1 歴史
1.1 初期のグラフィックスアクセラレータ
1980年代、グラフィックス処理は主にCPUが担当していた。1990年代に入ると、2D描画を高速化するグラフィックスアクセラレータが登場し、WindowsのGUI操作や簡単な画像表示が飛躍的に向上。1995年以降、3dfx InteractiveのVoodooシリーズなどが3Dグラフィックスに特化したアクセラレータとして普及し、ゲーム業界に革命をもたらした。
1.2 プログラマブルシェーダーの登場
2000年代初頭、NVIDIAのGeForce 3やMicrosoftのDirectX 8の登場により、固定機能パイプラインからプログラマブルシェーダーへの移行が始まった。開発者は頂点シェーダーやピクセルシェーダーを自由にプログラムできるようになり、より複雑な視覚効果が実現可能となった。この柔軟性が、後のGPGPUへの基盤を築いた。
1.3 GPGPUへの進化
2006年、NVIDIAがCUDA（Compute Unified Device Architecture）を発表。GPUの並列演算能力を汎用計算に利用するGeneral-Purpose Computing on GPU（GPGPU）が本格化した。AMDも2007年にStream SDK（後のROCm）を公開。科学技術計算やシミュレーション分野での採用が急増した。
1.4 近年の動向（AI・レイトレーシング）
2010年代後半、深層学習の普及によりGPUはAIトレーニングの中核デバイスとなる。2018年、NVIDIAがリアルタイムレイトレーシング対応のTuringアーキテクチャを発表し、Tensor CoreやRT Coreを搭載。2020年代には、AI支援による超解像技術（DLSSなど）や光線追跡がゲームやプロフェッショナル映像制作の標準機能となった。
2 アーキテクチャ
2.1 基本構成
2.1.1 ストリーミングマルチプロセッサ
GPUは多数のストリーミングマルチプロセッサ（SM）で構成される。各SMは複数のCUDAコア（NVIDIA）、ストリームプロセッサ（AMD）、またはExecution Unit（Intel）を含み、同時に多数のスレッドを実行する。SM内には命令キャッシュ、共有メモリ、スケジューラが備えられ、効率的な並列処理を実現する。
2.1.2 メモリ階層
GPU内のメモリは階層構造を持つ。各SMにはレジスタファイルと共有メモリ（L1キャッシュ相当）があり、全SMで共有されるL2キャッシュ、さらに大容量のグローバルメモリ（VRAM）へと続く。適切なメモリ階層の利用が性能最適化の鍵となる。
2.2 演算ユニット
2.2.1 シェーダーユニット
シェーダーユニットは、頂点処理、ピクセル処理、ジオメトリ処理などのグラフィックスシェーダーを実行する。統一シェーダーアーキテクチャにより、同じ演算ユニットが頂点シェーダーとピクセルシェーダーを動的に切り替えられる。
2.2.2 テクスチャユニット
テクスチャユニットは、メモリからテクスチャデータを読み取り、フィルタリングやアドレッシングを行う。バイリニア・トライリニア・異方性フィルタリングなどの処理をハードウェアで実行し、画質と性能を両立する。
2.2.3 ラスタライズユニット
ラスタライズユニット（ROP）は、画面のピクセルを生成し、深度テスト、ステンシルテスト、アルファブレンディングなどのラスタライズ処理を行う。フレームバッファへの書き込みと表示を担当する。
2.3 メモリシステム
2.3.1 VRAMの種類
グラフィックス専用メモリとして、GDDR（Graphics Double Data Rate）シリーズが広く使われる。GDDR6が主流で、高帯域幅と低消費電力を両立。さらに高性能なHBM（High Bandwidth Memory）は、積層技術により極めて広いメモリバスを実現し、ハイエンドAIアクセラレータなどに採用されている。
2.3.2 帯域幅とバス幅
メモリ帯域幅は、メモリクロック、メモリバス幅、転送レート（DDR倍率）の積で決まる。バス幅の広い（256ビット、384ビットなど）カードほど大量のデータを同時に転送でき、高解像度・高フレームレートのレンダリングや大規模モデルの推論に有利。
3 主要メーカーと製品
3.1 NVIDIA
3.1.1 GeForceシリーズ
最も一般的なコンシューマ向けGPUで、ゲームや一般ユーザーのグラフィックス処理を担う。RTXシリーズはリアルタイムレイトレーシングとAI技術（DLSS）を搭載。GTXシリーズは前世代だが、依然として多くのエントリーからミドルレンジ層で販売されている。
3.1.2 Quadroシリーズ
プロフェッショナル向けワークステーション向けGPU。CAD/CAM、映像編集、3Dモデリングなどで安定性と高精度が要求される分野で使用される。認定ドライバーとISV認証を提供し、エラー訂正コード（ECC）メモリ対応のモデルもある。
3.1.3 Teslaシリーズ
データセンターやHPC向けGPU。GPGPU用途に特化し、深層学習トレーニングや科学技術計算で高い性能を発揮。現在はA100、H100などが主力で、NVLinkやNVSwitchによる大規模並列が可能。
3.2 AMD
3.2.1 Radeonシリーズ
コンシューマ向けGPUブランド。RDNAアーキテクチャを採用し、優れたコストパフォーマンスを提供。FidelityFX Super Resolution（FSR）などのアップスケーリング技術を搭載。ゲーマーだけでなく、Apple Mac Pro向けにもRadeon Proが供給される。
3.2.2 Radeon Proシリーズ
プロフェッショナル向けワークステーション用。CADや映像制作における認証と安定動作を重視。ECCメモリ対応モデルもあり、NVIDIA Quadroと競合する。
3.3 Intel
3.3.1 Arcシリーズ
2022年に正式投入されたIntel初のディスクリートGPUブランド。エントリーからミドルレンジのゲーマーやクリエイターをターゲットとし、Xe HPGアーキテクチャを採用。レイトレーシングやXeSS（Intelのアップスケーリング）に対応。
3.3.2 統合GPU
IntelはCPU内蔵の統合GPUで長年の実績を持つ。Iris XeやUHD Graphicsなどが主流で、オフィス作業や動画再生、軽いゲーム程度のグラフィックス処理を担当。省電力性に優れ、ノートPCやエントリー向けデスクトップに広く搭載されている。
4 用途
4.1 グラフィックス処理
4.1.1 ゲーム
GPUの最大の市場はゲームである。3D描画、シェーダー処理、テクスチャマッピング、ポストエフェクトを高速に行い、リアルタイムで高精細な映像を生成する。最新タイトルではレイトレーシングやAIアップスケーリングが要求され、GPUの進化がゲーム体験を直接向上させる。
4.1.2 プロフェッショナル映像制作
動画編集、カラーグレーディング、3Dアニメーション、VFX合成など、高度なグラフィックスワークロードにGPUが不可欠。GPUアクセラレーションによりレンダリング時間が劇的に短縮され、リアルタイムプレビューや4K・8K解像度での作業が可能となる。
4.2 汎用計算（GPGPU）
4.2.1 機械学習・ディープラーニング
GPUは行列計算と並列処理に優れ、ニューラルネットワークのトレーニングや推論に広く利用される。NVIDIAのCUDAエコシステムやTensor Core、AMDのROCmが開発を支援。大規模言語モデル（LLM）や画像生成モデル（Stable Diffusionなど）の普及により需要が急増している。
4.2.2 科学技術計算
流体力学、分子動力学、気象予測、地震シミュレーションなど、大規模な数値計算にGPUが活用される。HPC分野では、従来のCPUクラスターにGPUを追加することで演算性能を数十倍に向上させることができる。
4.2.3 暗号通貨マイニング
Proof of Work（PoW）型の暗号通貨（ビットコインを除く多くはGPUマイニングが可能）で、GPUの並列演算能力をハッシュ計算に利用した。しかし、2022年のETH移行や環境問題への懸念から需要は減少し、現在は専用ASICやPoSへの移行が進んでいる。
5 性能指標
5.1 コア数とクロック周波数
シェーダーコア数（CUDAコア、ストリームプロセッサなど）は並列処理能力の基本指標。コア数が多いほど同時に多くの演算を実行できる。クロック周波数は各コアの動作速度で、高クロックほど単一スレッド性能が向上する。ただし、両者は電力や発熱のトレードオフとなる。
5.2 メモリ容量と帯域幅
VRAM容量は、テクスチャデータ、フレームバッファ、AIモデルの重みなどを格納するために重要。高解像度ゲームや大規模モデルには大容量（16GB以上）が求められる。帯域幅はデータ転送速度を決め、メモリクロックとバス幅に依存する。帯域幅が不足するとボトルネックになりやすい。
5.3 消費電力と冷却
GPUは高性能であるほど消費電力が大きく、発熱も激しい。TDP（Thermal Design Power）は最大消費電力を示し、冷却方式（空冷、水冷、ブロワー型、オープンエア型）やPCの電源容量選定に影響する。最新の高級モデルでは450Wを超えるものもある。
5.4 API互換性（DirectX, Vulkan, OpenGL）
グラフィックスAPIへの対応は、ゲームやアプリケーションの動作に必須。DirectX（Windows）、Vulkan（クロスプラットフォーム）、OpenGL（レガシー）が主な標準。GPUメーカーはそれぞれのAPIに最適化されたドライバーを提供し、新機能（レイトレーシング、メッシュシェーダーなど）のサポートが世代ごとに更新される。
6 将来展望
6.1 マルチチップモジュール（MCM）
単一ダイの大型化が物理限界に近づく中、複数の小チップをインターポーザーで接続するMCM（Multi-Chip Module）技術が進んでいる。AMDのCDNA 3（MI300）やNVIDIAのGrace Hopper Superchipなどが採用し、スケーラビリティと歩留まり向上を実現。将来はより多くのチップを統合したアーキテクチャが主流になると見られる。
6.2 光インタコネクト
GPU間やGPUとメモリ間のデータ転送を、電気配線から光信号に置き換える技術が研究されている。光インタコネクトは消費電力あたりの帯域幅が格段に向上し、大規模並列システムの通信ボトルネックを解消する可能性がある。実用化すれば、データセンター内のGPUクラスタ性能が飛躍的に向上する。
6.3 量子コンピューティングとの連携
量子コンピューティングが実用段階に入れば、GPUは古典計算と量子計算を橋渡しする役割を担う可能性がある。量子回路のシミュレーションやエラー訂正の補助、ハイブリッドアルゴリズムの実行にGPUの並列演算が活用される。完全な量子コンピュータが実現するまでは、GPUとQPUの協調が重要な研究領域となる。