新标杆：混合渲染模型与 RTX-OPS

Turing 引入的 RT Core 和 Tensor Core（张量内核） 能用于实时光线追踪和人工智能画面增强，软件方面的配合也接踵而至，微软将会在 10 月份发布的 Windows 10 2018 10 月更新（Windows 10 RS5）将集成 DirectX Ray Tracing（DXR）以 Windows ML（ML 表示机器学习）。

软硬结合后，可以实现一个全新的混合渲染模型，在这个模型里，可以结合传统的光栅化渲染、新的光线追踪以及人工智能，以实时的方式生成令玩家惊讶的画面。

要了解混合渲染的可用操作需要对相关的工作负载有所了解。光线追踪和 AI 需要非常高的吞吐量，但是不可能整个时间片都用来跑光线追踪和 AI。所以，单纯将这些操作换算成着色操作数并非有意义的衡量指标。首先，我们需要了解每一个工作负载消耗多少时间。

上图是 NVIDIA 根据在 Turing 上运行的应用程序录得的实测数据，阐释了在一帧时间上的工作负载分布，具体而言：

使用 DLSS 为代表的 DNN 工作负载（紫色），耗时占比大约 20%，余下的 80% 都是渲染（黄色）。

渲染耗时中的一部分时间是跑光线追踪的（绿色），虽然有些时间消耗在传统的光栅化或者 G-Buffer 评估上。耗时是根据渲染内容而有所变化的。NVIDIA 根据自己运行的游戏和演示程序评估，认为将时间片以 50/50 分开是合理的。所以在上图中，光线追踪的耗时大约是 FP32 着色耗时的 50%。在 Pascal 中，光线追踪是在 CUDA Core 上以软件方式运行的，每 GigaRay 需要大约 10TFLOP 性能，而在 Turing 这边，光线追踪是在专门的 RT Core 上运行，其性能达到 10GRPS，或者说光线追踪的浮点性能高达 100TFLOPS。

对 Turing 需要考虑的第三个因素是，在 Turing 上整数是可以和 FP32 浮点数并行执行的。NVIDIA 认为现在的游戏中，平均每 100 条 FP32 指令就有 35 条额外的指令运行于整数流水线上。对于单流水线架构来说，这些整数指令是需要在 CUDA Core 单元上跑的，但在图灵架构上，两者可以并行执行。所以，在上面这个时间片中，可以认为整数指令占了着色时间片的 35%。

NVIDIA 根据上面的研究，决定把上述四个底层测试结果综合为一个指标 RTX-OPS，用来反映混合渲染模型下的性能，其计算方式如下。

Tensor Core（FP16）：20%
CUDA Core（FP32）：80%
RT Core（RTOPS）：40%（80% 的一半）
INT32：28%（80% 的 35%）

RTX-OPS = TENSOR * 20% + FP32 * 80% + RTOPS * 40% + INT32 * 28%

用 GeForce RTX 2080 Ti 来套这个公式就是：

RTX-OPS = 114 * 20% + 14 * 80% + 100 * 40% + 14 * 28% = 78 RTX-OPS

写在最后：游戏显卡新标杆

图灵最大的亮点是引入了 RT Core，这是桌面级 GPU 首次引入光线追踪加速专用单元，在过去人们为此奋斗了数十年，海量的研究以及半导体工艺的进步终于促成了此事，它既是人们久久期盼的，同时也是不期而至的。

光线追踪能在复杂物体上实现正确的物理渲染，开发人员不再需要为了椅子和地面阴影的正确连接而煞费苦心，玩家可以玩上有三维游戏以来画面品质飞跃最大的游戏。其实光是 RT Core 我觉得就可以点赞 1 万次。

另一个值得大力点赞的地方是 Tensor Core（张量内核）。我一直好奇人工智能在游戏渲染中到底能带来怎样的变化，集成了 Tensor Core（张量内核） 的 Turing 给我们带来了让人惊喜的答案：DLSS。DLSS 本质上是一种程序分析化抗锯齿技术，但是结合了海量的大数据后，其威力甚至可以做到实时达到 64x 超取样的画面品质，顿时觉得什么 MSAA、TAA、FXAA 简直弱爆了。

Turing 也不是没有让人诟病的地方，但是我翻来覆去后，觉得也就是价格相对以前的新品来说的确有点高了，但是我们要知道，目前市场上，只有这玩意提供了最强大的画质、性能，毫无竞争对手可言。在这里，我们望 NVIDIA 能将赚到的钱多投入到与游戏、软件开发上，将纸面的规格变成真正可用的特性。

• 
• 
• 
• 
• 
• 
• 
• 
• 

• 
• 
• 
• 
• 
• 
• 
• 
• 

• 
• 
• 
• 
• 
• 
• 
• 
• 

更多内容请点击进入新技术研习社专栏