在2020年9月1日，NVIDIA公佈了其新的遊戲GPU系列：基於其安培架構的RTX3000系列。我們將討論什麼是新的，人工智慧驅動的軟體，以及所有的細節，使這一代人真的很棒。

滿足rtx 3000系列GPU

NVIDIA的主要宣佈是其閃亮的新GPU，都建立在一個定製的8奈米**工藝，並帶來了在光柵化和光線跟蹤效能的主要提高。

在低端的陣容，有rtx3070，這是在499美元。這是一個有點昂貴的最便宜的卡推出的NVIDIA在最初的公告，但它是一個絕對偷一旦你知道，它擊敗了現有的RTX2080TI，一個頂級的線卡，經常零售價超過1400美元。然而，在NVIDIA宣佈這一訊息後，第三方拍賣價格有所下降，其中大量在eBay上以低於600美元的價格被搶購一空。

目前還沒有可靠的基準出來的公告，所以它是不是真的卡客觀上“更好”比2080TI，或者英偉達是扭曲了營銷一點。正在執行的基準測試是4K的，而且很可能開啟了RTX，這可能會使差距看起來比純光柵化遊戲中的差距更大，因為基於安培的3000系列在光線跟蹤方面的表現將是圖靈的兩倍以上。但是，由於光線追蹤現在已經不再對效能造成太大影響，而且在最新一代的遊戲機中也得到了支援，因此它的一個主要賣點是以幾乎三分之一的價格執行速度達到上一代旗艦產品的速度。

目前還不清楚價格是否會保持這樣。第三方設計通常會在標價上增加至少50美元，而且隨著需求量的增加，到2020年10月它的售價會達到600美元也就不足為奇了。

略高於這一點是RTX3080為699美元，這應該是兩倍於RTX2080的速度，並在約25-30%的速度比3080。

然後，在頂端，新的旗艦是rtx3090，這是滑稽的巨大。英偉達對此非常清楚，並將其稱為“BFGPU”，該公司稱其代表“大型凶猛GPU”

NVIDIA沒有展示任何直接的效能指標，但該公司展示了它以每秒60幀的速度執行8K遊戲，這給人留下了深刻的印象。誠然，NVIDIA幾乎肯定是在使用DLSS來達到這個目標，但8K遊戲就是8K遊戲。

當然，最終會有一個3060，和更多的預算為導向的卡的其他變化，但那些通常會在以後。

要真正冷卻的東西，英偉達需要一個改版冷卻器的設計。3080的額定功率為320瓦，這是相當高的，所以英偉達選擇了雙風扇設計，但不是兩個風扇都放在底部，英偉達把風扇放在頂端的地方，背板通常去。風扇將空氣向上引導至CPU冷卻器和機箱頂部。

從一個案例中不良氣流對效能的影響程度來看，這是非常合理的。然而，電路板是非常狹窄，因為這將有可能影響第三方銷售價格。

dlss：軟體優勢

光線追蹤並不是這些新卡的唯一優點。真的，這是一個有點駭客的RTX2000系列和3000系列是不是在做實際的光線跟蹤更好，相比老一代的卡。在Blender這樣的3D軟體中，光線跟蹤一個完整的場景通常每幀需要幾秒鐘甚至幾分鐘，所以用不到10毫秒的時間強行跟蹤是不可能的。

當然，有專門的硬體來執行光線計算，稱為RT核心，但在很大程度上，NVIDIA選擇了一種不同的方法。NVIDIA改進了去噪演算法，允許gpu渲染一個非常便宜的看起來很糟糕的單通道，並透過人工智慧魔術將其變成一個遊戲玩家想要看到的東西。當與傳統的光柵化技術相結合時，光線跟蹤效果增強了它帶來的愉悅體驗。

然而，為了快速實現這一點，NVIDIA增加了一種稱為張量核的人工智慧專用處理核。這些程式處理了執行機器學習模型所需的所有數學，而且速度非常快。他們完全改變了人工智慧在雲伺服器領域的遊戲規則，因為人工智慧被許多公司廣泛使用。

除去噪外，遊戲玩家使用張量核的主要用途被稱為DLSS，或deep learning super sampling。它採用低質量的框架，並將其升級到完全的本地質量。這基本上意味著你可以在觀看4K圖片的同時使用1080p的幀速率進行遊戲。

這也有助於光線跟蹤效能相當多的基準PCMag顯示RTX2080超級執行控制在超高質量，與所有光線跟蹤設定曲柄到最大值。在4K，它掙扎只有19 FPS，但與DLSS上，它得到了更好的54 FPS。DLSS是NVIDIA的免費效能，由圖靈和安培上的張量核實現。任何遊戲，支援它，是GPU有限的可以看到嚴重的加速只是從軟體本身。

DLSS並不是什麼新功能，兩年前rtx2000系列推出時，它就作為一項功能釋出了。當時，支援它的遊戲很少，因為它需要NVIDIA為每一款遊戲訓練和調整機器學習模型。

然而，在那個時候，NVIDIA已經完全重寫了它，稱之為新版本dlss2.0。它是一個通用的API，這意味著任何開發人員都可以實現它，而且它已經被大多數主要版本所採用。與TAA類似，它從上一幀獲取運動向量資料，而不是處理一幀。結果比DLSS1.0更清晰，在某些情況下，甚至比本機解析度看起來更好更清晰，因此沒有太多理由不啟用它。

在完全切換場景時有一個問題，如在剪下場景中，DLSS2.0必須在等待運動向量資料時以50%的質量渲染第一幀。這可能導致質量在幾毫秒內出現微小下降。但是，99%的你所看到的一切都會被正確地渲染，而大多數人在實踐中並沒有注意到這一點。

相關：什麼是NVIDIA DLSS，它將如何使光線跟蹤更快？

安培架構：專為人工智慧設計

安培很快。速度非常快，特別是在人工智慧計算方面。RT核心比圖靈快1.7x，新的張量核比圖靈快2.7x。兩者的結合是光線跟蹤效能的真正一代飛躍。

今年5月早些時候，NVIDIA釋出了amperea100 GPU，這是一款專為執行AI而設計的資料中心GPU。有了它，他們詳細說明了是什麼讓安培更快。對於資料中心和高效能運算工作負載，安培通常比圖靈快1.7倍左右。對於人工智慧訓練來說，速度要快6倍。

隨著安培，NVIDIA正在使用一種新的數字格式，旨在取代工業標準的“浮點32”，或FP32，在一些工作負載。在引擎蓋下，計算機處理的每個數字都會佔用記憶體中預定義的位數，無論是8位、16位、32位、64位，甚至更大。更大的數字更難處理，所以如果你能用更小的尺寸，你就不會那麼難處理了。

FP32儲存一個32位的十進位制數，它使用8位表示數字的範圍（可以是多大或多小），23位表示精度。NVIDIA的說法是，這23個精度位對於許多人工智慧工作負載來說並不完全是必需的，你可以從其中的10箇中得到類似的結果和更好的效能。將大小減少到19位，而不是32位，在許多計算中會產生很大的差異。

這種新格式稱為TensorFloat32，A100中的TensorCore經過最佳化，可以處理這種大小怪異的格式。這是，在模具收縮和核心數量增加的基礎上，他們如何在人工智慧訓練中獲得6倍的巨大加速。

在新的數字格式之上，Ampere在特定的計算中，如FP32和FP64，效能得到了極大的提高。對於外行來說，這些並不能直接轉化為更多的FPS，但它們是使其在張量運算中整體速度快近三倍的一部分。

然後，為了進一步加快計算速度，他們引入了細粒度結構化稀疏性的概念，這對於一個非常簡單的概念來說是一個非常花哨的詞。神經網路處理大量的數字，稱為權重，影響最終的輸出。要處理的數字越多，速度就越慢。

然而，並非所有這些數字都有用。其中一些實際上只是零，基本上可以扔掉，這導致了大規模的加速時，你可以在同一時間處理更多的數字。稀疏性本質上壓縮了數字，這就減少了計算的工作量。新的“稀疏張量核”是用來處理壓縮資料的。

儘管有這些變化，NVIDIA說這不應該明顯影響訓練模型的準確性。

對於最小的數字格式之一的稀疏INT8計算，單個A100GPU的峰值效能超過1.25petaflops，這是一個驚人的高數字。當然，這只是在處理一種特定的數字時，但它仍然令人印象深刻。