4090深度解析：AI赢麻了？不只是打游戏

Answer 1

英伟达在9月20日的GTC大会上推出了GeForce RTX 4090，这引起了我们的极大兴趣。我们有幸第一时间拿到了公版的4090，并找来曾帮助我们搭建上一代计算机的koukou，共同搭建了一个基于40系的测试平台。本文将从游戏表现开始，深入探讨英伟达在GTC大会上宣传的DLSS 3技术，最后结合AI应用，进行全面分析。

首先，让我们来了解下4090显卡的硬件特点。公版4090采用了与30系相似的设计风格，相较于3090，它的长度减少了约10mm，厚度增加到61mm，达到了标准的三槽尺寸。风扇直径从9cm提升至9.5cm。这款4090在体积上更为紧凑，是所有40系非公卡中最小巧的。

在配置方面，我们搭建了一个由12900K和华硕M14H组成的测试平台。内存采用了海盗船的铂金统治者DDR5 6200C36，散热采用了追风者的T30，电源选用了海韵的focus1000W金牌全模组。同时，我们还准备了一个XTIA的Xproto ATX机架作为对比，用于与七彩虹的火神3090TI进行性能比较。

接下来，我们进行了3DMark跑分测试。RTX4090在传统光栅测试中的成绩显著提升，特别是在针对DX11和FSE、FSU以及DX12的time spy等场景中，提升幅度均超过65%。在实际游戏测试中，4090在不开启光追和DLSS的极高画质下，平均帧数提升了26%到近70%不等。

在光追测试和游戏性能方面，RTX4090的表现同样亮眼。在传统的3A大作中，相比上一代，平均帧数提升幅度在50%左右。对于支持DLSS 3的游戏，开启该技术后，帧数至少翻倍，最高可达4倍。结合DLSS 3和Reflex功能，游戏不仅帧数大幅度提升，插帧后的延迟也显著降低，甚至低于4K原生画面下的延迟。

接下来，我们将深入探讨DLSS 3技术及其在AI领域的应用。DLSS中文名为“深度学习超级采样”，它在实测的游戏中，开启后帧率提升高达4.2倍，最低也有2.1倍。实际体验中，画面流畅度的提升最直观，这是通过插帧实现的。

与传统插帧算法相比，DLSS 3插帧展现出明显的优势。通过对比开源项目dxcam的程序脚本抓取的插帧画面和原生帧，我们发现，虽然插帧帧与原生帧在静物上无明显区别，但在移动物体上，插帧帧周围会出现细小的噪点，尤其是在大动作下更为明显。与Topaz AI插帧软件进行对比，深度超采插帧在处理大动作时更为精准，保留了物体的清晰度，而Topaz的传统插帧AI则无法准确处理大动作，导致画面变形。

DLSS 3的技术支持来自AI人工智能，它不仅能提供插帧功能，还通过获取额外信息，如画面中每个像素指向场景中的点、物体运动位移和深度信息、画面渲染时的信号抖动偏移以及曝光量等，进一步加深AI对场景的理解。这种技术的实现需要多个层面的优化，包括硬件和软件的改进，最终通过多个技术的综合发力，实现了插帧功能的高效实现。

在面对延迟问题时，英伟达的Nvidia Reflex技术在FPS竞技游戏中已有所应用，通过降低CPU和GPU之间的渲染队列延迟，提高了游戏实时性。在Ada架构下，深度超采插帧功能的实现需要克服延迟问题，通过优化硬件和算法，最终在保持高质量插帧的同时，将延迟控制在可接受范围内。

对于插帧功能，Ada架构的RTX 4090提供了强大的支持，但由于技术挑战，目前仅在高端卡上实现。前代显卡通过软件优化，也能逐渐支持插帧功能。英伟达在AI技术领域的创新，如深度学习生成的Ada Lovelace画像，展示了AI在艺术创作领域的应用潜力。此外，针对AI运算的硬件升级，如支持FP8低精度浮点数，为新兴AI架构Transformer提供了关键支持。

最后，我们讨论了Transformer AI在语音识别领域的应用，如OpenAI发布的Whisper语音识别AI，它基于Transformer架构，能以惊人的速度和准确性识别各种语言。这种技术的引入，预示着未来语音助手等应用将得到显著提升。