Den 1. september 2020 afslørede NVIDIA sin nye serie af gaming-GPU'er: RTX 3000-serien, baseret på deres Ampere-arkitektur. Vi diskuterer, hvad der er nyt, den AI-drevne software, der følger med den, og alle de detaljer, der gør denne generation virkelig fantastisk.
Mød RTX 3000-serie GPU'er
NVIDIAs vigtigste meddelelse var dens skinnende nye GPU'er, alle bygget på en brugerdefineret 8 nm fremstillingsproces, og alle bragte store hastigheder i både rasterisering og strålesporing ydeevne.
I den lave ende af opstillingen er der RTX 3070 , der kommer ind på $ 499. Det er lidt dyrt for det billigste kort, der blev afsløret af NVIDIA ved den første meddelelse, men det er en absolut stjæling, når du først lærer, at det slår den eksisterende RTX 2080 Ti ud, en top på linjekortet, som regelmæssigt sælges for over $ 1400. Efter NVIDIAs meddelelse faldt priserne fra tredjepart dog med et stort antal af dem, der blev panik solgt på eBay for under $ 600.
Der er ingen solide benchmarks fra meddelelsen, så det er uklart, om kortet er virkelig objektivt “bedre” end en 2080 Ti, eller hvis NVIDIA vrider markedsføringen lidt. De benchmarks, der blev kørt, var på 4K og havde sandsynligvis RTX på, hvilket kan få kløften til at se større ud, end det vil være i rent rasteriserede spil, da den Ampere-baserede 3000-serie vil fungere over dobbelt så godt ved strålesporing end Turing. Men da strålesporing nu er noget, der ikke skader ydeevnen meget, og understøttes i den nyeste generation af konsoller, er det et stort salgsargument at have det kørende så hurtigt som sidste generations flagskib til næsten en tredjedel af prisen.
Det er også uklart, om prisen vil forblive sådan. Tredjepartsdesign tilføjer regelmæssigt mindst $ 50 til prislappen, og med hvor høj efterspørgsel sandsynligvis vil være, vil det ikke være overraskende at se det sælge til $ 600 i oktober 2020.
Lige over det er RTX 3080 til $ 699, hvilket skal være dobbelt så hurtigt som RTX 2080 og komme ca. 25-30% hurtigere end 3080.
Derefter er det nye flagskib i den øverste ende RTX 3090 , som er komisk enorm. NVIDIA er velkendt og henviste til det som en "BFGPU", som virksomheden siger står for "Big Ferocious GPU."
NVIDIA viste ikke nogen direkte præstationsmålinger, men virksomheden viste, at den kørte 8 TUSINDE spil ved 60 FPS, hvilket er alvorligt imponerende. Indrømmet, NVIDIA bruger næsten helt sikkert DLSS at ramme det mærke, men 8K-spil er 8K-spil.
Selvfølgelig vil der i sidste ende være en 3060 og andre variationer af mere budgetorienterede kort, men de kommer normalt senere.
For faktisk at afkøle tingene havde NVIDIA brug for et moderniseret køligere design. 3080 er klassificeret til 320 watt, hvilket er ret højt, så NVIDIA har valgt et dobbelt blæserdesign, men i stedet for begge blæsere vwinf placeret i bunden, har NVIDIA sat en blæser i den øverste ende, hvor bagpladen normalt går. Ventilatoren leder luft opad mod CPU-køler og toppen af kabinettet.
At dømme efter, hvor meget ydeevne kan blive påvirket af dårlig luftstrøm i en sag, giver det perfekt mening. Imidlertid er printkortet meget trangt på grund af dette, hvilket sandsynligvis vil påvirke tredjeparts salgspriser.
DLSS: En softwarefordel
Strålesporing er ikke den eneste fordel ved disse nye kort. Virkelig er det hele lidt hack - RTX 2000-serien og 3000-serien er det ikke at meget bedre til at udføre faktisk strålesporing sammenlignet med ældre generationer af kort. Strålesporing af en fuld scene i 3D-software som Blender tager normalt et par sekunder eller endda minutter pr. Ramme, så det er ude af spørgsmålet, at det tvinges brute på 10 millisekunder.
Selvfølgelig er der dedikeret hardware til kørsel af stråleberegninger, kaldet RT-kerner, men stort set valgte NVIDIA en anden tilgang. NVIDIA forbedrede denoising-algoritmerne, som gør det muligt for GPU'erne at gengive et meget billigt enkeltpas, der ser forfærdeligt ud, og på en eller anden måde - gennem AI-magi - gøre det til noget, som en spiller ønsker at se på. Når det kombineres med traditionelle rasteriseringsbaserede teknikker, giver det en behagelig oplevelse forbedret af raytracing-effekter.
For at gøre dette hurtigt har NVIDIA dog tilføjet AI-specifikke behandlingskerner kaldet Tensor-kerner. Disse behandler al matematik, der kræves for at køre modeller for maskinindlæring, og gør det meget hurtigt. De er i alt spil-skifter til AI i cloud-serverrummet , da AI bruges i vid udstrækning af mange virksomheder.
Ud over denoising kaldes den primære anvendelse af Tensor-kernerne til spillere DLSS eller dyb lærings super sampling. Det tager en ramme af lav kvalitet og opskalerer den til fuld-native kvalitet. Dette betyder i det væsentlige, at du kan spille med 1080p-niveauindstillinger, mens du ser på et 4K-billede.
Dette hjælper også med at spore ydeevne ret meget - benchmarks fra PCMag vis en RTX 2080 Super kører Styring i ultra kvalitet med alle strålesporingsindstillinger skruet op til maks. På 4K kæmper det kun med 19 FPS, men med DLSS på får det meget bedre 54 FPS. DLSS er gratis ydeevne til NVIDIA, muliggjort af Tensor-kernerne på Turing og Ampere. Ethvert spil, der understøtter det og er GPU-begrænset, kan se seriøse speedups kun fra software alene.
DLSS er ikke ny og blev annonceret som en funktion, da RTX 2000-serien blev lanceret for to år siden. På det tidspunkt blev det understøttet af meget få spil, da det krævede NVIDIA at træne og indstille en maskinlæringsmodel til hvert enkelt spil.
Men på det tidspunkt har NVIDIA omskrevet det fuldstændigt og kalder den nye version DLSS 2.0. Det er en generel API, hvilket betyder, at enhver udvikler kan implementere den, og den bliver allerede hentet af de fleste større udgivelser. I stedet for at arbejde på en ramme, tager den bevægelsesvektordata fra den forrige ramme på samme måde som TAA. Resultatet er meget skarpere end DLSS 1.0, og ser i nogle tilfælde faktisk ud bedre og skarpere end selv indbygget opløsning, så der er ikke meget grund til ikke at tænde den.
Der er en fangst - når du skifter scener helt, som i cutscenes, skal DLSS 2.0 gengive den allerførste ramme med 50% kvalitet, mens du venter på bevægelsesvektordataene. Dette kan resultere i et lille fald i kvalitet i nogle få millisekunder. Men 99% af alt, hvad du ser på, gengives korrekt, og de fleste mennesker bemærker det ikke i praksis.
RELATEREDE: Hvad er NVIDIA DLSS, og hvordan gør det strålesporing hurtigere?
Ampere Architecture: Built For AI
Ampere er hurtig. Seriøst hurtigt, især ved AI-beregninger. RT-kernen er 1,7 gange hurtigere end Turing, og den nye Tensor-kerne er 2,7 gange hurtigere end Turing. Kombinationen af de to er et ægte generationsskridt i raytracing-ydeevne.
Tidligere i maj NVIDIA udgav Ampere A100 GPU , et datacenter GPU designet til at køre AI. Med det detaljerede de meget om, hvad der gør Ampere så meget hurtigere. For datacenter og højtydende databehandlingsbelastninger er Ampere generelt omkring 1,7 gange hurtigere end Turing. Til AI-træning er det op til 6 gange hurtigere.
Med Ampere bruger NVIDIA et nyt nummerformat designet til at erstatte industristandarden "Flydende punkt 32" eller FP32 i nogle arbejdsbelastninger. Under emhætten optager hvert nummer, som din computer behandler, et foruddefineret antal bits i hukommelsen, hvad enten det er 8 bit, 16 bit, 32, 64 eller endnu større. Tal, der er større, er sværere at behandle, så hvis du kan bruge en mindre størrelse, har du mindre at knuse.
FP32 gemmer et 32-bit decimaltal, og det bruger 8 bits til nummerområdet (hvor stort eller lille det kan være) og 23 bits til præcisionen. NVIDIAs påstand er, at disse 23 præcisionsbits ikke er helt nødvendige for mange AI-arbejdsbelastninger, og du kan få lignende resultater og meget bedre ydeevne ud af kun 10 af dem. At reducere størrelsen ned til kun 19 bits i stedet for 32 gør en stor forskel på tværs af mange beregninger.
Dette nye format hedder Tensor Float 32, og Tensor Cores i A100 er optimeret til at håndtere det underlige format. Dette er, oven på matriser, og antallet af kerner øges, hvordan de får den massive 6x hastighed i AI-træning.
Oven på det nye nummerformat ser Ampere store hastighedshastigheder i specifikke beregninger som FP32 og FP64. Disse oversættes ikke direkte til mere FPS for lægmanden, men de er en del af det, der gør det næsten tre gange hurtigere generelt ved Tensor-operationer.
Derefter har de introduceret konceptet for at fremskynde beregningerne endnu mere finkornet struktureret sparsity , som er et meget fancy ord for et ret simpelt koncept. Neurale netværk arbejder med store lister med tal, kaldet vægte, som påvirker det endelige output. Jo flere tal der knuses, jo langsommere bliver det.
Imidlertid er ikke alle disse tal faktisk nyttige. Nogle af dem er bogstaveligt talt bare nul og kan dybest set smides ud, hvilket fører til massive hastigheder, når du kan knuse flere numre på samme tid. Sparsity komprimerer i det væsentlige tallene, hvilket kræver mindre indsats at udføre beregninger med. Den nye “Sparse Tensor Core” er bygget til at fungere på komprimerede data.
På trods af ændringerne siger NVIDIA, at dette slet ikke bør påvirke nøjagtigheden af uddannede modeller.
Til Sparse INT8-beregninger, et af de mindste talformater, er topydelsen for en enkelt A100 GPU over 1,25 PetaFLOPs, et svimlende højt tal. Selvfølgelig er det kun når man knuser en bestemt type nummer, men det er alligevel imponerende.
