最新11月6日消息，在英伟达GeForce 8800 GTX发布二十周年之际，行业专家回顾了其搭载的G80架构对现代AI计算的奠基性贡献。

这款诞生于2006年的旗舰游戏显卡，通过首次引入统一着色器架构和CUDA技术，打破了图形渲染与通用计算的界限，直接催生了后来的AI深度学习爆发。

2006年前后，PC处理器行业正面临频率触顶的功耗墙难题，英特尔开始转向多核架构，而英伟达则选择了另一条路：将显卡改造成通用的并行计算机器。

要知道8800 GTX当时的首发价格为599美元（约合人民币4270元），它不仅在游戏性能上击败了对手ATI的R600显卡，更重要的是其内部G80芯片彻底改变了图形计算的逻辑。

从硬件规格看，8800 GTX的核心特性是废除了传统的顶点和像素分离管线，转而采用128个统一标量流处理器。

性能方面，该芯片主频为575MHz，着色器频率1350 MHz，配备了768MB GDDR3显存，显存位宽达到了384-bit。

外观上该卡采用了标志性的双槽散热器和黑绿色涂装，也是它率先支持DirectX 10标准，并引入了全局加载/存储功能，这让显卡能够像CPU一样处理任意位置的内存数据。

硬件的革新催生了软件的变革。2007年，英伟达发布了CUDA SDK，让科研人员能够使用类C语言直接编写程序，而无需将数学公式伪装成复杂的图形贴图，也正是这一举措将显卡从一个游戏玩具变成了科研利器。

2012年，改变AI历史的AlexNet神经网络正是基于8800 GTX的后裔，两块GTX 580显卡训练完成的，正式开启了现代大模型时代。

目前英伟达的数据中心业务已成为其核心支柱，而这一路径最早正是由8800 GTX及其衍生产品Tesla C870铺平的。

虽然ATI的Xenos芯片更早使用了统一着色器，且专用AI核心直到2017年才在Volta架构中出现，但G80架构确实奠定了可编程GPU计算的基础。