作为全球GPU领域的领导者，Nvidia在图形处理技术的发展历程中持续推动硬件架构的极限。2025年，Nvidia发布了黑曜石（Blackwell）架构，继承并提升了其上一代Ada Lovelace和Ampere架构的优势，同时以其庞大的规模和复杂的设计理念震撼了业界。相较于以往，Blackwell不仅在晶体管数量和核心数量上实现明显跃升，更在细节上针对工作分发、缓存系统、执行单元乃至内存带宽进行了全面优化，形成了一款无与伦比的旗舰级GPU。 Blackwell架构的核心型号GB202，拥有高达92.2亿个晶体管，面积达到750平方毫米，堪称迄今为止最大的Nvidia单芯片设计。该芯片包含192个流式多处理器（Streaming Multiprocessors，简称SM），可以比拟为GPU的“核心”，实现高效的并行计算。相比之下，Blackwell的前代Ada Lovelace最大的AD102芯片，SM数量和面积均有所逊色，而竞争对手AMD的RDNA4架构中，RX 9070的WGP（工作组处理器）为28个，这使得Blackwell在核心规模上拥有明显优势，从数量上碾压对手。
Blackwell设计中的一项重要创新是SM与图形处理集群（Graphics Processing Clusters，GPC）之间的比例调整，采用了1:16的GPC:SM比例，高于Ada Lovelace时代的1:12。这样的设计允许更多SM在较少的GPC支持下运行，降低了硬件重复成本，有效提升了计算吞吐能力。但这也带来调度难题，短周期的工作波（wavefront）在分配上可能因GPC资源成为瓶颈，限制了能否充分利用庞大的SM资源。尽管如此，这种策略体现了Nvidia着眼大型GPU的整体扩展性，追求更高的峰值性能。 与AMD RDNA4架构相比，后者采用1:8的SE:WGP比例，调度更加精准，短小任务利用效率较高。AMD的设计继承自早期GCN架构，具有灵活的工作群管理和高度的指令发射能力。
虽然AMD在单个WGP的计算吞吐和缓存带宽上较Blackwell单个SM表现更为强劲，但整体规模远小于Blackwell的庞大设计，这种“小而强”的设计理念更多偏向于平衡功耗与性能。 Blackwell的调度硬件不仅延续了此前Nvidia世代的成熟设计，还显著提升了异构任务调度能力。在先前架构中，图形任务与计算任务之间存在明显切换延迟，需“子信道切换”与“等待空闲”才能完成工作转换，影响流水线效率。Blackwell突破这一瓶颈，允许同一指令队列内的图形与计算任务交叠执行，极大提升了调度灵活性与单指令队列的利用率，尤其是在游戏和专业应用经常混合任务的现实场景中，这一改进极为关键。 在指令缓存和取指方面，Blackwell采用了128位固定长度指令，与其前辈架构保持一致，同时引入两级指令缓存设计：每个SM的四个分区配置独立的L0指令缓存，而L1指令缓存则由整个SM共享，容量约为128KB。相比之下，AMD采用变长指令（4到12字节不等），使其指令缓存压力减轻，但Blackwell的高带宽缓存设计保证了在代码容量和复杂度增加时依然能够保持高效取指，从而支撑更庞大的指令流和更高的吞吐需求。
Blackwell对执行单元架构进行了大幅优化，每个SM分区支持最高12个波次（wave）以隐藏执行延迟，较AMD RDNA4的16波次稍低，但得益于更高的时钟频率和更大规模的SM数量弥补。黑曜石还将FP32和INT32执行管线合并为单一的32宽度执行通路，这使得处理长串同类型指令时避免了传统设计中可能出现的停顿，提高了整体算力利用率。此外，Blackwell继承了Turing架构中每个分区每周期可执行16次INT32乘法的优势，明显优于AMD和之前Nvidia架构，能够在整数密集型计算中保持领先。 尽管单个SM的执行单元在某些功能上不及AMD WGP的多样性和双发射能力，如AMD拥有更多特种功能单元（SFU）和支持多指令同时发射，但Blackwell整体实力依靠其庞大核心数超越对手。AMD的WGP能够同时处理不同类型的指令，理论上在多样化计算任务下有优势，但这种优点被Blackwell在大量SM计算资源的累积效应上抵消甚至超越。 Blackwell还对统一数据路径（Uniform Datapath）进行了升级，增加了浮点指令支持，类似AMD在RDNA 3.5和RDNA4中引入的标量单元浮点运算能力。
统一数据路径可处理波纹中不变的指令或常数运算，从而减轻主要执行通路负担，提高整体性能。但是目前Nvidia在编译器层面尚未完全激活这些指令的潜力，实际应用中这一改进仍有待挖掘。 光线追踪方面，Blackwell较上一代Ada Lovelace实现倍增的三角形交点测试吞吐率，极大提升光追性能。其支持的“Opacity Micromaps”技术类似于英特尔Xe3的亚三角形不透明裁剪，能有效降低光线追踪过程中的无效计算，提升效率和画面质量。 在SM内部的存储系统设计上，Blackwell继承了128KB的L1缓存与共享内存合并块结构，这既作为快速缓存也作为GPU线程间的快速通信区（Shared Memory/Local Memory）。相比AMD WGP将缓存细分为多个高带宽部分，Nvidia采取了集成设计，提供更大的统一存储空间。
虽然带宽上不如AMD多通道结构灵活，单SM吞吐能力限定在128字节/周期，但凭借极高的频率和大量SM，整体存储带宽超越对手，尤其体现在RTX PRO 6000 Blackwell 24MB的完整L1/Shared memory容量和总计超过60TB/s的带宽度。 另外，Blackwell通过优化地址生成指令减少了本地内存访问延迟，实现了更优的L1访问时延。相比之下，AMD需要在64位地址计算时通过标量单元或纹理单元分担，依赖编译器优化，表现更为复杂而不稳定。 原子操作方面，Nvidia为每个SM配备了16个INT32原子操作单元，AMD WGP拥有32个。尽管AMD在单位单元数上更多，Nvidia凭借大量的SM数量仍能在本地内存原子操作吞吐率上占优。全局内存原子操作表现则相近，反映出Nvidia的L2缓存和原子单元布局较AMD有待改进。
在总体缓存架构上，Blackwell延续了两级缓存设计，但显著扩大了L2缓存容量，逐步向AMD的Infinity Cache靠齐。尽管L2缓存延迟有所提升（超过130纳秒），但其8.7TB/s的带宽超越RX 9070的8.4TB/s，且RTX PRO 6000在大规模数据访问时展现出更优的性能和效率。值得注意的是，Blackwell的L2缓存数量从上一代的48块提升到64块，并且单块带宽提升至64字节/周期，体现了对大规模缓存系统扩容的技术追求。 VRAM部分，Blackwell采用了高带宽GDDR7显存和512位总线，确保整体显存带宽大幅领先AMD，延迟虽有增加但整体处于可控范围。Nvidia综合了高速缓存和显存带宽优势，有效支撑了这款旗舰GPU的庞大吞吐需求。 在实际应用和计算性能测试中，FluidX3D模拟流体动力学的测试表明，RTX PRO 6000 Blackwell凭借其丰富的计算单元与强劲的内存带宽，实现了远超AMD RX 9070的性能，保持了稳定且领先的表现。
无论使用FP32还是半精度FP16数据格式，Nvidia的优势依然明显，表证了其设计理念中“规模拓展优先”的战略选择。 当前，在消费级GPU市场，Nvidia Blackwell处于绝对领先地位，AMD和Intel的中端方案难以撼动其顶峰地位。Intel的新架构Battlemage和AMD的RDNA4主要布局中端市场，而Nvidia以其最大型的单芯片方案继续巩固旗舰级市场的霸主地位。尽管构建如此巨型的GPU面临制程工艺、功耗和散热极限的挑战，但Nvidia通过精密的设计和平衡，成功推出了这款可为多种高性能计算和图形任务提供极致体验的产品。 Blackwell的发布不仅象征着单芯片规模的新高度，也是一场系统架构设计的重大演进。它向行业表明，通过提升SM数量而非单个核心复杂度，配合高度优化的缓存系统和调度机制，能够在功耗和性能之间获得理想平衡。
未来几年，随着工艺技术不断进步和竞争格局变化，类似Blackwell这类庞大GPU的设计理念将继续影响高性能图形和计算领域。 总结来看，Nvidia Blackwell架构以其之巨型规模、优化调度、先进缓存设计和强悍的执行单元，重新定义了旗舰级GPU性能标准。无论是在专业计算、游戏体验，还是光线追踪和AI应用方面均表现卓越。尽管面临功耗和缓存延迟的挑战，黑曜石凭借整体架构上的协同与扩展性，依旧保持了行业领先。随着未来技术迭代与生态完善，Blackwell有望成为Nvidia巩固图形处理器市场的强大战略基石，同时也激励其他竞争者创新突破，推动整个GPU行业的共同进步。
