Tensor Core
Wyspecjalizowane akceleratory mnożenia macierzy w GPU Nvidii. Wprowadzone w Voltcie (V100, 2017). Tensor Core w H100 dają ok. 10× większą przepustowość w deep learningu niż zwykły rdzeń CUDA FP32. Standardowy „silnik obliczeniowy” AI/ML.
Mnożenie macierzy (4×4 lub większych) zaszyte w sprzęcie, jedno na cykl. Standard mieszanej precyzji: mnożenie w FP16/BF16, akumulacja w FP32. Hopper (H100) dodał FP8 i przyspieszenie rzadkich macierzy (pomijanie zer), Blackwell (B200) — FP4. Program CUDA uruchamia Tensor Core przez biblioteki (cuBLAS, cuDNN) lub instrukcje PTX (mma.sync). Odpowiednik AMD: Matrix Cores w architekturze CDNA; Intel: silniki XMX w Arc. To dlatego obciążenia ML działają 5–50× szybciej na najnowszym GPU niż na poprzedniej generacji.