英伟达（NVIDIA）显卡能够运行AI的原因主要在于其强大的并行计算能力、高效的CUDA（Compute Unified Device Architecture）核心以及专为深度学习设计的Tensor核心。以下是一些详细解释：

1. **并行计算能力**：

- 英伟达显卡拥有大量的并行处理核心，这些核心可以同时处理大量的数据，非常适合进行大规模的并行计算。

- AI和深度学习模型通常需要处理大量的数据，并行计算能力使得英伟达显卡能够高效地执行这些任务。

2. **CUDA核心**：

- CUDA是英伟达推出的一种并行计算平台和编程模型，它允许开发者使用C、C++等语言直接编写程序来利用GPU的并行计算能力。

- AI和深度学习框架（如TensorFlow、PyTorch等）支持CUDA，可以利用GPU进行加速计算。

3. **Tensor核心**：

- 英伟达的Tensor核心专为深度学习中的矩阵运算和卷积运算设计，这些运算是AI和深度学习中的核心操作。

- Tensor核心能够加速这些操作的执行速度，提高AI模型的训练和推理效率。

4. **软件生态**：

- 英伟达与多个AI和深度学习框架合作，确保其显卡在这些框架中得到良好的支持和优化。

- 英伟达还提供了一系列的工具和库，如cuDNN（CUDA Deep Neural Network library），进一步优化深度学习模型的性能。

5. **硬件加速**：

- 英伟达显卡的硬件设计支持高效的数据传输和存储，这对于AI和深度学习中的大量数据传输至关重要。

由于这些特点，英伟达显卡成为了AI研究和开发中非常受欢迎的硬件平台。无论是进行AI模型的训练还是推理，英伟达显卡都能够提供强大的性能支持。