Den 1 september 2020 avslöjade NVIDIA sitt nya sortiment av spel-GPU: er: RTX 3000-serien, baserat på deras Ampere-arkitektur. Vi diskuterar vad som är nytt, den AI-drivna programvaran som medföljer den och alla detaljer som gör denna generation riktigt fantastisk.
Möt RTX 3000-serie GPU: er
NVIDIA: s huvudsakliga tillkännagivande var dess glänsande nya grafikprocessorer, alla byggda på en anpassad 8 nm tillverkningsprocess, och alla medförde stora hastigheter i både rasterisering och strålspårning prestanda.
I den nedre delen av uppställningen finns det RTX 3070 , som kommer in på $ 499. Det är lite dyrt för det billigaste kortet som NVIDIA presenterade vid det första tillkännagivandet, men det är en absolut stjälning när du förstår att det slår ut den befintliga RTX 2080 Ti, en topp på linjekortet som regelbundet säljs för över $ 1400. Men efter NVIDIA: s tillkännagivande sänktes tredjepartsförsäljningen, med ett stort antal av dem som panik såldes på eBay för under $ 600.
Det finns inga solida riktmärken från tillkännagivandet, så det är oklart om kortet är det verkligen objektivt “bättre” än en 2080 Ti, eller om NVIDIA vrider marknadsföringen lite. Riktmärkena som kördes var på 4K och hade sannolikt RTX på, vilket kan göra att klyftan ser större ut än den kommer att vara i rent rasteriserade spel, eftersom den Ampere-baserade 3000-serien kommer att prestera över dubbelt så bra vid strålspårning än Turing. Men eftersom strålespårning nu är något som inte skadar prestandan mycket och stöds i den senaste generationen konsoler, är det en viktig försäljningsargument att få den att köra så fort som förra generations flaggskepp för nästan en tredjedel av priset.
Det är också oklart om priset kommer att vara så. Tredjepartsdesigner lägger regelbundet till minst $ 50 i prislappen, och med hur stor efterfrågan sannolikt kommer att bli kommer det inte att vara förvånande att se det sälja för $ 600 kommer oktober 2020.
Precis ovanför det är RTX 3080 till $ 699, vilket borde vara dubbelt så snabbt som RTX 2080 och komma in cirka 25-30% snabbare än 3080.
Sedan, i den övre änden, är det nya flaggskeppet RTX 3090 , vilket är komiskt enormt. NVIDIA är väl medveten om och hänvisade till det som en "BFGPU", som företaget säger står för "Big Ferocious GPU."
NVIDIA visade inte upp några direkta prestandamätvärden, men företaget visade att det kördes 8 K spel på 60 FPS, vilket är allvarligt imponerande. Beviljas, NVIDIA använder nästan säkert DLSS för att nå det märket, men 8K-spel är 8K-spel.
Naturligtvis kommer det så småningom att finnas en 3060 och andra variationer av mer budgetorienterade kort, men de kommer vanligtvis in senare.
För att faktiskt kyla sakerna behövde NVIDIA en moderniserad svalare design. 3080 är klassad för 320 watt, vilket är ganska högt, så NVIDIA har valt en dubbel fläktdesign, men istället för att båda fläktarna vwinf placeras i botten har NVIDIA satt en fläkt i den övre änden där bakplattan vanligtvis går. Fläkten riktar luft uppåt mot CPU-kylaren och toppen av höljet.
Att döma av hur mycket prestanda som kan påverkas av dåligt luftflöde i ett fall, är det perfekt. Kretskortet är dock mycket trångt på grund av detta, vilket sannolikt kommer att påverka tredje parts försäljningspriser.
DLSS: En mjukvarufördel
Strålspårning är inte den enda fördelen med dessa nya kort. Det är verkligen lite hack - RTX 2000-serien och 3000-serien är det inte det där mycket bättre på att göra faktiska strålspårning jämfört med äldre kortgenerationer. Ray-spårning av en hel scen i 3D-programvara som Blender tar vanligtvis några sekunder eller till och med minuter per bildruta, så det är inte möjligt att tvinga den på mindre än 10 millisekunder.
Naturligtvis finns det dedikerad hårdvara för att köra stråleberäkningar, kallad RT-kärnor, men i stort sett valde NVIDIA ett annat tillvägagångssätt. NVIDIA förbättrade denoiseringsalgoritmerna, som gör det möjligt för GPU: erna att göra ett mycket billigt singelpass som ser hemskt ut och på något sätt - genom AI-magi - göra det till något som en spelare vill titta på. I kombination med traditionella rasteriseringsbaserade tekniker ger det en trevlig upplevelse förbättrad av strålspårningseffekter.
För att göra detta snabbt har NVIDIA dock lagt till AI-specifika processorkärnor som kallas Tensor-kärnor. Dessa bearbetar all matematik som krävs för att köra modeller för maskininlärning och gör det mycket snabbt. De är totalt spelväxlare för AI i molnserverutrymmet , eftersom AI används i stor utsträckning av många företag.
Utöver denoising kallas den huvudsakliga användningen av Tensor-kärnorna för spelare DLSS, eller djupt lärande super sampling. Det tar i en ram av låg kvalitet och uppskalar den till full-native kvalitet. Detta innebär i princip att du kan spela med 1080p-nivåer medan du tittar på en 4K-bild.
Detta hjälper också med att spåra prestanda ganska mycket— riktmärken från PCMag visa en RTX 2080 Super running Kontrollera i ultrakvalitet, med alla strålspårningsinställningar vevade upp till max. På 4K kämpar det med endast 19 FPS, men med DLSS på blir det mycket bättre 54 FPS. DLSS är gratis prestanda för NVIDIA, möjliggjort av Tensor-kärnorna på Turing och Ampere. Varje spel som stöder det och är GPU-begränsat kan se allvarliga hastigheter bara från programvara ensam.
DLSS är inte nytt och tillkännagavs som en funktion när RTX 2000-serien lanserades för två år sedan. Vid den tiden stöddes det av mycket få spel, eftersom det krävde NVIDIA att träna och ställa in en maskininlärningsmodell för varje enskilt spel.
Men på den tiden har NVIDIA skrivit om den helt och kallat den nya versionen DLSS 2.0. Det är ett allmänt API, vilket innebär att alla utvecklare kan implementera det, och det plockas redan upp av de flesta större utgåvor. I stället för att arbeta med en ram tar den in rörelsevektordata från föregående ram, på samma sätt som TAA. Resultatet är mycket skarpare än DLSS 1.0, och i vissa fall ser det faktiskt ut bättre och skarpare än ens inbyggd upplösning, så det finns inte mycket anledning att inte slå på den.
Det finns en fångst - när du byter scen helt, som i klippscener, måste DLSS 2.0 återge den allra första bilden i 50% kvalitet medan du väntar på rörelsevektordata. Detta kan resultera i ett litet kvalitetsfall i några millisekunder. Men 99% av allt du tittar på kommer att återges på rätt sätt, och de flesta människor märker det inte i praktiken.
RELATERAD: Vad är NVIDIA DLSS och hur kommer det att göra strålespårning snabbare?
Ampere Architecture: Byggd för AI
Ampere är snabb. Allvarligt snabbt, särskilt vid AI-beräkningar. RT-kärnan är 1,7 gånger snabbare än Turing, och den nya Tensor-kärnan är 2,7 gånger snabbare än Turing. Kombinationen av de två är ett verkligt generationsteg i strålspårningsprestanda.
Tidigare i maj NVIDIA släppte Ampere A100 GPU , en datacenter GPU utformad för att köra AI. Med det detaljerade de mycket om vad som gör Ampere så mycket snabbare. För datacenter och högpresterande datorbelastningar är Ampere i allmänhet cirka 1,7 gånger snabbare än Turing. För AI-utbildning är det upp till sex gånger snabbare.
Med Ampere använder NVIDIA ett nytt nummerformat som är utformat för att ersätta industristandarden "Flytpunkt 32" eller FP32 i vissa arbetsbelastningar. Under huven tar varje nummer som din dator bearbetar upp ett fördefinierat antal bitar i minnet, oavsett om det är 8 bitar, 16 bitar, 32, 64 eller ännu större. Siffror som är större är svårare att bearbeta, så om du kan använda en mindre storlek har du mindre att knäcka.
FP32 lagrar ett 32-bitars decimaltal och det använder 8 bitar för numret (hur stort eller litet det kan vara) och 23 bitar för precisionen. NVIDIAs påstående är att dessa 23 precisionsbitar inte är helt nödvändiga för många AI-arbetsbelastningar, och du kan få liknande resultat och mycket bättre prestanda av bara 10 av dem. Att minska storleken till bara 19 bitar, istället för 32, gör stor skillnad i många beräkningar.
Detta nya format kallas Tensor Float 32, och Tensor Cores i A100 är optimerade för att hantera det konstigt stora formatet. Detta är, på toppen av matrisen krymper och kärnantalet ökar, hur de får den massiva 6x-hastigheten i AI-träning.
Utöver det nya nummerformatet ser Ampere stora prestationshastigheter i specifika beräkningar, som FP32 och FP64. Dessa översätts inte direkt till mer FPS för lekmannen, men de är en del av det som gör det nästan tre gånger snabbare totalt sett vid Tensor-operationer.
För att påskynda beräkningarna ännu mer har de introducerat konceptet med finkornig strukturerad gleshet , vilket är ett mycket snyggt ord för ett ganska enkelt koncept. Neurala nätverk arbetar med stora listor med nummer, så kallade vikter, som påverkar den slutliga produktionen. Ju fler siffror att knäcka, desto långsammare blir det.
Men inte alla dessa siffror är faktiskt användbara. Några av dem är bokstavligen bara noll och kan i princip kastas ut, vilket leder till massiva hastigheter när du kan knäcka fler nummer samtidigt. Sparsity komprimerar i huvudsak siffrorna, vilket kräver mindre ansträngningar att göra beräkningar med. Den nya ”Sparse Tensor Core” är byggd för att fungera på komprimerad data.
Trots förändringarna säger NVIDIA att detta inte alls bör påverka noggrannheten hos utbildade modeller.
För Sparse INT8-beräkningar, ett av de minsta nummerformaten, är topprestanda för en enda A100 GPU över 1,25 PetaFLOP, ett svindlande högt antal. Naturligtvis är det bara när man knyter en viss typ av nummer, men det är ändå imponerande.
