显卡（GPU）

渲染管线与着色器

现代 GPU 通过统一着色器架构处理顶点、几何、像素三类着色任务——不再是固定数量的专用单元，而是大量可灵活分配的CUDA 核心（英伟达）或流处理器（AMD）。RTX 4090 拥有 16384 个 CUDA 核心，与 RTX 3090 的 10496 核相比性能提升约 60-80%，取决于具体工作负载。

GPU 上还集成了纹理单元（TMU）负责纹理采样，光栅化单元（ROP）负责最终像素输出和混合抗锯齿。显存带宽往往是瓶颈：RTX 4090 的 GDDR6X 显存带宽达 1008 GB/s，4K 高画质游戏中这条管道始终满负荷。[1]

AI 推断与 GPGPU

英伟达从 Pascal 架构（2016年）起引入Tensor Core，专为矩阵乘法加速设计，H100 的 Tensor Core 在 FP8 精度下可达 3958 TFLOPS。这使 GPU 成为 ChatGPT、Stable Diffusion 等 AI 模型训练的不二选择，也催生了 H100 服务器每月租金过万美元的行情。

AMD 的 ROCm 平台是对标 CUDA 的开源竞品，但生态成熟度差距明显——绝大多数深度学习框架默认支持 CUDA，ROCm 版本往往滞后半年以上。