Blackwell RTX 50架構大起底：AI與DLSS 4如何引領未來？-魔扣目錄

在圖形渲染和高性能計算領域，NVIDIA一直保持著領先地位，然而他們并未停下創新的腳步。最新推出的Blackwell GPU架構，不僅再次提升了性能，還同時兼顧了圖形處理和計算兩大領域的需求。

隨著RTX 50系列的發布，NVIDIA揭開了Blackwell架構的神秘面紗，詳細介紹了其架構設計、AI神經網絡渲染以及DLSS 4技術。在CES 2025大展期間，受NVIDIA官方邀請，我們有幸參加了Editor’s Day活動，提前了解了Blackwell的設計細節，并親眼見證了多項技術演示。

首先，讓我們回顧一下NVIDIA在2022年推出的Ada Lovelace架構，通過對比，我們可以更清晰地看到Blackwell架構的革新之處。NVIDIA承認，當前GPU行業面臨著用戶對畫質和幀率要求日益提高，但摩爾定律逐漸放緩的雙重挑戰。為了應對這一矛盾，NVIDIA推出了支持神經網絡渲染和AI算力飆升的Blackwell架構。

盡管AI渲染技術已經存在多年，并逐漸普及，但仍有不少玩家堅持認為原生渲染性能才是衡量GPU性能的標準，對基于AI算法的DLSS等技術持懷疑態度。然而，這種觀點可能過于片面。實際上，在現有技術條件下，AI渲染的畫面雖然與原生渲染有所不同，但目標都是為了提供更好的畫質和更高的幀率。而且，隨著AI技術和算法的不斷進步，AI渲染的畫質正在逐漸逼近甚至超越原生渲染。

為了應對這些挑戰，NVIDIA為Blackwell架構設定了四大主要目標：優化神經網絡負載、降低顯存占用、優化AI精度與大模型、提高能效。通過第五代Tensor Core和FP4數據精度，Blackwell架構實現了高達4000 AI TOPS的超高算力。同時，第四代RT Core帶來了360 RT TFLOPS的性能提升，并加入了全新的AI管理處理器（AMP），可以同步管理AI模型與圖形，自動拆分并調度不同類型的任務。

Blackwell架構在優化神經網絡負載方面做了大幅變革。首先，將傳統的著色器改造為神經網絡著色器，并加入了多個神經網絡處理單元。其次，將FP32/INT32、FP32兩種不同的著色器核心統一為FP32/INT32，提高了處理效率和靈活性。第三代Tensor Core也升級為第四代，進一步提升了性能。

在降低顯存占用方面，Blackwell架構通過升級RT Core，提升了檢測光線、路徑與三角形相交的性能和效率。新增的三角形集群碰撞引擎和線性掃描球體技術，使得在處理復雜場景時能夠顯著減少顯存占用。據NVIDIA稱，Blackwell的三角形交互處理效率比Ada架構提升了2倍，顯存占用量降低了25%。

在優化AI精度與大模型方面，Blackwell架構支持的數據類型越來越多，精度越來越低，速度越來越快。通過增加FP4精度，Blackwell架構在性能上實現了翻番。同時，AMP處理器能夠自動識別并區分不同類型的指令，將其分配給最適合的硬件單元執行，特別是優先處理大語言模型（LLM），提高了整體效率。

在提高能效方面，Blackwell架構通過時鐘門控、電源門控和電路門控等技術，顯著降低了功耗。同時，加速頻率切換技術的引入，使得GPU在需要時能夠更穩定地運行在更高頻率，一旦完成工作則快速降低頻率進入低功耗模式。據NVIDIA稱，Blackwell架構相比上一代可以節省多達50%的功耗。

除了硬件架構的革新，Blackwell還在媒體能力方面進行了提升。支持DisplayPort 2.1和UHBR20模式，單通道帶寬高達20Gbps，總帶寬可達80Gbps。同時，NVDEC解碼引擎升級到第九代，NVENC編碼引擎升級到第六代，支持AV1格式的UHQ超高質量模式以及HEVC格式的MV-HEVC多視圖功能。

在AI技術方面，Blackwell首次引入了神經網絡著色器，為開發者帶來了全新的編程方式。通過神經網絡紋理壓縮、神經網絡材質、神經網絡體積等技術，Blackwell能夠在保證畫質的同時顯著降低顯存占用。RTX神經網絡輻射緩存（NRC）技術利用AI力量更準確地估算游戲場景中的間接光照效果，提升了畫面質量和運行幀數。

在DLSS技術方面，全新的DLSS 4引入了Transformer模型支持，這是圖形領域的第一個實時Transformer應用場景。Transformer模型的引入使得DLSS在畫質、穩定性和細節表現上都有了顯著提升。同時，DLSS 4還引入了多幀生成（MFG）技術，AI可以生成更多的像素和幀，進一步提升了幀率。據NVIDIA稱，DLSS 4可以將幀率提升至傳統渲染的最多8倍。