不过，即便980ti再牛，也只是基于上一代麦克斯韦框架的游戏线产品。
真正的重头戏，孟繁岐关注的还是最新的帕斯卡显卡架构，以及这条线的旗舰产品，特斯拉P100。
“三千多个CUDA核心，一百多亿晶体管，最为关键的是，16GB的大显存。”这一款卡，要比泰坦那种炫技堆料产品更加适合搭建计算中心。
【16nm工艺，NVLink显卡内互联技术，半精度CUDA单元，超高的核心频率。】
皮衣男在台上侃侃而谈，英伟达的显卡产品来到一个全新的时代，帕斯卡架构。
这种架构在麦克斯韦的基础上进行了诸多优化，引入了新的硬件单元和架构特性。包括更多的CUDA核心、更快的内存传输速度以及更高的时钟频率，先进的制程工艺和电源管理技术等等。
帕斯卡架构强化了英伟达GPU在高性能计算领域的能力，通过增加半精度计算性能、提升内存带宽和容量等方式，使得这一产品线的显卡成为了处理复杂计算任务和科学计算的强大工具。
这种英伟达用于科学计算解决方案的显卡，基本上都是没有显示输出接口的，纯粹只是用于做科学计算。
相对于普通的GTX乃至后来的RTX游戏显卡，科学计算系列的某些产品甚至连散热器都没有，专门放在无尘机房服务器内，有定制的配套冷却措施。
这张P100象征着一个新时代的开始，此后的V100，A100和H100，都是前世在GPT时代发了大力的。
尤其是A100，基本上一力承担了ChatGPT的训练工作，
【哇...这显卡能拿来玩游戏吗？我看怎么散热和显示接口都没有啊？】
由于孟繁岐的影响，越来越多的人开始关注人工智能领域，其中就不乏很多游戏玩家。
他们知晓显卡是这种新技术的关键基础，因此关注英伟达发布会的人越来越多。
这也是他们第一次注意到，原来英伟达除了他们熟悉的GTX游戏显卡之外，竟然还有这么多其他类型的产品。
【你以为谁都跟你一样，整天玩游戏啊？现在显卡已经是专业计算设备了，我们游戏玩家老黄已经不放在眼里了！】
自从老黄开拓其他产品线以来，很多游戏玩家也有不少意见，觉得现在游戏卡不像以前那样被重视，老黄攀上了人工智能的高枝，看不上游戏这个领域了。
这话不大好听，不过客观来说，英伟达发展到22年左右，游戏市场的确也只能占到总比例的三分之一左右了。
并且，这还只是指GTX和RTX系列产品的利润占比。在购买这些设备的人当中，其实很大一部分的用途也已经不是游戏了。
如此分析的话，很可能游戏用户的占比已经不到2成了。
谁能想到，这一切的变化，黄仁勋在2010年前就已经规划好了呢？
不过这都不是现在老黄最在意的事情，当今之计，黄仁勋最重要的任务是借助自己CUDA平台的提前布局，利用这一大先发优势，与孟繁岐的诸多最新技术做好适配，力求直接垄断AI计算产业。
【...更为引人注目的是，P100显卡引入了NVLink互连技术，这是一项重要的创新。NVLink不仅能够实现多个显卡之间高速的数据传输，还为构建高性能的计算集群提供了强大支持。这使得P100显卡在解决复杂、密集的计算问题时，能够展现出无与伦比的卓越性能。】
目前传统的GTX显卡用PCI-E链接，理论峰值仅为16GB每秒，这对于越来越庞大的人工智能模型和数据来说，还远远不够。
人工智能这样的计算密集型应用程序需要高性能计算单元，但快速访问数据也很关键，因为大量的时间消耗在了等待数据上面。
尤其当某种大型数据需要反复在所有显卡中传播的时候，这会极大地影响模型训练的效率。
也就是说，目前难住孟繁岐的一大瓶颈，是一卡工作八卡围观。
显卡本身的性能甚至都未能成为主要原因，因为交互数据的时候就已经太慢了。
如果10秒钟的时间里，只有2秒钟在进行计算，其余的8秒都在进行数据的等待。那即便你计算速度提升一百倍，也不可能让这个时间少于8秒钟。
必须得要改善设备的吞吐速度，才能解决这样的问题。
而新的帕斯卡架构，将这个数字扩展到了80GB，乃至160GB，因为它支持双向传输。
这就已经是十倍的传输效率提升了。
此外，黄仁勋还实现了大半年前，两人曾经讨论过的半精度支持。
孟繁岐当时在上一届GTC大会后建议黄仁勋，未来的人工智能计算，数据和模型过大，很有可能会偏向半精度的数据类型，因为AI计算并不需要精确到小数点后那么多位。
这项后来成为人工智能计算标准的格式，在旧的麦克斯韦框架上并未得到支持。
如今看来，黄仁勋做得还是相当到位的。
孟繁岐的这个建议，单从理论上就已经提供了2倍的计算速度。
如果考虑到各种传输也会因此减少一般的数据体量，以及新显卡计算单元的专门设计，实际效果还会更好一些。
这章没有结束^.^，请点击下一页继续阅读！