英伟达加码AI PC！全靠RTX了

639 0 0

文章摘要

在过去的十年中，人工智能（AI）技术已经从理论研究和小规模应用发展成为全球性的技术革命，极大地改变了我们的生活和工作方式。智能手机上的语音助手、复杂的数据分析和自动化生产线等都是AI影响的例子，其带来的效率提升和成本降低正推动着一场前所未有的生产力革命。

为了抢占AI生产力的先机，许多品牌纷纷推出了自己的AI硬件产品。例如，有的手机品牌利用AI技术消除拍摄照片时的运动拖影，有的用AI去除图片中不想要的元素，还有企业发布了所谓的“AI PC”标准。相比之下，NVIDIA则显得低调，但近年来也在努力增加自己在AI领域的曝光机会，让更多的人意识到NVIDIA在游戏显卡之外的领先技术。2024年4月24日，NVIDIA在深圳举办了名为RTX For AI的线下交流会，展示了其在AI领域的强大实力。

NVIDIA在AI领域的发展可以追溯到2008年，当时发布的GeForce 8800 GTX显卡上提出了“CUDA”（统一计算架构）概念。 CUDA的出现让GPU不仅可以用来处理图形运算，还可以用来执行、加速基于CUDA的通用计算，使电脑成为真正的“通用工具”。2018年，NVIDIA进一步对GPU的算力进行“细化”，引入了RT Core、Tensor Core的概念，让光线追踪和专门的ML计算成为可能。Tensor Core通过高效执行大规模矩阵运算，显著加快了AI模型的训练和执行速度。基于Tensor Core实现的DLSS技术，可以显著提高游戏FPS，是广大游戏玩家最早接触到的“真AI”用例之一。

NVIDIA的RTX AI已经对10种不同的AI场景实现覆盖，包括AI绘画、AI平面设计、AI视频编辑、AI 3D创作、AI视频体验、AI会议、AI文档助手、AI应用开发、AI游戏和AI游戏开发。尽管这些场景各有不同，但它们对电脑都有一个共同的需求：算力。而出色的算力正是RTX硬件的最广为人知的特性。

在AI时代，NVIDIA通过Tensor Core实现AI功能，加速了AI时代的到来。与6年前相比，NVIDIA在AI领域的技术飞跃表现在多个方面。例如，在文生图（T2I）用例中，NVIDIA的旗舰消费级显卡RTX 4090D展示了其强大性能，基于TensorRT的加速功能，RTX 4090D最快可以实现120fps的StableDiffusion图像生成。

AI技术的两个不同阶段可以从AI绘画和AI平面设计中看出。AI绘画以文生图为代表，由于命中率较低，用户需要不断生成大量图片来“抽卡”，才有可能得到自己想要的成品。这种“不可控性”意味着这些AIGC作品的用途非常有限，要么用于娱乐，要么用来给设计师找灵感，或者充当训练AI的物料。而真正用于“生产力”的AIGC却容不得这种“不确定性”。能否实现对AIGC的精细控制，会是区分“娱乐AI”与“生产力AI”的最大区别。

“娱乐AI”主要用于提升用户体验和互动性，如在视频游戏、社交媒体和在线娱乐等领域，AI被用来推荐内容、生成音乐、模拟对话等。这类AI的核心目标是增强娱乐性和参与度，而不那么侧重于输出的严格性和可预测性。相比之下，“生产力AI”则应用在更为严格和要求高的商业及工业环境中，如制造业、医疗、金融分析等。在这些领域中，AI的任务是提高效率、减少成本和错误率，以及提供可靠的决策支持。

在分享会上，NVIDIA演示了一个“生产力AI”应有的样子——即致AI。作为一款面向建筑设计领域的AI应用，即致AI提供了多种适用于不同建筑风格、场景的预训练AI模型。同时基于RTX硬件的强大性能，即致AI能以近乎零时延的速度对设计师的导入草图或绘制的线条进行AI生成，用近乎实时的方式为客户讲解建筑外部设计内部装修风格。

NVIDIA RTX在AI领域的应用远不止于此。从偏向娱乐性质的文生图、DLSS 3.5，到改变游戏交互方式的NVIDIA ACE、声音克隆，再到改变创作模式的AI视频剪辑、改变工作模式的Chat with RTX，无论是游戏还是工作，AI技术早已渗透到我们生活的方方面面。

著名视频特效团队“特效小哥 Studio”在分享视频创作过程中AIGC的具体应用时，提到了一个非常有趣的观点——用AI来解决AI遇到的问题。在重建AIGC图片的景深时，他们没有选择用传统的人工标记深度图，而是直接把图片丢给AI，让AI绘制AIGC的深度图，并将结果输出给另一个AI模型。这种“用魔法打败魔法”的解决方案，是AIGC行业化、正规化的标志，也是未来AI的发展方向之一。AI模型的训练需要大量计算资源，而合成数据生成技术如生成对抗网络（GANs）可以创造大量逼真的训练数据，提升AI系统的训练效率和效果。此技术可扩展到文本、音频、虚拟环境的生成，为AI训练提供更多可能。