От 3dfx до нейросетей: эволюция графических процессоров

Первым устройством, которое можно полноценно назвать графическим процессором (GPU), считается чип NVIDIA GeForce 256, выпущенный в 1999 году. Именно тогда термин «GPU» был официально введен в обиход для обозначения чипа с аппаратной поддержкой преобразования координат и освещения (T&L). Однако эволюция началась раньше: от простых 2D-акселераторов 80-х через революцию 3dfx Voodoo к современным универсальным вычислительным монстрам, питающим искусственный интеллект.

Зарождение: от текстового режима к 2D-акселерации

В начале 1980-х годов компьютеры выводили изображение силами центрального процессора. Видеоадаптеры (например, CGA, EGA, VGA в IBM PC) представляли собой простую память (VRAM) и цифро-аналоговый преобразователь. CPU сам рассчитывал положение каждого пикселя, что сильно нагружало систему.

С появлением графических интерфейсов (Windows, Mac OS) и игр потребовалось ускорить операции копирования блоков памяти (BitBLT) и рисования примитивов (линии, прямоугольники). Так появились 2D-акселераторы (например, S3 Trio, ATI Mach64). Они разгрузили CPU при работе с окнами и офисными приложениями, но для трехмерной графики возможностей все еще не хватало.

Революция 3D: эпоха фиксированных конвейеров (1995–1999)

Настоящий прорыв произошел в середине 90-х с ростом популярности 3D-игр (Doom, Quake). Процессоры того времени не справлялись с расчетом перспективы и текстур в реальном времени.

Пионеры 3D-ускорения

• 3dfx Voodoo Graphics (1996): Первая массовая успешная 3D-карта. Она не умела работать с 2D-режимом (требовала отдельной видеокарты для рабочего стола), но обеспечивала невероятную для того времени скорость рендеринга благодаря архитектуре с фиксированными функциями (Fixed Function Pipeline).
• NVIDIA RIVA 128 (1997): Попытка объединить 2D и 3D на одном чипе. Успешная, но еще не идеальная реализация.

В этот период видеокарта была «черным ящиком»: разработчик мог лишь включать или выключать определенные эффекты (фильтрация текстур, Z-буфер), но не мог программировать поведение пикселей.

1999 год: Рождение термина GPU

Компания NVIDIA выпустила чип GeForce 256. Маркетологи и инженеры компании заявили, что это первый в мире «Графический Процессор» (Graphics Processing Unit).

Почему именно он? GeForce 256 первым перенес на аппаратный уровень две критически важные задачи:

1. Transform & Lighting (T&L): Расчет геометрии сцены и источников света. Ранее этим занимался CPU.
2. Аппаратный кубический маппинг окружения.

Это освободило центральный процессор для логики игры и физики, позволив создавать более сложные миры. Вскоре последовали конкуренты: ATI Radeon (первое поколение) и PowerVR.

Эра программируемости: Шейдеры и унифицированная архитектура (2001–2006)

Фиксированный конвейер ограничивал фантазию разработчиков. Если видеокарта не поддерживала определенный эффект, его нельзя было добавить программно.

• DirectX 8 и шейдеры (2000–2001): Появление вершинных (Vertex) и пиксельных (Pixel) шейдеров позволило программистам писать небольшой код, исполняемый непосредственно на GPU. Это дало жизнь эффектам вроде реалистичной воды, кожи и динамического освещения.
• Проблема дисбаланса: Ранние шейдерные модели имели отдельные блоки для вершин и пикселей. Если сцена требовала много геометрии, но мало текстур, пиксельные блоки простаивали, и наоборот.

Решение: Унифицированная шейдерная архитектура (Unified Shaders). Первой массовой архитектурой с унифицированными шейдерами стала NVIDIA GeForce 8800 GTX (2006) на чипе G80. Теперь любые вычислительные блоки могли обрабатывать и вершины, и пиксели, и геометрию. Это стало фундаментом для современных GPU.

GPGPU: Когда видеокарты научились считать (2006–2015)

Инженеры заметили, что массивно-параллельная архитектура GPU идеально подходит не только для графики, но и для научных расчетов, обработки видео и криптографии.

• CUDA (2006): NVIDIA представила платформу CUDA, позволяющую писать программы на C++ для выполнения на видеокарте.
• OpenCL: Открытый стандарт, поддержанный AMD и Intel, для кроссплатформенных вычислений.

Так появилась концепция GPGPU (General-Purpose computing on Graphics Processing Units). Видеокарты начали устанавливать в суперкомпьютерах для моделирования климата, расшифровки генома и обучения первых нейросетей.

Современный этап: Трассировка лучей и ИИ (2018–2026)

С выходом серии NVIDIA RTX (Turing) в 2018 году произошла очередная смена парадигмы.

1. Аппаратная трассировка лучей (Ray Tracing): Вместо растеризации (упрощенного проецирования полигонов) GPU начал отслеживать путь отдельных лучей света. Это дало фотореалистичные отражения и тени, но потребовало огромных ресурсов.
2. Тензорные ядра (Tensor Cores): Специализированные блоки для матричных вычислений, критически важных для глубокого обучения.
3. DLSS и апскейлинг: Использование ИИ для генерации кадров. Видеокарта рендерит изображение в низком разрешении, а нейросеть масштабирует его до 4K, восстанавливая детали. Это позволило компенсировать падение производительности от трассировки лучей.

Конкуренты (AMD с технологиями RDNA и Ray Accelerators, Intel с Arc) также интегрировали эти функции, сделав гибридный рендеринг стандартом индустрии.

Сравнение эпох развития GPU

Частые ошибки в понимании истории GPU

• «3dfx изобрела GPU». Нет, 3dfx создала отличный 3D-ускоритель, но термин и концепцию полноценного процессора с T&L закрепила NVIDIA в 1999 году.
• «Чем больше ядер, тем лучше». Для игр важна не только количество потоковых процессоров, но и архитектура, частота, объем и скорость видеопамяти (VRAM), а также оптимизация драйверов.
• «Игровые карты подходят для серверов ИИ». Не всегда. Серверные решения (например, NVIDIA H100/A100) имеют другую организацию памяти (HBM) и поддержку точности вычислений (FP64), критичную для науки, но избыточную для игр.

FAQ

Какая видеокарта была самой первой? Если говорить о дискретных картах для ПК, то одними из первых были адаптеры IBM MDA и CGA (1981). Но первым именно графическим процессором в современном понимании считается NVIDIA GeForce 256 (1999).

Почему видеокарты стали такими дорогими? С переходом на техпроцессы 5–3 нм и добавлением блоков для ИИ и трассировки лучей сложность чипов выросла экспоненциально. Кроме того, спрос со стороны дата-центров для задач ИИ поднял цены на весь сегмент высоких технологий.

Можно ли использовать игровой GPU для работы с нейросетями? Да, современные игровые карты (особенно NVIDIA RTX серии 30xx и 40xx) отлично подходят для обучения небольших моделей и инференса благодаря поддержке CUDA и тензорных ядер. Однако для больших языковых моделей (LLM) их объема памяти (VRAM) часто недостаточно.

Что дальше: упор на графику или вычисления? Граница стирается. Будущее за гибридными архитектурами, где один чип эффективно обрабатывает графику для метавселенных и одновременно выполняет вычисления для ИИ-ассистентов в реальном времени. Энергоэффективность становится главным приоритетом.