需将现有并行架构稍作调整（如增加双精度支持）即可适配。

历史证明，英伟达的AI霸权并非2006年CUDA发布时的灵光乍现，而是1993-2006年技术路线、生态策略与标准博弈的必然产物。其图形帝国的每一块基石——从硬件T&L到统一着色器，从DirectX绑定到开发者社区——最终都成为算力引擎的燃料。当深度学习的反向传播算法需要大规模矩阵运算时，英伟达发现：自己早已为这一刻准备了13年。

1993年，当黄仁勋与克里斯·马拉科夫斯基、柯蒂斯·普里姆在圣何塞的一家咖啡馆勾勒商业计划时，个人电脑的图形能力仍停留在IBM VGA标准的二维时代。3D游戏如《毁灭战士》虽已兴起，但依赖CPU进行软件光栅化，帧率常低于10fps。图形加速卡市场由3dfx Interactive的Voodoo