Nvidia最强的消费类显卡RTX 3090发布：以半价购买Titan。

英伟达表示，这是自1999年以来PC游戏的最大突破。

对于全球游戏玩家和AI从业者来说，重要的时刻已经到来。

现在，英伟达创始人黄仁勋也在自己的厨房里发布了最新一代消费者图形卡GeForce RTX 30系列的前三种型号，GeForce RTX 307 0、 RTX 308 0、 RTX 3090。

“无论性能或能源效率如何，基于Ampere的GPU的速度都是Turing的两倍，”黄仁勋说。 “从架构，定制流程设计，电路，逻辑，封装，系列IO，视频存储器，电源，散热，软件和算法...我们在各个级别上挤压GPU的性能，最终达到世界一流水平。”

扰流板：壁橱里的抹刀瓶后面有个惊喜。

关于此版本，各种信息已经公开。但是每个人最关心的是GeForce RTX 30系列的性能和报价。用老黄的话说，价格与2080年相同，但是速度提高了一倍。 3090更像是GPU中的野兽，黄仁勋称之为BFGPU（凶猛）。

这些公共GPU的国家银行价格也首次出现在NVIDIA中国官方网站上：

当今最强大的GPU

在一系列深度学习和射线追踪的热点领域之后，黄仁勋突然从放置刮刀的瓶子中取出了一块RTX 3080，并开始正式介绍RTX30系列。

通常，GeForce RTX 30系列确实在GPU领域占据了许多“第一”：第一款具有24GB GDDR6X显存的游戏显卡；第一批支持HDMI 2. 1的GPU，仅一个图形卡即可实现4k的高刷新率或8k的游戏；第一批支持AV1编的独立GPU，以更少的带宽实现更高分辨率的视频流。

最大的GeForce RTX 3090当然必须从烤箱中取出。

RTX 3090是世界上第一个8K游戏GPU。为什么需要8K？ Nvidia认为，分辨率的提高将使视觉效果更加清晰锐利，使玩家能够更好地识别远处的游戏元素，并使头发，衣服缝合和皮肤皱纹等细节更加逼真。

该图形卡与Titan系列更相似，并且比上一代“在正常范围内”的最先进图形卡GeForce RTX 2080 Ti具有更强大的性能。 RTX 3090将于9月24日上市，起价为1499美元。如果没有传说中的40G视频内存的新Titan，那么它就是旗舰GPU。

在具体参数方面，RTX 3090使用了代号为GA102的内核，该内核具有与上一代Titan一样的24G视频内存，但该模型已升级为DDR6X（由Micron提供），视频内存速度为1 9. 5Gbps，384位宽和10496两个等效的CUDA内核。与GeForce RTX 2080 Ti相比，3090核的数量增加了一倍以上，功耗达到350W。

此外，RTX 3080宽320位，内置8704 CUDA，视频内存10G，功耗320W。 RTX 3070具有5888 CUDA。

相反，2080Ti具有4300个CUDA内核，因此黄仁勋在发布中表示3070的性能超过了2080Ti，这似乎没有问题。

仅从内核数量的角度来看，这种巨大的改进使最近购买RTX 20系列的人们有加入1949年国民军的感觉。但是，应该指出的是，该数据正式标有NVIDIA是等效的核心，与以前的物理核心不同。

Nvidia GeForce性能比较，来源：ANANDTECH

这些图形卡均支持PCIe 4. 0以及HDMI 2. 1和DP 1. 4a接口，并包含第二代光学跟踪核心RTX核心和第三代张量核心Tensor核心

可以看出，RTX 3090和RTX 3080在存储容量上有很大的差距，这可能是保留给以后要发布的RTX 3080 Super的。此外，3090的24G内存和1399美元的价格可能为许多需要深入学习购买Titan预算的用户节省了钱。如果您真的想要“ Titan Ampere”，可以期望它是一款夸张的图形卡，具有40G的视频内存，价格为3,000美元。

要注意的另一件事是GPU代工。今天发布的GeForce RTX 30系列全部使用三星的8纳米工艺“ Nvidia Custom Process”。选择三星而不是台积电。我不知道为什么。

安培架构，人工智能计算能力再次提升

这些功能强大的GPU均使用最新的7纳米工艺架构Ampere，该架构于今年5月推出，最早由Tesla A100采用。

在当时的GTC会议上，NVIDIA推出的基于Ampere的计算卡A100成为当时人类生产的最大的7纳米处理芯片。这款AI计算卡采用先进的台积电7纳米技术，并具有5​​40亿个晶体管。它也是一个3D堆叠芯片，面积为826mm ^ 2，最大功率为400W。

除了改进流程之外，Ampere架构还具有一些特定于AI计算的机制。其中，三代Tensor Core将加快稀疏张量运算：执行速度提高了一倍，并且还支持TF3 2、 FP1 6、。 BFLOAT1 6、加速INT8和INT4精度-系统将自动将数据转换为TF32格式以加快计算速度。现在，您无需修改​​任何代码即可进行量化，只需直接自动训练即可。

对稀疏矩阵的加速可使基于Ampere的GPU处理AI任务的效率提高一倍。

最后，在运行AI模型时，如果使用PyTorch框架，则与上一代V100芯片相比，在BERT模型训练中A100的性能提高了6倍，并且在BERT推理提高了7倍。

但是，由于消费级和级芯片的结构不同，我们不能简单地使用Ampere A100芯片的AI训练性能作为参考。我们仍然需要等待官方公告和最终的测量数据。

黄仁勋表示，GeForce RTX 30系列图形卡具有三种基本处理技术：具有30TFLOPS的计算能力的可编程着色器（Turing架构为1 1），双吞吐量，用于追光的RT核心（58 RT TFLOPS，Turing架构是3 4），而Tensor Core（238Tensor TFLOPS，旧版本是8 9），可以自动忽略辅助DNN权重。

在三个方面，性能是上一代产品的两倍。

AI是当前科学技术领域中最强大的技术力量，它使计算机可以从大量数据中学习知识，甚至可以基于此来编写软件。在图形领域，我们仍然可以通过Tensor Core的功能来增强视频的图像。 “我们现在只能计算低分辨率图像的光通量，然后使用Tensor Core通过DLSS将其恢复为高分辨率，同时还可以提高图片的帧速率。”黄仁勋说。

Nvidia已通过其自己的超级计算机训练了各种不同场景的图像，并且使用图形卡驱动的程序将训练后的模型安装在您的计算机上。当游戏运行时，AI将通过最后一个高清图像渲染现有的低分辨率图像，并最终实现超出原始图像的效果。据报道，在最新版本的DLSS 2. 0上，Tensor Core可以使RTX的性能提高一倍，这也意味着游戏的有效帧数可以提高一倍。现在可以进行光线追踪，高分辨率和高帧频。

用它玩游戏会怎么样？

除了新的图像增强工具DLSS 2. 0和基于Ampere的GeForce图形卡之外，Nvidia还推出了Nvidia Reflex，Nvidia Broadcast，Machinima等工具。基于RTX强大的计算能力，现在人们不仅可以获得更好的游戏画面，还可以降低游戏过程中的延迟，屏蔽直播过程中的环境噪声，替换背景，达到绿屏效果，甚至直接使用游戏中的元素来创建您想要的电影。

如今，大型3D游戏的容量已超过200G，并且需要对大量图像材料进行解压缩，然后由GPU处理。使用PCIe-4和固态驱动器后，CPU减压成为该过程的瓶颈。现在，借助新技术RTX IO，GPU可以进行无损解压缩。

距特纳·惠特（Turner Whitted）和其他人首次发表射线追踪论文已经40年了。现在，这项技术已经从计算和图形的圣杯变成了每个人都可以体验的实时游戏屏幕。黄仁勋还宣布，“堡垒之夜”支持Nvidia的光线追踪技术。 “现在，世界上最受欢迎的两个游戏《 Minecraft》和《 Fortnite》支持追光灯。”黄仁勋说。

为了充分发挥新一代GeForce显卡的性能，Nvidia还发布了夸张的360Hz刷新率G-Sync屏幕，该屏幕有望出现在Acer，Asus，MSI和Alien等品牌的计算机上这个秋天。在配置表上。

几个月前，黄仁勋播放了Marbles池游戏视频，其中显示了Turing使用Turing RTX Quadro 8000在GTC上实时渲染数百个光源，达到720p 25帧。使用安培架构的GPU，我们现在可以实现1440p，30帧并添加更多特殊效果，这是性能的四倍多。

想要更好的结果吗？您还可以使用NVLink在两个GeForce RTX 3090上执行SLI，以实现显着的性能扩展。但是从卡的价格来看，估计这种事情只有在玩Microsoft Flight Simulator时才能完成。

最后，有传言说RTX 3090在常规任务中的性能。据说，在未经优化的完整游戏中，基于GA102的未完成图形卡在4K分辨率下可以比RTX 2080 Ti运行更快。高出40％，优化游戏的性能高出50％。在针对安培架构进行优化的最佳情况下，性能提高可以高达70％。如果您想以4K分辨率观看高刷新率图像，那么现在就不成问题了。

使用了Nvidia的许多最新技术的游戏“ Cyber​​punk 2077”计划于今年11月19日与人们见面。

在《星际迷航》中，剧中的人们将使用Holodeck为任务创建虚拟现实环境。现在，这个科幻梦想已基本成为现实。 “将来，GeForce将成为您的Holodeck，您的光速航天器和您的时间机器。”黄仁勋说。

不出所料，RTX 3090的性能绝对强大。现在，问题来了，您愿意以10,000元购买Titan显卡吗？

不久前，KDD 2020宣布了多个奖项，例如最佳论文和最佳学生论文。其中，最佳学生论文奖由杜克大学的李昂，杨怀瑞，陈宜然，北京航空航天大学一肖和杨建磊获得。

为了帮助读者更详细地了解本文，9月3日最新一期的《机器的》论文共享邀请了最好的学生论文李昂向我们介绍这项研究。

©结束

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shenmilingyu/article-314134-1.html