游戏玩家对画面质量的追求是永无止境的。更高的分辨率、更细腻的纹理以及更流畅的帧率，成为衡量游戏体验的重要指标。这种需求对显卡的计算能力提出了越来越高的要求。在1996年发行的一款游戏《雷神之锤》（Quake）被视为当时显卡性能的试金石。这款游戏采用了多层渲染技术，比如在表现一面墙壁时，首先需要对光源影响墙面的明暗效果进行计算，然后再叠加墙壁的基础纹理和物理细节，例如血迹和裂纹。这种逐层叠加的渲染方法需要对像素进行多次计算，包括光照效果的计算、纹理数据的叠加以及额外细节的动态处理，才能最终绘制出逼真的画面。

更复杂的挑战来自游戏场景中的角色渲染。在一个充满动态的打斗场景中，不仅需要实时描绘每个角色的骨骼动画和细致纹理，还必须同时渲染出环境中的动态光影、火焰和爆炸特效。这些任务牵涉到数十万个三角形的实时计算，而且必须以流畅的帧率展现给玩家，对显卡的实时处理性能提出了极高要求。即使专门针对图像渲染任务，显卡的算力也显得越来越不够，如何增加显卡芯片的能力呢？

当时，3dfx公司是显卡市场的领军者，其解决方案是通过增加显卡上的图形芯片数量实现性能提升。他们的Voodoo显卡在同一张显卡上配备了两颗相互协作的芯片，通过芯片之间的分工合作，显著提升了图形渲染速度。我们可以看出，这个策略的核心思想就是并行。而3dfx的并行是在芯片层面上实现的。

但英伟达技术团队敏锐地意识到，3dfx的策略存在天花板。多芯片并行虽然在短期内能够胜任当时的计算需要，但其扩展性受限。一旦需要处理更复杂的游戏场景，多芯片架构的弱点必然暴露。例如在未来的游戏中，可能会有大量的光源实时计算，需要复杂的光照、纹理叠加和动态效果的渲染。在这种情况下，不断增加芯片数量的方法将显得捉襟见肘，因为芯片数量的增加不仅会带来高昂的成本和严重的散热问题，还会因为芯片间通信的延迟和带宽瓶颈而制约性能的提升。

英伟达提出了全新的解决方案，即在单一芯片内部实现并行化。这种设计的核心不在于芯片数量的增加，而是通过增加芯片内部的渲染管线来完成并行工作。一条渲染管线可以被视为一条流水线，它独立执行从顶点着色到像素处理的完整渲染任务。如果将芯片比作一个工厂，增加渲染管线就等于在工厂内新增多条生产线，从而显著提升渲染效率。

具体而言，对于要进行渲染任务的3D表面会分成多个独立的数据块，每个渲染管线处理不同的数据块。不同渲染管线之间独立工作，这样就能提高速度了。

拿之前奶茶店的例子来讲，这种并行方式，就相当于把当前的所有订单分给不同的店员，每个店员处理自己的订单，互不干涉。多个店员同时工作，整体效率就提高了。这种并行方式，属于“数据并行”。数据并行的本质是将数据分成不同的任务，分别由多个计算单元同时进行处理。

1998年，英伟达发布的Riva TNT显卡首次将这一理念付诸实践。与此前显卡上的单条渲染管线设计不同，Riva TNT配备了两条像素渲染管线，能够同时执行两倍的像素着色任务。Riva TNT的推出确立了英伟达在显卡技术领域的重要地位。英伟达以惊人的研发速度不断推动技术进步：平均每6个月便推出新款显卡，其性能通常达到其他制造商的两倍。

1999年初，仅创立不到6年的英伟达以6亿美元的估值成功上市。同年年底，黄仁勋推出一款跨时代的显卡，被外界称为“Voodoo 杀手”。这款显卡命名为“GeForce 256”，有四条像素渲染管线，每秒可以渲染1000万个三角形，并能够根据动态光源的位置，实时改变3D场景中每个像素的颜色。英伟达在推出这款显卡的时候，提出了“GPU”（Graphics Processing Unit，图形处理单元）这一全新概念，标志着显卡技术的一个重要转折点。

英伟达沿着增加渲染管线的道路狂奔：像素渲染管线的数目从2条，到4条，再到后来GeForce 6的16条，GeForce 7的24条。随着渲染管线数量持续增加，显卡的处理能力不断提升。

除了增加渲染管线之外，英伟达还通过另一种技术进一步提升显卡的性能。还记得我们说过的奶茶店的例子吗？我们之前说的数据并行方法，是把所有订单分成几组，每个店员单独负责一组订单。

除此之外，还有一种并行方式能提高系统的性能。这种方式叫做流水线并行。奶茶的制作过程，是可以分为很多前后依赖的步骤的。比如，假设制作一杯奶茶可以分为以下三个主要阶段：第一步，在杯中加入各种材料（如茶底、牛奶、糖水等）；第二步，搅拌混合；最后一步，封口包装。

除了让多个店员独立负责不同的订单，我们可以有另外一种方式实现并行。假设有三个店员，每个店员负责上述的一个步骤。第一个店员完成向杯中加材料的环节后，他会将杯子传递给负责搅拌的店员；搅拌完成后，再传递给下一位负责封口打包的店员。

为什么这种方式可以提高效率呢？关键在于重叠。在订单源源不断的情况下，当第一个店员将第一杯奶茶的材料加入后，便可以立即着手制作第二杯，同时第二个店员开始搅拌第一杯奶茶。由此，每位店员始终全程忙碌，而不是在等待上浪费时间。

你现在可以打开文稿，看看下图。假设制作奶茶的三个阶段（加材料、搅拌、封口打包）每个都需要10秒钟，传统方法中完成一杯奶茶需要30秒，两杯则需要60秒。但如果采用流水线并行，制作两杯奶茶只用40秒。如果任务量增加到5杯，通过流水线操作可以将总时间压缩到70秒，比传统方法节约了一半多时间。

这种设计与工业流水线的原理相似。每个工人只需要专注于完成某个特定的工作，而加工对象在工人之间流动。这也是“流水线并行”这个名字的来源。

显卡的渲染任务和一杯奶茶的制作过程有着相似的逻辑。整个图形渲染分为多个连续的阶段，包括顶点着色、光栅化、像素着色等步骤。如果为每个阶段分配一个专门的组件负责，并让每个组件在完成任务后将结果快速传递给后续阶段，那么显卡的效率可以显著提高。这种流水线式的架构设计正是现代显卡性能飞跃的关键所在。

然而，为了实现流水线并行的最大效能，还需要注意两个重要因素：第一是任务的均衡性，第二是流水线的深度。

拿奶茶的例子来说。我们之前的计算中，刻意让三个阶段（加入材料、搅拌、封口打包）所需的时间是一样的，这就是均衡。如果某一阶段的任务比其他阶段更加耗时，就会成为“瓶颈”，导致后续阶段的等待，影响整体效率。

解决这一问题的方法通常是对任务量较大的阶段进行细分，或者为这一环节配备额外的资源。例如，将“搅拌”环节分为低速搅拌和高速搅拌两个步骤，分别交由不同人员完成，从而缩短任一阶段的任务时间，使流水线更为流畅。

这是任务均衡，第二就是流水线的深度。流水线越深，一个任务被切割成的阶段越多，每个阶段的粒度越细，整个流水线上工作的环节便越多，重叠度也越高。拿奶茶店举例。为了提高效率，我们把“加入材料”这个环节拆分，变成“加入茶底和牛奶”，以及后续的“加入辅料”这两个环节。将“搅拌”，拆分成先“低速搅拌”，再“高速搅拌”。将“封口打包”，拆分成“封口”和“打包”这两个环节。这样，原来的制作一杯奶茶就从三个环节变成了六个环节。假设我们为每个环节也配备一个店员，假设分解后的阶段完成时间缩减一半，总体制作一杯奶茶的时间维持不变。

当有了这个更深的流水线以后，第一杯奶茶制作还是30秒，但是第二杯奶茶由于可以在第一个环节之后就立刻启动，因此完成两杯奶茶的时间一共只需要35秒。而完成5杯奶茶的总时间是50秒，比之前的70秒进一步降低了。我们可以看出，流水线越深，那么重叠度就越高，效率越高。你可以打开文稿看一下图。

英伟达早期的显卡，例如1999年发布的GeForce 256，并没有实现真正意义上的流水线并行架构。其组件之间的任务交接依赖显存，顶点数据需要批量写入显存后，光栅化才能读取到完整的数据开始处理。打个比方，这就像奶茶店里负责“加入材料”的店员，他不是完成一杯奶茶就立即交给下一个店员，而是积攒了一批加好材料的奶茶后，才交给下一个店员处理。这种方式显然效率较低。

两年后，英伟达在2001年推出的GeForce 3是首次引入流水线并行架构的产品。与GeForce 256使用显存传递数据不同，GeForce 3增加了顶点缓存（Vertex Cache）。这个设计允许顶点数据在模块间逐步传递，而不需要等待整个批次的数据处理完成。这种架构让显卡的设计更贴近高效工业流水线的模式，各部分始终以更高的利用率运行，满足了不断增长的游戏渲染需求。