Архитектуры видеокарт

Видеокарты — это сердце современных компьютерных систем, отвечающее не только за вывод изображения на экран, но и за выполнение сложнейших вычислений в играх, трёхмерном моделировании, искусственном интеллекте и научных расчётах. Их архитектура определяет производительность, энергоэффективность, масштабируемость и возможности взаимодействия с другими компонентами системы. Понимание того, как устроены графические процессоры, позволяет принимать осознанные решения при выборе оборудования, оптимизации программного обеспечения и проектировании высокопроизводительных решений.

Эволюция архитектур видеокарт: от 2D к параллельным вычислениям

Первые видеокарты были простыми контроллерами, преобразующими цифровые данные в аналоговый сигнал для мониторов. Они не обладали собственной вычислительной мощью и работали строго по командам центрального процессора. Всё изменилось в конце 1990-х, когда появились GPU с аппаратной поддержкой 3D-рендеринга. NVIDIA GeForce 256, представленная в 1999 году, стала первой, кто получил титул «графического процессора» — устройства, способного выполнять геометрические преобразования и текстурирование независимо.
С тех пор архитектура видеокарт прошла путь от специализированных графических чипов до универсальных параллельных процессоров. Современные GPU выполняют миллиарды операций в секунду, не только рендеря игры, но и обучая нейросети, проводя физическое моделирование и обрабатывая большие массивы данных. Это стало возможным благодаря переходу от фиксированных конвейеров к программируемым шейдерам.
Ранние архитектуры, такие как ATI Radeon R300 или NVIDIA NV40, заложили основы современного подхода: разделение функций между вершинными, пиксельными и геометрическими шейдерами. Но настоящий прорыв случился с появлением унифицированных шейдерных архитектур. Вместо жёстко закреплённых блоков, теперь ядра могли динамически перераспределяться между задачами — будь то расчёт освещения или обработка геометрии.

От fixed-function к полностью программируемому GPU

Fixed-function pipeline (фиксированный конвейер) был ограничен: каждый этап обработки изображения — от преобразования координат до наложения текстур — выполнялся на специализированном аппаратном блоке. Программисты не могли влиять на логику этих этапов. Переход к программируемым шейдерам дал разработчикам свободу создавать уникальные визуальные эффекты.
DirectX 10, выпущенный в 2006 году, стал поворотной точкой: он требовал поддержки унифицированных шейдеров. Именно тогда NVIDIA представила архитектуру G80, а AMD — TeraScale. Эти изменения позволили GPU адаптироваться под нагрузку, а не просто следовать жёсткому алгоритму. Сегодня этот принцип лежит в основе всех графических API: Vulkan, DirectX 12, Metal.

Ключевые компоненты графического процессора

Чтобы понять, как работает видеокарта, нужно разобрать её на составляющие. Каждый элемент влияет на общую производительность, и игнорирование одного из них может привести к узким местам.
Графический процессор (GPU die) — это микросхема, содержащая миллиарды транзисторов. Он отвечает за выполнение шейдерных программ, управление потоками и синхронизацию задач. Современные GPU, такие как NVIDIA AD102 или AMD Navi 31, имеют более 70 млрд транзисторов и изготавливаются по нормам 5–4 нм.
Память (VRAM) — второй по важности компонент. Она хранит текстуры, буферы кадров, геометрию и данные для вычислений. Тип памяти (GDDR6, GDDR6X, HBM2/3) напрямую влияет на пропускную способность. Например, HBM3 достигает скорости до 819 ГБ/с, что в 2–3 раза выше, чем у GDDR6X.
Шина PCIe соединяет видеокарту с материнской платой. Версии PCIe 4.0 и 5.0 удваивают пропускную способность по сравнению с предыдущими поколениями. Однако в большинстве игровых сценариев узкое место — не шина, а внутренняя пропускная способность GPU.
Тепловая система охлаждения (радиатор, теплотрубки, вентиляторы) критична для стабильной работы. Перегрев приводит к троттлингу — снижению частот и, как следствие, падению FPS. Современные карты используют сложные схемы, включая испарительные камеры и даже водяное охлаждение.

Как взаимодействуют компоненты

Представьте, что вы запускаете игру. CPU отправляет команды через PCIe на GPU. Тот загружает необходимые данные в VRAM, активирует тысячи потоковых процессоров и начинает рендерить кадр. Шейдеры рассчитывают освещение, тени, постобработку. Результат передаётся на дисплей через HDMI или DisplayPort. Этот процесс повторяется 60, 120 или даже 240 раз в секунду.
Любой сбой в цепочке — медленная память, перегрев, узкая шина — замедляет всю систему. Оптимальная архитектура балансирует все эти компоненты.

Архитектура NVIDIA: от Tesla до Blackwell

NVIDIA — лидер рынка дискретных GPU, и её архитектурная эволюция демонстрирует чёткий вектор развития: от графики к универсальным вычислениям.
Tesla (2006–2010) — первая архитектура с унифицированными шейдерами. Она легла в основу CUDA, технологии, позволившей использовать GPU для научных и инженерных задач. Tesla GTX 280 имела 240 потоковых процессоров и поддерживала DirectX 10.
Fermi (2010) усилила вычислительную сторону: добавила кэш L1/L2, поддержку ECC-памяти и улучшенный планировщик. Хотя Fermi была энергозатратной, она стала основой для профессиональных решений Quadro и Tesla.
Kepler (2012) сделала ставку на энергоэффективность. Улучшенная микроархитектура позволила увеличить количество ядер при меньшем TDP. Серия GTX 600 и 700 стала популярной среди геймеров и майнингового сообщества.
Maxwell (2014) принесла революцию в эффективность. Прирост производительности на ватт составил до 40%. Архитектура оптимизировала работу SM (Streaming Multiprocessor), уменьшила задержки и увеличила пропускную способность памяти.
Pascal (2016) впервые использовала GDDR5X и поддержку DirectX 12. GTX 1080 Ti стала эталоном производительности. Pascal также активно использовалась в дата-центрах — появились модули Tesla P100 с HBM2.
Turing (2018) — первый шаг в сторону трассировки лучей. RT-ядра ускоряли расчёт пересечений лучей, а Tensor-ядра — операции ИИ. DLSS (Deep Learning Super Sampling) позволил повышать FPS с помощью нейросетей. RTX 2080 Ti стала первой потребительской карточкой с поддержкой ray tracing.
Ampere (2020) улучшила все аспекты: больше ядер, быстрая GDDR6X, второе поколение RT и Tensor-ядер. A100 для дата-центров стал основой для ИИ-инфраструктуры.
Hopper (2022) и Blackwell (2024) — это уже не видеокарты, а процессоры для суперкомпьютеров. H100 имеет 80 млрд транзисторов, поддерживает FP8, Transformer Engine и достигает 2000 ТFLOPS в AI-задачах. Blackwell GB200 — это связка двух GPU с интерфейсом NVLink, обеспечивающим пропускную способность до 1,8 ТБ/с.

AMD RDNA: революция в энергоэффективности

AMD долгое время находилась в тени NVIDIA, предлагая более доступные, но менее эффективные решения. Всё изменилось с выходом архитектуры RDNA в 2019 году.
RDNA заменила старую TeraScale, которая казалась устаревшей после Maxwell и Pascal. Новая архитектура перешла от VLIW-подобной структуры к SIMD-массивам с улучшенным планированием. Это позволило повысить IPC (инструкций на такт) на 25% при том же техпроцессе.
RDNA 2 (2020) добавила аппаратную поддержку трассировки лучей, конкурент DLSS — FidelityFX Super Resolution (FSR), и улучшенную энергоэффективность. Карточки серии RX 6000 стали серьёзным вызовом NVIDIA. RX 6800 XT превзошла RTX 3080 в некоторых играх, а RX 6900 XT — в 4K.
RDNA 3 (2022) — первая GPU-архитектура с чиплет-дизайном. Compute Die (ядра) и I/O Die (память, PCIe) разделены физически и соединены через Infinity Fabric. Это позволило использовать разные техпроцессы: 5 нм для ядер, 6 нм для I/O. Результат — рекордная плотность транзисторов (58 млрд) и снижение стоимости производства.
Но есть и проблемы. Узкое место RDNA 3 — память: 256-битная шина при 16 ГБ GDDR6 даёт пропускную способность 576 ГБ/с, что меньше, чем у RTX 4090 (1008 ГБ/с). Кроме того, отсутствие полноценного конкурента DLSS ограничивает преимущество в новых играх.

Будущее: RDNA 4 и RDNA 5

Ожидается, что RDNA 4 (2025) сделает акцент на AI-функциях и улучшенной FSR 4.0. Возможно, появятся отдельные AI-ядра, аналогичные Tensor-ядрам NVIDIA. RDNA 5 (2026–2027) может перейти на 3-нм техпроцесс и использовать HBM3, что решит проблему пропускной способности.
AMD также инвестирует в программную экосистему: ROCm (аналог CUDA) становится всё более стабильной, что открывает путь для использования AMD GPU в ИИ и научных вычислениях.

Intel Arc и новый игрок на рынке

Intel вошла на рынок дискретных GPU с опозданием, но с амбициями. Архитектура Xe, лежащая в основе Arc, делится на несколько уровней: Xe-LP (для мобильных устройств), Xe-HPG (игровые GPU), Xe-HPC (суперкомпьютеры).
Arc A750 и A770 (2022) показали, что Intel способна конкурировать. При цене ниже, чем у аналогов от NVIDIA и AMD, они предлагают хорошую производительность в DirectX 12 и Vulkan. Поддержка AV1-энкодинга — одно из главных преимуществ: качество видео выше, а размер файлов — меньше.
Однако драйверы остаются слабым местом. Ранние версии страдали от нестабильности, плохой оптимизации и отсутствия поддержки старых игр. С 2024 года ситуация улучшилась: регулярные обновления, FSR 3 с поддержкой Frame Generation, совместимость с большинством AAA-проектов.
Intel делает ставку на открытые стандарты: Vulkan, oneAPI, DP4a — это привлекает разработчиков, уставших от проприетарных решений NVIDIA.

Память и пропускная способность: почему они критичны

Даже самый быстрый GPU будет простаивать, если не сможет быстро получать данные. Пропускная способность памяти — один из ключевых факторов производительности.
Рассмотрим пример: игра в 4K с текстурами HDR и высокой детализацией. Один кадр может занимать более 1 ГБ данных. Если шина памяти не успевает передавать данные, GPU ждёт — и FPS падает.
GDDR6 — текущий стандарт для потребительских карт. Скорость до 18 Гбит/с на контакт, шина 256–384 бит. GDDR6X (используется в RTX 30/40) — до 21–24 Гбит/с, но с повышенным энергопотреблением.
HBM (High Bandwidth Memory) — альтернатива. Располагается рядом с GPU в виде 3D-стека. HBM3 достигает 3,2 Гбит/с на контакт и общей пропускной способности до 819 ГБ/с. Но цена и сложность производства делают её непрактичной для массовых решений.

Выбор памяти зависит от задач. Для игр достаточно GDDR6X. Для ИИ, машинного обучения и HPC — только HBM.

Параллельные вычисления и роль CUDA-ядер

Центральный процессор оптимизирован под последовательные задачи: он имеет 4–16 ядер, каждое из которых умеет быстро выполнять сложные инструкции. GPU — наоборот: тысячи простых ядер, работающих параллельно.
CUDA-ядра (в терминологии NVIDIA) — это базовые вычислительные единицы, выполняющие потоки шейдерных инструкций. В Ampere — до 18496 ядер в одном GPU. AMD называет их Stream Processors, Intel — Xe-Cores.
Параллелизм позволяет GPU эффективно обрабатывать однотипные операции: например, применение фильтра к каждому пикселю изображения. Вместо 15 миллионов последовательных вызовов CPU, GPU делает это за один такт.
Но не все задачи поддаются параллелизации. Логика игры, физика столкновений, сетевые запросы — всё это остаётся на CPU. Поэтому идеальная система балансирует нагрузку между CPU и GPU.

Производительность в реальных задачах против бенчмарков

Бенчмарки — полезный инструмент, но они не всегда отражают реальную картину. Многие тесты оптимизированы под определённые архитектуры.
Например, 3DMark Time Spy показывает высокие результаты у NVIDIA благодаря оптимизации RT-ядер, хотя в играх без ray tracing преимущество может быть минимальным. Аналогично, некоторые тесты ИИ завышают производительность Hopper из-за специализированных инструкций.
Чтобы получить объективную оценку, используйте:

• Игровые тесты в разрешениях 1080p, 1440p, 4K;
• Реальные сцены, а не циклические демо;
• Мониторинг температуры, частот и энергопотребления;
• Сравнение с аналогичными системами на форумах (например, Reddit, TechPowerUp).

Также учитывайте программную экосистему: DLSS работает только на NVIDIA, FSR — на всех, но с разным качеством. AV1-энкодинг важен для стримеров.

Экспертное мнение

Вопросы и ответы

Заключение

Архитектура видеокарт — это не просто набор технических характеристик. Это фундамент, определяющий, насколько быстро, эффективно и гибко работает ваша система. От выбора архитектуры зависят не только FPS в играх, но и скорость рендеринга, обучение нейросетей, обработка видео и научные расчёты.
Сегодня мы наблюдаем переход от «чистой графики» к гетерогенным вычислениям. GPU становятся универсальными ускорителями, а их архитектура — предметом инженерного совершенства. NVIDIA ведёт в ИИ, AMD борется за энергоэффективность, Intel пробивает брешь с открытыми стандартами.

• Архитектура видеокарты определяет не только графическую, но и вычислительную производительность.
• NVIDIA лидирует в ИИ и трассировке лучей, AMD — в энергоэффективности, Intel — в AV1 и открытых стандартах.
• Пропускная способность памяти и баланс компонентов важнее «сырых» цифр ядер.
• Выбор должен основываться на задачах: игры, дизайн, программирование, ИИ.
• Будущее — за гетерогенными системами, где GPU, CPU и специализированные ускорители работают вместе.