文章回顾了英伟达GeForce 256的历史及其在游戏和AI领域的影响。GeForce 256是1999年发布的世界上首款GPU，彻底革新了游戏PC，并为之后的AI浪潮提供了动力。文章详细描述了GeForce 256的技术特点和对游戏及AI领域的影响，以及英伟达为此庆祝的系列活动。
GeForce 256作为世界上首款GPU，在游戏和AI领域具有里程碑意义。它不仅推动了游戏PC的革新，也为AI的发展提供了动力。
GeForce 256是首批支持当时新兴技术的显卡之一，如T技术，减少了游戏中CPU的工作量，提供了视觉升级和更好的性能。其设计思路的演变以及技术更新也受到了高度评价。
GeForce 256的发布引发了游戏领域的革新，推动了显卡和GPU的崛起，成为游戏PC最重要的组成部分。其技术演进也推动了游戏图形效果的不断提升。
GeForce 256不仅改变了游戏领域，其并行计算能力也引起了AI研究人员的注意。GPU的并行架构为深度学习等计算密集型任务提供了强大的计算力，推动了AI领域的发展。以ChatGPT为例，展示了GPU在生成式AI变革中的巨大力量。
【新智元导读】
1999年，英伟达发布世界上首款GPU——GeForce 256。
不仅彻底革新了游戏PC，更为之后的AI浪潮提供了无可比拟的动力。
1999年10月11日
，正值世纪之交，一场科技革命正在悄然酝酿
。
25年前的今天，英伟达发布了首款GeForece显卡——GeForce 256。
GeForce 256不仅仅是一张显卡，它也是世界上第一款GPU。虽然这一发布当时只有PC游戏玩家和科技爱好者关注，但却为今天生成式AI奠定了基础，铺就了未来游戏和计算领域的进步。
为了庆祝全球首款GPU25岁的生日，英伟达总部特意摆出了绿色爆米花。
官方放出的周年庆视频，从今年的《黑悟空》往前回溯，一幕幕都是英伟达GPU所赋能的各种游戏。
纳斯达克也和英伟达联动整活，把交易所附近弄成了绿油油的一片。
毕竟，没有GPU，就不会有英伟达如今的股价奇迹。
老黄本人，也前往纳斯达克大厅纪念这个革命性的时刻。
叉腰站在纳斯达克前的老黄，大广角镜头仰拍，俨然是指点江山的当代科技领袖。
1999年，虽然市面上存在其他显卡，但GeForce 256是第一款以「GPU」为广告宣传的桌面卡。
当时至少有六家，甚至更多不同的公司生产视频卡硬件，但它们后来几乎都被AMD或英伟达收购。
GeForce 256究竟是不是实质上的第一块显卡？已经无从考证，但英伟达首次做出了这种区分，并大张旗鼓地将其称为GPU。
GeForce 256是首批支持当时新兴的T&L技术的显卡之一，减少了游戏中CPU的工作量，提供了视觉升级和更好的性能。
从固定功能T&L引擎，到可编程的顶点和像素着色器，再到统一着色器，现在又增加了网格着色器、光线追踪和AI计算等功能，所有现代显卡的设计很大程度上都归功于最初的GeForce。
最初的GeForce 256使用139 mm^2芯片，封装了1700 万个晶体管，采用台积电220nm工艺节点制造。
相比之下，当时的英特尔奔腾III 450 CPU使用250nm节点，将950万个晶体管封装到128 mm^2芯片中。这意味着， GeForce 256的尺寸增加了不到10%，晶体管总数却增加了80%。
1999年，GeForce 256的发行价格为199美元；考虑到通货膨胀因素，换算成今天的价格大致为373美元。
然而，过去25年中，英伟达的芯片技术和价格一起经历着突飞猛进。今天的高端CPU的价格仍然远低于500美元，但RTX 4090的起价已经达到了约1800美元。
与此同时，英伟达RTX 4090在608 mm^2的面积中封装了AD102芯片，采用台积电4N节点，内含760亿个晶体管。
GeForce 256标志着一个时间节点——GPU和显卡开始崛起，成为游戏PC最重要的组成部分，具有完整的 DirectX 7和OpenGL支持。
随着DirectX 8添加可编程着色器，GPU真正开始演进为一种不同的计算方式。如今的GPU提供高达petaflops 的计算性能，不仅仅为游戏行业带来了变革，也在为AI的狂飙式发展提供动力。
并行计算改变了游戏CG，也引起了研究人员的注意。他们意识到GPU可以在AI方向发挥巨大的计算潜力，能在游戏世界之外实现突破。
深度学习是一种依赖数十亿神经元和万亿连接的软件模型，需要巨大的算力。
传统的CPU设计用于顺序任务，无法高效处理这样的工作负载。而GPU凭借其大规模并行架构，完美胜任这一任务。
到2011 年，AI研究人员发现，英伟达的GPU具有处理深度学习庞大计算需求的能力。
谷歌、斯坦福大学和纽约大学的研究人员开始使用英伟达GPU加速AI开发，达到了以前只有超算才能实现的性能。
2012年出现了突破。多伦多大学的Alex Krizhevsky利用英伟达GPU赢得了ImageNet图像识别竞赛。他所用的神经网络AlexNet在一百万张图像上进行训练，击败了由视觉专家人工编写的软件。
