CES 2024，英伟达发布AI技术更新与三款SUPER显卡

AI

做好了熬夜准备，没想到仅半小时。不过内容信息量巨大，不同于其他家只讲一个点，NV重点介绍了众多AI技术，还发布了三张新卡，令人印象深刻。新卡简单来说，三张卡中两张为加量不加价，一张更是加量还减价。此次定价出乎意料，新卡性价比低的争议应该会少很多。RTX 4070 SUPER规格较RTX 4070提升21.7%，超越上代RTX 3090。其售价维持599美元（国内4899元），与RTX 4070基本持平。

这和网上传言完全不同，之前都说RTX 4070 SUPER定价699美元。我轻信了，一个多月前买了张RTX 4070，现在心里特别难受，这次真是亏惨了。RTX 4070 Ti SUPER的核心性能相比前代仅提升了10%，但显存从12GB升级到了16GB，显然它被定位于兼顾AI计算与游戏需求的显卡。其售价为799美元（国内定价6499元），与RTX 4070 Ti持平。此前，用户常在RTX 4070 Ti（12GB，核心频率更高，出图快）和RTX 4060 Ti 16G（显存更大，支持更高分辨率图片但核心性能较弱）之间犹豫不决。如今，RTX 4070 Ti SUPER完美解决了这一困扰，让用户无需再做取舍，直接选择这款更全面的产品即可。接下来是RTX 4080 SUPER，规格提升了5.2%。虽然升级幅度不大，但价格居然下调了！简直不敢相信这是NVIDIA的操作。其首发价为999美元（国行8099元），比RTX 4080首发便宜200美元，国行价格低了约1400元。

这场专题演讲聚焦于人工智能领域。2006年，8800GTX首次搭载CUDA核心，使GPU加速非图形应用成为现实。从事视频制作的朋友都知道，如今视频导出完全依赖显卡加速，有无显卡加速，导出速度可能相差数倍之多。

NVIDIA

2012年，GTX 580崭露头角，不仅游戏性能强劲，在加速非图形应用上也表现出色。自此，NVIDIA显卡逐步成为深度学习领域的生产力工具。如今，深度学习与AI已和NVIDIA紧密相连。对于绝大多数需要依赖显卡提升生产力的用户而言，问题不再是是否选择N卡，而是该选购哪款N卡。NVIDIA在这一领域占据了不可动摇的地位。

许多人认为AI技术、深度学习等概念过于虚幻，与普通用户无关，这种观点显然是错误的。2018年，RTX 20系显卡发布，其用户已从中受益于深度学习技术。当时，普通用户对RTX 20系显卡的印象多停留在由RT核心支持的光线追踪功能上，而同样关键的DLSS（深度学习超级采样）技术却未引起同等关注。DLSS借助Tensor核心实现，利用深度学习算法将低分辨率图像优化为高分辨率图像。这一过程让GPU只需处理低分辨率图像，从而显著提高帧率并大幅降低系统延迟，为用户带来更流畅的体验。

DLSS将游戏玩家带入了AI时代，让大众轻松受益于AI技术。无需额外花费和电费，就能提升游戏帧率，使普通性能的显卡也能流畅运行高分辨率、高特效的游戏，尽享优质体验。第一代DLSS由于画质损失较大、帧数提升有限，且支持的游戏较少。不久后，DLSS 2应运而生，其核心依然是超分辨率技术，但相比初代，画质与帧率均有显著提升，可使游戏帧数翻倍（对比未开启DLSS）。随后，DLSS 3引入了突破性的帧生成技术，通过AI生成额外帧数，将游戏帧数提升至原来的四倍（对比未开启DLSS）。去年发布的DLSS 3.5新增光线重构功能，有效解决了光追带来的低帧率和噪点问题，让游戏中的光线效果更加贴近现实。

DLSS让游戏焕然一新。DLSS是当前唯一正确的选择，也是未来发展的重要方向。高分辨率与高刷新率游戏对显卡性能的需求增长迅猛，已远超显卡性能提升的速度。从2017年的刺客信条：奥德赛（2K 60Hz）到2023年的赛博朋克2077：往日之影（4K 120Hz），游戏对显卡的要求提升了十几倍，若计入光追效果，甚至可能达到20倍以上。然而，2023年的旗舰显卡（RTX 4090）在传统图形性能上，仅相当于2017年旗舰显卡（GTX 1080 Ti）的四倍左右。没有DLSS，显卡性能与需求之间的巨大差距将难以弥合。DLSS 3.5通过超采样、帧生成和光流加速技术，让部分游戏帧数提升4倍，理论效率可达16倍（4×4=16），从而让显卡勉强应对日益增长的需求。如果没有这项技术，像2077这样的高特效光追大作，只会成为少数人的专享，普通玩家根本无力体验。正是DLSS打破了这一局限，让更多人得以畅享高品质游戏乐趣。

受英伟达DLSS启发，其他厂商推出了FSR、XeSS等类似技术。尽管细节与效果有所差异，但其底层原理相同：运用深度学习优化画质，降低对显卡核心性能的需求，从而提升效率并减轻渲染负担。如今，DLSS及类似技术已广泛应用，绝大多数玩家都在通过AI提升游戏体验。很多网络营销号的答案由AI生成或洗稿，你每天看到的回答，可能一半都出自AI之手。因此，别再说人工智能与我们无关，它早已深深融入我们的生活。2023年被视为AI元年，ChatGPT等大语言模型在这一年爆发式涌现，推动了这一趋势。我在国外攻读博士学位时，很早就开始使用ChatGPT。最初只是用它润色论文，后来逐渐依赖它帮助寻找论点、查找文献和撰写综述。虽然早期版本中ChatGPT提供的文献有些不准确，但到5月时其文献搜索功能已相当实用。我深刻感受到，借助GPT，大家写论文的效率都显著提升了。此前，像GPT这样的大语言模型生成速度较慢，逐字输出， lengthy回答耗时较长。为弥补这一短板，去年10月，NVIDIA推出了适用于Windows PC的TensorRT LLM库，大幅提升了大模型的运行效率。

NV推出了自家的大语言模型，名为Chat with RTX。

与GPT同期走红的还有AI绘图工具Stable Diffusion（SD）。只需输入几个关键词，它就能生成极具创意和艺术感的图像。然而，SD对硬件要求十分苛刻，尤其需要高显存支持，目前只有NVIDIA显卡能较好地处理中高分辨率任务。尽管A卡显存在数值上稍占优势，但其架构特性导致在SD等AI绘图领域表现不佳，几乎无法正常使用。因此，在生产力应用方面，N卡仍是更可靠的选择。近期热门的抠图换背景功能，用NVIDIA显卡可大幅提升效果。N卡不仅实现快速换背景，还能添加逼真的光影效果，带来更佳体验。

图中可见，更换背景后，光线与主体小鹿相互交融，主体并非简单叠加于背景之上。

由于多数AI应用依赖N卡，23年AI热度飙升，带动NVIDIA股价大涨。从年初148美元攀升至收盘495美元，涨幅达234%。

难以判断是AI造就了英伟达，还是英伟达推动了AI的发展。AI热潮推动了英伟达股价飙升，但从另一个角度看，正由于英伟达显卡作为生产力工具，各类AI技术才得以蓬勃发展。若没有CUDA，没有英伟达在深度学习领域的长期投入与积累，2023年的AI爆发或许不会出现。因此，我们有理由认为：像我这样的普通人，NVIDIA除了助力游戏，还让AI生产力从昂贵的服务器走入我家电脑，变得触手可及。这无疑是革命性的进步。发布会上提到，以前需要四张六万美元的高端显卡才能实现的效果，如今家用游戏显卡即可达成。

现在，一块普通的RTX 40系显卡就能带来强大的生产力。例如，人人都可体验的文字生成图像、AI扩图以及大语言模型等应用。同时，在相关演讲中还提到，NVIDIA正推出新工具，旨在提升PC上生成式AI的使用感受。

↓

↓

这个工具让我能用自己拍摄的照片，轻松制作出仿佛游历全球的效果。只需将人像与各地风景合成，就能生成逼真画面。相比直接用PS，简单处理容易显得生硬虚假，尤其是人物和背景缺乏互动感，就像贴纸浮在画面上，极易穿帮。如果发到社交平台，很可能被网友一眼识破而尴尬。iStock生成的图像融合了人物、景物与光影互动，模拟真实光线效果，使AI作品逼真度极高，这种以假乱真的能力是PS难以实现的。另外，我打算用它制作一些显示器搭配桌面的图片，让评测照片背景更丰富。自己买配件太麻烦，不如交给AI！只要AI能快速生成桌搭图，我就马上入驻小红书！

Avatar云端引擎（ACE）可将生成的AI模型融入游戏，实现与现实人类互动交流。

交互原理复杂，但核心清晰简单，借助语言大模型即可实现。

我期待这项技术能改变游戏交互方式，从而从根本上革新游戏体验。目前，英伟达仅提及了基于语音输入与输出的语言交互方式，但未来或许可通过动作捕捉实现更丰富的互动形式。有人会问：这不就是Switch的体感游戏吗？其实不然，体感游戏仍然属于单向交互，角色只是在预设系统中机械执行玩家指令或触发特定动作。它们无法像人类一样思考，只能按照命令前进或后退，而不会回应你的提问，也不会主动发问。更重要的是，它们无法根据一个简单指令完成复杂且结果不可预测的行为。这种局限性表明，真正的双向智能互动还有很长的路要走。我突然想到，若AI角色能融入游戏，是否可以将喜爱的女主播也带入游戏中？主播的视频提供了丰富素材，利用这些数据训练出一个逼真的二珂应该不算困难。这样，我就能和二珂一起畅玩游戏了……

我之前听说，DLSS可以先用低分辨率渲染游戏，再借助深度学习生成高分辨率画面。那么，是否可以用这种方法将以前画质较低的老游戏升级成类似新游戏的效果？果然，NVIDIA推出了Remix功能以满足这种需求。据演讲介绍，Redmi通过结合光线追踪与深度学习超采样技术，提升老游戏画质，同时加入光追效果，让经典游戏焕发新活力。

目前，半条命2正在重置中。以下是重置前后对比，画质大幅提升，新增环境交互光源，更显细腻。

我想问一下，能否将鬼泣3和三国志11也进行重置？这两款经典老游戏至今仍有众多玩家热爱，但画质确实过于落后。官方推出重置版恐怕无望，只能期待 NVIDIA 技术或民间 MOD 爱好者完成这项工作了。演讲提到，未来AI将是本地与云端的协同融合，我非常认同这一观点。具体而言，复杂计算交由云端完成，而需要快速反应的任务则在本地处理。超大规模模型部署在云端，小型模型置于本地，通过远端和近端的配合，才能实现效率与能力的双重兼顾。

未来，AI的发展趋势可能是专业化与轻量化并行。专业化已是当前主流，高端显卡和云服务器正是其代表。英伟达表示RTX显卡销量破亿，不少被用于专业运算。而轻量化则源于我近期测试新款笔记本时的思考。这些轻薄设备如今能够运行大语言模型、生成AI图像（尽管质量有限）以及编码导出8K视频，展现了AI技术在低功耗、便携设备上的应用潜力。未来配备RTX独显的笔记本，是否能带来更出色的AI性能？若一张强大的AI显卡融入1.5kg的轻薄本，出差时便可随时借助AI提升效率，这难道不是一件很棒的事吗？借助云端与本地的协同合作，轻量级的本地终端（如笔记本）在性能上的短板可由云端专业化服务器弥补。如此一来，一台搭载RTX显卡的轻薄笔记本也能成为强大的AI生产力工具。当我将它放入书包时，就如同出差时随身携带了一台高性能服务器一般。