当我们说 Kepler、Pascal、Volta、Turing、Ampere、Hopper 或 Blackwell 时，说的不只是一个 GPU 型号，而是一整代 NVIDIA GPU 的架构代号。
这些名字大多来自数学家、物理学家和计算机科学先驱。把它们按时间排开，会看到一条很有意思的线索：NVIDIA GPU 从图形计算出发，逐渐进入通用计算、深度学习、Transformer 和生成式 AI，而架构名字也从天文学、电磁学一路走到了计算机科学与统计决策理论。
先分清：架构名不是显卡型号
“GeForce RTX 4090”“Tesla V100”和“H100”是具体产品；Ada Lovelace、Volta 和 Hopper 则是这些产品背后的架构代号。
同一时期，消费级显卡和数据中心产品不一定使用同一架构名称。例如 2022 年的数据中心 H100 属于 Hopper，而游戏显卡 RTX 40 系列属于 Ada Lovelace。理解这一点，才能避免把年份、产品线和架构混成一张表。
| 架构 | 代表年份 | 主要产品方向 | 名字来源 |
|---|---|---|---|
| Kepler | 2012 | GeForce、Tesla | Johannes Kepler |
| Maxwell | 2014 | GeForce、嵌入式计算 | James Clerk Maxwell |
| Pascal | 2016 | GeForce、Tesla P100 | Blaise Pascal |
| Volta | 2017 | 数据中心、AI 训练 | Alessandro Volta |
| Turing | 2018 | RTX 图形、推理 | Alan Turing |
| Ampere | 2020 | A100、RTX 30 系列 | André-Marie Ampère |
| Hopper | 2022 | H100、数据中心 AI | Grace Hopper |
| Ada Lovelace | 2022 | RTX 40 系列 | Ada Lovelace |
| Blackwell | 2024 | B100/B200、RTX 50 系列 | David Blackwell |
Kepler（2012）：从观测数据中找到规律
Kepler 取名自德国天文学家、数学家 Johannes Kepler（约翰内斯·开普勒）。
开普勒最重要的贡献是行星运动三定律。他依据第谷·布拉赫留下的大量观测数据，通过长期计算发现行星轨道并非完美圆形，而是椭圆。这标志着天文学从几何模型和经验记录走向可以被数学验证的物理规律，也为牛顿的万有引力理论铺平道路。
对 GPU 架构而言，Kepler 是 NVIDIA 在能效和通用计算方向持续推进的一代。今天回头看，“从海量数据中提取规律”也恰好与 GPU 后来承担的机器学习任务形成呼应。
Maxwell（2014）：统一电与磁
Maxwell 来自苏格兰物理学家 James Clerk Maxwell（詹姆斯·克拉克·麦克斯韦）。
麦克斯韦方程组把电场、磁场和光统一到一个理论框架中，并预言了电磁波的存在。现代无线通信、光学和电力系统的理论基础，都可以追溯到他的工作。
Maxwell 架构尤其强调能效。它让性能提升不再只依赖堆叠功耗，也为 NVIDIA GPU 进入移动与嵌入式设备创造条件。
Pascal（2016）：概率、计算机器与现代 AI 的数学底座
Pascal 以法国数学家、物理学家和哲学家 Blaise Pascal（布莱兹·帕斯卡）命名。
帕斯卡与费马共同奠定概率论基础；概率论后来成为统计学习和现代机器学习的重要数学支柱。他还研究流体静力学，提出帕斯卡定律，并设计了早期机械计算器 Pascaline。
Pascal 架构时期，P100 等产品开始更明确地面向高性能计算与深度学习。名字背后的概率论与机械计算，也因此显得格外贴切。
Volta（2017）：Tensor Core 登场
Volta 来自意大利物理学家 Alessandro Volta（亚历山德罗·伏打）。
伏打发明了能够持续供电的伏打电堆，使电学实验从短暂的静电现象进入稳定电流时代。电压单位“伏特”也来自他的名字。
对 AI 计算来说，Volta 是一个关键节点。V100 首次引入 Tensor Core，将矩阵乘加提升为 GPU 中的专门硬件能力。GPU 不再只是“也能训练神经网络”，而是开始围绕深度学习负载重新设计核心数据通路。
Turing（2018）：实时光追与计算机科学之父
Turing 取名自英国数学家、逻辑学家 Alan Turing（艾伦·图灵）。
图灵在 1936 年提出图灵机，用数学方式定义可计算性；二战期间参与破解 Enigma 密码；后来又提出图灵测试，成为人工智能史上最著名的思想实验之一。
这里需要纠正一个常见年份误差：Turing 架构发布于 2018 年，而不是 2020 年。它首次在消费级 RTX 产品中引入 RT Core，并继续强化 Tensor Core，让光线追踪、AI 降噪和 DLSS 走入实时图形流水线。
Ampere（2020）：训练与推理全面扩张
Ampere 来自法国物理学家 André-Marie Ampère（安德烈-玛丽·安培）。
安培系统研究电流与磁场之间的关系，奠定了电动力学基础；电流单位“安培”便以他命名。
Ampere 同时覆盖数据中心 A100 和消费级 RTX 30 系列。A100 的 Tensor Core、稀疏计算、TF32 与多实例 GPU，使这一代成为大规模 AI 训练和云端推理的重要基础。它不是只属于数据中心的名字，但 A100 确实是这代架构最具代表性的 AI 产品。
Hopper（2022）：从编译器先驱到 Transformer Engine
Hopper 纪念美国计算机科学家、海军少将 Grace Hopper（格蕾丝·霍珀）。
Hopper 参与过 Harvard Mark I，开发了早期编译器，并推动 COBOL 等高级语言发展。她的重要贡献，是让程序员能够用更接近人类表达的方式描述计算，而不必永远停留在机器指令层面。
关于“bug”还有一个需要准确表述的故事：1947 年，Harvard Mark II 团队发现一只飞蛾卡在继电器中，并记录“First actual case of bug being found”。但工程领域使用 bug 表示缺陷早于这次事件；这只飞蛾让故事广为流传，却不是这个术语的真正起源。
Hopper 架构的 H100 引入 Transformer Engine，可在训练过程中结合 FP8 和更高精度格式处理 Transformer 负载。以编译器先驱命名一代重塑大模型训练的软件—硬件协同架构，非常有象征意味。
Ada Lovelace（2022）：面向图形与生成式渲染的另一条分支
Ada Lovelace 来自英国数学家 Ada Lovelace（艾达·洛夫莱斯）。
她为巴贝奇的分析机撰写注释和算法，其中计算伯努利数的步骤常被视为第一份计算机程序。更重要的是，她预见到计算机器不仅能处理数字，也能操作符号、音乐和图像。
Ada Lovelace 与 Hopper 同处 2022 年，但主要面向消费级 RTX 40 系列。第三代 RT Core、第四代 Tensor Core 和 DLSS 3，进一步把实时图形、神经网络与帧生成结合起来。
Blackwell（2024）：概率、决策与生成式 AI 工厂
Blackwell 纪念美国数学家 David Blackwell（戴维·布莱克威尔）。
他在概率论、统计决策理论、博弈论和信息论领域做出重要贡献，也是美国国家科学院首位非裔院士。他的研究与今天机器学习中的贝叶斯方法、强化学习和序贯决策有直接思想联系。
Blackwell 面向的已不只是单卡加速，而是超大规模训练和推理系统。B100、B200 与 GB200 等产品把 GPU、CPU、互连、低精度计算和机架级系统整合在一起。NVIDIA 所说的“AI factory”，正是这一代产品希望承载的计算形态。
从名字看 NVIDIA GPU 的演进
如果只把这些人物当作命名彩蛋，会错过更有意思的一层关系：
- Kepler、Maxwell、Volta 和 Ampère代表自然科学用数学描述世界的过程；
- Pascal、Turing、Hopper 和 Lovelace代表计算理论、编程语言与计算机器的发展；
- Blackwell 则连接概率、决策和今天的机器学习。
NVIDIA 的命名并不意味着每一代架构与对应科学家的工作存在严格技术映射，但这些名字构成了一条科学史索引。沿着它往回读，能看到 GPU 如何从图形处理器逐渐变成现代 AI 基础设施的核心计算单元。