AD
北京时间8月14日早7点，在SIGGRPAH 2018上，NVIDIA公布了自己的最新显卡架构Turing，同时发布了首款基于Turing架构，并支持光线追踪的Quadro系列专业卡。目前，这张卡仅刚刚发布，并不知道这款Quadro系列的核心代号，但从NVIDIA公布的信息中依旧能管中窥豹。
大核心和GDDR6显存
Turing核心相比Pascal变大非常多，NVIDIA这里给出是与GP102(GTX TITAN XP P)的对比。整个核心的核心面积增大约60%，晶体管增加到18.6亿。
大核心有很多优点，例如散热好，布线方便。但有一个最大的缺点，良品率低。其原因是因为一块晶圆上切出的核心有限，大核心能切出的核心更少，而且其瑕疵几乎以伪平均出现时，大核心分到的瑕疵更多，自然报废的也更多。NVIDIA这次加大的核心面积，自然和其增加功能密不可分。
除了常规的视频解码升级，L2的改进之外。NVIDIA还在核心中放进了NVlink和RT core，并保留了Tensor core。RT core的主要用途是加速对于光线追踪的计算，它加速了一些主流的光线追踪算法（ray-triangle intersection checks and bounding volume hierarchy），最快每秒可以投射100亿条光线，和前代未加速的Pascal相比，性能提高25%。
新的Quadro并没有继承Volta架构的HBM2显存，而是使用了三星最新量产的GDDR6颗粒，其中，RTX 8000使用2G颗粒，并达成了最高48G的容量，其正反使用了24个颗粒。
在三星的新闻稿中，GDDR6显存相比20nm的GDDR5容量翻倍，同时速度达到14Gbps，传输速度56GB/s，提升了75%速度。同时还降低了35%的功耗，GDDR6的电压仅需1.35V。
面积增大，换用显存之后，整颗核心的CUDA部分达到了16TF的性能，相较上一代Volta GV100提升约1TF，但核心面积有所缩小7.5%。功耗方面，NVIDIA给出的是225W，远低于预计，在没有公布制程的情况下并不知道到底是制程还是架构带来的福利。
Turing的架构常规升级还有8K HEVC解码、VirualLink和Type C输出的支持。其中Type C不仅支持DP 1.4标准的图像传输，还支持10Gbps的数据传输，让一些一线通显示设备不再尴尬。
光线追踪
光线追踪的目的是为了提供整个画面中更加准确的光反射显示，它的思路是确定一条光线的路线，其光路和视觉角度相反，以此得出符合现实规律的光照和反射。
这项技术提出非常早，在很久以前的电影特效和渲染中就以得到广泛的使用。但由于其复杂的特性和运算量，无法实时渲染。在DX10 中，微软就添加了相应的接口，在性能的逐步增加之后，部分游戏开始使用，但依旧不是整个画面全局使用，而是一小部分。实时光线追踪核心的引入，能让整个游戏画面看起来更真实。
NVIDIA并没有详细公布其光线追踪的细节，对于整个仍未成熟的业界来说非常大胆，也可以说是NVIDIA的一场豪赌，赌的是自己技术能成为未来光线追踪的主流，并且还想打击自己的竞争对手AMD。NVIDIA能不能成功我们并不知道，但是其战争已经打响。
NVLINK
相对于AMD的无桥交火CrossFile技术，NVIDIA的SLI技术一直不占优势，首先是需要实体连接2张或以上的显卡，其次需要专门的SLI芯片，而且从效率上也远远低于对方，NVIDIA也由此推出自己的NV LINK。这项多GPU连接技术首发于NVIDIA的计算平台Tesla上，NVIDIA将其折半阉割之后下放到了Quadro平台中。
和目前其他的双卡技术不同，NVLINK的速度更快，即双卡之间的显存可以互相访问，基本可以认为两张卡可以算作为一张卡。传统的双卡技术则很难同步，在需要显示游戏时是以AB帧交替来渲染，如果一张卡渲染延迟稍高，那么性能就会有损失。
在新架构中，NVIDIA使用了统一内存，新的架构能直接访问CPU内存，提高了整体的能效，减少了数据传输带来的延迟。依靠NVlink，能实现CPU和GPU的缓存一致性。
NVlink的研发借由OpenPOWER Foundation，NVIDIA只是其中一员，NVlink的技术也非常开放，可以用于很多大规模高性能平台的互相桥接和连接，减少中间带来的损耗。
在大核心单芯片，目前工艺的瓶颈下，NVIDIA选择重回双卡是不得以而为止。据传NVIDIA已经将其下放到Geforce系列，以将性能提高为4K 60Fps的准4k水平。未来，NVlink很有可能替代GPU到CPU的连接。
深度学习和游戏结合(DLAA/辅助光线追踪)
为了更好的利用光线追踪和Turing内置的Tensor core，NVIDIA推出了DLAA，即基于深度学习和神经网络的抗锯齿技术。
从得到的一些消息来看，几日之后发布的Geforce系游戏级显卡仍将采用Turing架构，并保持较为完整的核心规模。这也意味着新的GTX2080系显卡将第一次带着深度学习上市，这也是目前消费级领域前所未有的。
Tensor core是NVIDIA在volta时加入的一种特定运算加速硬件，通过使用特有的API，能达到10倍以上神经网络性能。NVIDIA也没有公布Turing上深度学习核心的详细信息，但从参数上来看，相较GV100来说有所提高。
游戏级显卡内置深度学习模块并不是为了让你学习AI，然后让你的模型跑的更快，而是有其他的目的，NVIDIA在发布会上就提出了2个适用领域，即DLAA和光线追踪辅助。这两个技术的目的都是一致，通过AI的辅助，提升整卡的运行效率。
通过DLAA深度学习抗锯齿，和适度AI学习及模型的配合下，其效果相比原有基于算法的FXAA、MSAA效果会更好，处理时间也更少。深度学习也能辅助光线追踪算法，剔除在某些场景和画面中不需要追踪的光线，以腾出性能来追踪那些决定画面关键的光线以提高表现力。这些改变让Turing在光线追踪并附加DLAA之后，图像处理速度依然笔Pascal快6倍。
NVIDIA计划将这些AI辅助图像的功能打包为一个SDK，并进行整合，以方便开发者的调用。
在未来，深度学习AI和游戏实时渲染整合是大势所趋。4K像素和特效全开，很多游戏都不能达到60Fps，但如果你使用1080P或720P，甚至可以轻松达到CG级甚至电影级画质，在经过实时AI后处理之后，依然可以在少量损失下达到”假4K“级别的分辨率。到底是追求像素还是画面的冲击力，成为了每个厂商需要思考的问题。目前的单芯片已经达到了瓶颈，多芯片互联的高成本和优化问题下，减少渲染部分总体积，加大AI面积，已经成为大势所趋。
不过由于极高的成本，AI和光线追踪核心并不会普及到所有产品线，有可能仅在70和80系以上作为试水，待一轮更新之后，再加入其中低端游戏显卡。
本文首发于微信公众号：牛科技网。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。
深度学习的硬件之争关键年：NVIDIA, AMD, Intel鹿死谁手？ 
CGU2017盛大开幕 七彩虹&NVIDIA联手打造电竞盛宴
