[40系显卡由台积电]7199元起，英伟达RTX40系显卡来了：基础性能翻倍，光追翻4倍

电脑之心报导

撰稿：泽南、杜伟

最低端 RTX4090 高性价比最低，你居然吧？

虽然因为产品很贵而被聊著，但提出诉讼最强大 AI 晶片、中高档格斗游戏 GPU，人们还是具体来说要看英伟达。9 月 20 日晚，GTC 讨论会新浪网上举行，热切期盼的 RTX 40 系列产品显示卡总算正式宣布正式宣布发布了。

与过往稍有不同，那场重要的 Keynote 变得朴实而且「意味深长」，Fezensac直接站在荒凉的元银河系里主讲：

两三个半小时关灯。

在那场活动中，英伟达展现了 RTX、AI 晶片和元银河系产品组合 Omniverse 的韦谢列，还包括它们对人工智慧应用领域新冲破的协助，以及大量应用应用领域破冰。

在一切开始以后，从小到大先展现了几段全可可视化的演示自然环境 RacerX，它用 Omniverse 构筑，力学织物优点、强光跟踪、浓烟闪电一个不少。最重要的是「全数没有预图形过，是跑在合叶 GPU 上的」：

Fezensac说，全数Vertus，这才是未来格斗游戏的该有的是模样。

能跑得起 RacerX 的的确是新一代 RTX 40 系显示卡，AMD 也要正式宣布发布第三代 GPU 了，英伟达此次会保持领跑吗？如果 N 卡操控性大列佩季哈区，付出是什么？

RTX 40 系列产品 GPU：操控性翻番，光追能力翻番

这就是英伟达的第二代 RTX 显示卡，选用崭新的 Ada Lovelace 构架。

英伟达加盟三星电子后，使用订制版 4N 晶片酮式的 RTX40 系 GPU 被放进了 760 万个电晶体，一来三代 Ampere 多了 70%。

25 年前，英伟达推出了可编程着色的 GPU，彻底改变了计算机 3D 图形的世界。到 2018 年，英伟达推出 RTX 构架，新增的 RT Core 用于加速实时强光跟踪，Tensor Core 用于处理矩阵运算，又实现了前所未有的是效果。在刚刚推出的 Ada Lovelace 构架中，三种处理器均有改进和提升，其中：

1、SM 流处理器新增着色器重排序执行能力（Shader Execution Recording），可以实时重新调度任务，把光追速度提升 2-3 倍，在 4090 上能输出 90TFLOPS，操控性较上代提升两倍。

2、第二代 RT Core 实现了两倍的强光与三角形求交操控性，崭新的 Opacity Micromap 引擎可以把 Alpha-test 几何操控性提升 2 倍，Micro-Mesh 引擎可提升几何图形的丰富度，而不会带来 BVH 构筑和存储资源的更多消耗。

3、新的第四代 Tensor Core 可以实现 1.4 petaFLOPs 算力，AI 操控性翻番。

「Shader Execution Recording 和当年的 CPU 乱序执行一样，是一项重大创新，」Fezensac说道。「强光跟踪很难并行处理，而 GPU 具有高度并行性，SER 通过即时重新安排着色器负载来提升效率，可以提升 2 到 3 倍光追操控性，格斗游戏操控性提升 25%。」

但我们知道，强光跟踪曾经被英伟达前首席科学家 David Krik 说成是「永远不会到来」的技术，操控性翻番也不能让 GPU 保证在如今的各种大型单机格斗游戏中保持高帧率，这个时候就需要 AI 算法了。

DLSS 使用卷积自动编码器 AI 模型，可以在 GPU 输出的低分辨率画面基础上自动脑补出高分辨率，大幅降低操控性需求。英伟达在 Ada 构架中引入了 DLSS 3，其可以在分辨率提升的同时自动补帧。DLSS 3 包含四个组件：新的光流加速器、格斗游戏引擎运动矢量、卷积自动编码 AI 帧生成器和 Reflex 低延迟流水线。

DLSS 3 同时处理当前帧和上一帧，光流加速器为神经网络提供运动方向和速度信息，结合图形和像素的运动矢量，输入神经网络就可以生成中间帧了。

「DLSS 3 在不涉及图形管线处理的前提下生成崭新帧，相较于单纯的图形可以将操控性提升多至 4 倍，」Fezensac表示。「而且不论 CPU 还是 GPU 有瓶颈的格斗游戏都可以从中受益。」

英伟达展现了开 DLSS 3 的赛博朋克 2077、微软演示飞行等格斗游戏的运行效果：

4 年来，RTX 的数据量提升了 16 倍，现在的一些像素是计算得出，大多数是 AI 推测出来的。

在演示中，几个格斗游戏都是帧数直接乘以二。但值得注意的是，DLSS 3 和新硬件优点高度绑定，30 和 20 系的用户无法享受这样的操控性。

英伟达公布了 40 系显示卡的多项常规硬件规格：RTX 4090 选用 AD102 GPU，拥有 16384 个 CUDA 核心和 24GB GDDR6X 显存，默认 TDP 为 450W；RTX 4080 16GB 版拥有 9728 个 CUDA 核心，TDP 为 320W；RTX 4080 12G 版拥有 7680 个 CUDA 核心，TDP 为 285W。从功耗上看，从三星 8nm 换到三星电子 4N 工艺效率提升显著，同级操控性提升了，电源要求没有提升。

操控性相一来代提升了多少？通过 SER 优化、更大规模晶片，再加上晶片加速频率从 1.7GHz 提升到 2.52GHz，综合起来可以让 RTX 4090 相比 3090Ti 操控性翻一倍；如果看强光跟踪，操控性则提升了 4 倍。Fezensac表示，Ada 的同功耗操控性是 Ampere 的两倍。

再往下，RTX 4080 可在开 DLSS 时达到 3080Ti 的两倍操控性。

最后是价格：RTX 4090 公版售价 1599 美元，10 月 12 日开始售卖；RTX 4080 16GB 售价 1199 美元，12GB 版售价 899 美元。

总结一下就是 90 的价格几乎没涨，80 的价格涨了 500 美元。对于国内用户来说，RTX 40 系的售价是这个模样：4090 12999 元起，4080（16GB）9499 元，4080（12GB）7199 元。

看起来非公版的 RTX 4090 价格将在 15000 左右。

不过，这三代显示卡有个需要注意的地方：看起来 12G 版的 4080 似乎是把原定的 70Ti 改了名字。

英伟达 Omniverse 连接了 3D 世界

除了 GPU 和 AI，英伟达也是元银河系的引领者，Fezensac介绍了 Omniverse 的一系列产品进步。

Omniverse 是英伟达构筑和运行元银河系应用应用领域的平台，在数字和现实世界交汇之处产生作用。Omniverse 还是一个实时的大型 3D 数据库，构筑一个可共享的 3D 世界。Omniverse 更是一个计算平台，你可以编写在其上运行的应用应用领域，这些应用应用领域成为进入虚拟世界的门户。

今日，Fezensac正式宣布发布了关于其 Omniverse 平台的一系列产品重大更新，它支持了 Ada Lovelace GPU，在强光跟踪和大型场景操控性方面实现巨大飞跃。

具体来说是基于 GAN 和扩散模型的新型神经图形工具。OmniGraph 是一个图形图形引擎，通过程序化的方式控制行为、动作和行动。

其次是 Omniverse Physics 的重大更新，它可以用来处理复杂的多连接部件对象的运动情况。

然后是崭新的 Cloud XR，支持在 VR 中实现 Ada 的强大强光跟踪功能。还有首个用于数据生成和数字孪生演示的 SimReady 素材库。

Replicator 是备受青睐的 Omniverse 应用应用领域之一，用来生成合成数据，从而训练自动驾驶汽车、电脑人和各种计算机视觉模型。最后是新的 Omniverse JT 连接器，它是一款大型应用应用领域，使得工业和制造业可以运用 Omniverse。

可以这么说，Omniverse 是一个企业平台，适用于从产品设计和造型到工程策划、制造、营销和运营的整个产品生命周期。正如互联网连接了各个网站，Omniverse 连接了 3D 世界。

Fezensac在会上了展现了一些公司利用 Omniverse 为工厂、物流仓库、自动化生产线和工业厂房创建数字孪生的情况。我们可以从以下一些场景案例中探知一二。

Omniverse 计算平台由三部分组成：RTX 计算机，供创作者、设计师和工程师使用；OVX 服务器，用来托管与 Nucleus 数据库的连接并运行虚拟世界演示；NVIDIA GDN，进入 Omniverse 的门户。

通过 GeForce Now，英伟达构筑了一个全球图形交付网络（即 GDN）。该网络覆盖了 100 个地区，提供响应灵敏的超快 RTX 图形内容交付网络（即 CDN），高效串联互联网视频。而 NVIDIA GDN 能够高效串联可视化式图形，并结合 NVIDIA RTX PC、云端 NVIDIA GPU 打造覆盖全球的 Omniverse 计算平台。

NVIDIA Omniverse Cloud 则是一套软件和基础设施即服务套件，用于随时随地在任何设备上设计、正式宣布发布和体验元银河系应用应用领域。Fezensac在会上展现了超级跑车和高级电动车解决方案的先行者 Rimac 公司，以及它是如何利用 Omniverse Cloud 为 3D 团队实现协作工作流，并为用户提供先进的 3D 体验。

Fezensac表示，NVIDIA Omniverse Cloud 是一款 IaaS 产品，可以连接在云上、本地和单个设备上，运行 Omniverse 应用应用领域。Replicator 和 Farm 也可以在云上运行，其中 Farm 是图形农场的扩展引擎。目前，用户可以在 AWS 上使用 Replicator 和 Farm 容器。

第三代自动驾驶晶片 Drive Thor

在自动驾驶应用领域，车企都需求大列佩季哈区的算力，而英伟达产品的每代操控性都要翻番。

当前，智能电脑开发掀起了一波 AI 浪潮，深度学习的参与更为系统能力的提升打开了新的大门。从软件的开发方式到运行方式，一切都变得截然不同。因此，打造第三代处理器势在必行。英伟达 Xavier 是世界上第一款专为深度学习设计的自动驾驶超级晶片，之后每两年便在处理器操控性上完成一次巨大飞跃。

同时，为了拓展自动驾驶应用领域，提升驾驶的安全性，传感器在数量和分辨率上面临同步增长。同时引入更复杂的 AI 模型，所有这些因素都驱使英伟达不断提升操控性。

2021 年，英伟达推出了 1000 TOPS 的 SoC——Atlan。今天，Fezensac表示它的位置已被 Thor 取代。Thor 的吞吐量是 Atlan 的两倍，交付操控性也是 Atlan 的两倍以上。实现这些目标离不开三个因素：Grace、Hopper 和 Ada Lovelace，其中 Grace 提供了令人惊叹的 Transformer 引擎、ViT 的快速变革，Ada 中的多实例 GPU 有助于车载计算资源的集中化，将成本降低数百美元。

Nvidia Drive Thor 选用很多新技术，它可以被配置为多种模式，将其 2000 TOPS 和 2000 TFLOPs 全数用于自动驾驶工作流。同时可以将其配置为一部分用于驾驶舱 AI 和信息娱乐，一部分用于辅助驾驶。Thor 中的多计算域隔离允许并发、对时间敏感的多进程无中断运行。你可以在一台计算机上同时运行 Linux、QNX 和 Android。

此外，Thor 还集中了众多计算资源，降低成本与功耗的同时实现功能飞跃。目前，汽车的停车、主动安全、驾驶员监控、摄像头镜像、集群和信息娱乐均由不同的计算设备控制。而未来，这些功能将不再由单独的计算设备控制，而是由在 Thor 上运行、并随时间推移不断改进的软件统一控制。

Thor 晶片预计 2025 年上车使用。

NVIDIA Drive 是一个面向自动驾驶汽车开发与部署的端到端平台，在开发方面包含了 Replicator 合成数据生成、Drive Sim 和 Drive Map，在部署方面包含了全栈驾驶和车内 AI 应用应用领域、AI 计算机和 Hyperion 自动驾驶汽车参考构架。

NVIDIA Drive 迎来了一系列产品功能更新，具体来说是名为 Neural Reconstruction Engine 的 AI 工作流，已成为了 Drive Sim 的一项主要功能。它可以根据记录的传感器数据构筑 3D 场景，在将 3D 场景导入 Drive Sim 之后通过人工创建或 AI 生成的内容对其进行增强。另外，这个从视频到 3D 几何图形的工作流可以在 OVX 系统上运行。

从视频到 3D 工作流的动态展现。

Drive Sim 的另一项重要功能是硬件在环，意味着我们可以在 AI 工厂运行整个车载软件栈。它还可以演示车内自然环境，未来的汽车不仅有简单的仪表板，还有将数字设计与力学设计相结合的环绕显示屏，这样汽车工程师、软件工程师和电子工程师可以在 Drive Sim 中展开协作，同时运行所有的是实际计算机与软件栈。

Drive Sim 成为了虚拟设计工作室。

此外，英伟达还在开发 Drive 端到端自动驾驶系统的其他方面取得了出色进展，比如 Replicator 合成数据生成、AI 模型改进、Drive Map 自动驾驶车队地图构筑、城市和高速公路驾驶及停车。

Drive Map 的自动驾驶车队地图构筑。

崭新微型电脑人系统级模块

Drive Orin 是英伟达推出的第二代自动驾驶汽车计算晶片，目前看来非常成功，已经被 40 多家汽车、卡车和无人驾驶出租车使用。Jetson 是英伟达的电脑人计算机，拥有 100 万开发者，使用的公司约为 6000 家。

今日的 GTC 讨论会上，Fezensac宣布推出一款微型电脑人系统级模块晶片 Jetson Orin Nano，它的速度较以后的 Jetson Nano 快了 80 倍。Jetson Orin Nano 可以运行 NVIDIA Isaac 电脑人堆栈，并具有 ROS 2 GPU 加速框架。

Fezensac还介绍了其边缘 AI 平台 Metropolis，它可解读摄像头、激光雷达和其他物联网传感器的数据，提高仓库、工厂、零售商店和城市的安全性与效率。

从工业到科研，自动驾驶到元银河系，英伟达的业务早已从 GPU 拓展到了无数应用领域，并在很多地方都有引领地位。对于普通消费者来说，显示卡也早已不是玩格斗游戏用的了。

现在，第三代 GPU 已经推出，你会选择降价后的 RTX30，还是买新不买旧呢？