Nvidia Blackwell: Hinter den Kulissen von RTX 5090 und Co. - Neural Shader und mehr
Neben Jensen Huangs Keynote gab es auf der diesjährigen CES einen Editor's Day. Dort gab es weitere Informationen zu RTX 5000 und den neuen Features und Fähigkeiten der Blackwell-Generation. Wir fassen die wichtigsten Informationen für Sie zusammen und geben einen Blick hinter die Kulissen.
In diesem Artikel
Wenn Sie sich auch nur ein wenig für Hardware, Grafikkarten und Grafikanwendungen interessieren, sind Sie wahrscheinlich bereits mit Nvidias CES-Auftritt, Jensens Keynote sowie der Berichterstattung zu den neuen Blackwell-Grafikkarten vertraut. Abseits dessen lud Nvidia ausgesuchte Redaktionen außerdem zu einer Q&A-Session mit Nvidias CEO Jensen Huang ein und informierte auf dem Editor's Day über die neuen Features der kommenden Nvidia-GPUs. Auch PCGH war geladen, ließ sich nicht zweimal bitten und jettete kurz entschlossen nach Las Vegas. In diesem Artikel fassen wir die Informationen, die wir im Rahmen des Editor's Days bekamen, übersichtlich für Sie zusammen.
Mehr KI, neue KI-Features und -Modelle
Wenn Sie die Keynote und die Berichterstattung zur Ankündigung der neuen Nvidia-GPUs auf der diesjährigen CES verfolgt haben, dürfte es Sie kaum überraschen, dass das Herzstück, der Fokus der Blackwell-Grafikkarten, klar auf dem Thema "Künstliche Intelligenz" lag. Wenig verwunderlich, so ist das Thema nicht nur finanziell ein lukratives Zugpferd, sondern obendrein ausschlaggebend für einen nicht unbeträchtlichen Teil der Fortschritte, die Nvidia mit Blackwell offiziell verzeichnet. "AI" ist zweifellos das Zauberwort, das Nvidias neue Grafikkarten beflügelt und das obendrein für einen beträchtlichen Teil der Performance-Gewinne zuständig ist.
Die eigentlichen Grafikkarten, ihre Roh-Rechenleistung und Performance ohne KI-Funktionen spielten bei dem CES-Auftritt eine beinahe schon untergeordnete Rolle. Wenn Sie die offiziell veröffentlichten Benchmarks von Nvidia betrachten, ist der Grund dafür vielleicht einleuchtend: Ohne DLSS-4-, ohne tatkräftige AI-Unterstützung, ist der Performance-Zugewinn im Vergleich zur Vorgänger-Generation eher verhalten. Vergleichen Sie die Balken ganz links, diese beziffern in etwa den Roh-Leistungszuwachs ohne den Einsatz von DLSS 4.
Ausschlaggebend für die gesamte Blackwell-Generation sind demnach weniger die reinen Performance-Steigerungen, sondern vielmehr und konsequent neue und teils deutlich ausgebaute KI-Features. Ein starker Fokus der neuen Nvidia-GPUs ist also der erweiterte Umfang der KI-Funktionen, die Qualitäts- und Leistungssteigerungen gegenüber früheren Generationen. Erwähnenswert sind außerdem einige spannende, neu hinzugekommene Fähigkeiten, die unter anderem Game-Designern sowie Content-Creatorn, etwa bei Film- und Foto-Editing zugutekommen sollen und die auch in Bezug auf Gaming teils deutliche Qualitätssteigerungen bieten oder gar gänzlich neue Herangehensweisen eröffnen könnten.
Wahrscheinlich haben Sie bereits von DLSS 4, der Multi-Frame-Generation ("MFG") sowie Reflex 2 erfahren. DLSS 4, die ebenfalls überarbeitete Ray Reconstruction sowie die Frame-Generation setzen dabei auf ein neues KI-Modell: Statt bisher einem sogenannten Convolutional Neural Network kommt für DLSS 4 und Co. nun ein wesentlich genaueres, "clevereres" Transformer-AI-Modell zum Einsatz. Bei DLSS 4 handelt es sich allerdings nur um einen kleinen Teil der neuen KI-Features, die Nvidia im Rahmen der Blackwell-Ankündigung vorstellte.
Neben dem neuen, für Blackwell und dessen Tensor-Cores der fünften Generation angedachten KI-Upsampling samt Multi-Frame-Generation bietet Nvidia eine ganze Palette neuer KI-Features und möglicher Applikationen. Einige sind potenziell sehr spannend und könnten in näherer Zukunft auch in Spielen Verwendung finden, darunter Neural Texture Compression, Neural Radiance Cache, Neural Materials, Mega Geometry und vieles mehr. Das Kern-Thema ist das neue RTX Neural Rendering, das eine ganze Reihe neuer, spannender Features bietet und obendrein DLSS 4 und die dadurch erzielten Qualitäts- und Performance-Zuwächse der Blackwell-Generation ermöglicht.
Doch es steckt viel weiteres Potenzial in den Blackwell-Grafikkarten. Fähigkeiten, die von Entwicklern ausgeschöpft werden können, um neue grafische Qualitäten zu erzielen und nochmals überzeugendere, opulentere oder stimmungsvollere virtuelle Welten zu kreieren. Was es mit dem Neural Rendering der Blackwell-Generation auf sich hat, beleuchten wir auf der folgenden Seite.
Alles auf ein Level runterziehen als sich von Performern hochziehen zu lassen.
Aber an einer Stelle hast du recht: Vermögenden Einzelpersonen, die sich über allgemein Absprachen hinwegsetzen, die Entscheidungsgewalt darüber zu lassen, was allen zu gefallen hat, liegt in der Tat voll im Zeitgeist. Insbesondere wenn ein erheblicher Teil des Vermögens vorher der Allgemeinheit aus der Tasche gezogen wird.
Könnte man in Zukunft dann nicht gleich alles durch Serverfarmen berechnen lassen und auf hochgezüchtete Grafikkarten im heimischen Rechner verzichten?
Bezüglich der AI-Modelle würde ich erwarten, dass sich nur wenige komplett eigene AI-Modelle leisten können. Aber bei KI ist es allgemein schon schwierig, eine bestimmte Ergebnisqualität zu garantieren – wenn Nvidia, AMD und Intel jeweils abweichende Ausführungswege einführen, wird man diesen Aufwand für jede Basisarchitektur getrennt leisten müssen (ggf. gar getrennt nach Generationen je Hersteller), oder riskiert sichtbare Abweichungen bei der ausgelassenen Basis. KI ist eben nicht deterministisch nach dem Muster "Eingabe A erzeugt Ausgabe B", die Bug-bedingt ja auch schon oft genug scheitert. Bei KI kann immer auch C rauskommen – und es gibt in der Regel keine Möglichkeit vorherzusagen, wann/ob das der Fall sein wird, denn der Code von KI ist eben selbst generiert und nicht nachvollzogen, oft genug nicht einmal nachvollziehbar.
Aber gerade bei den genannten und gezeigten Materialien bräuchtest du im Grunde Pathtracing und sehr komplizierte Berechnungen (Lichtbrechung), die schnell aus dem Ruder laufen können. Ebenso mit dem "Edelstein", da müsste man im Prinzip komplett "durchraytracen", das wäre sehr teuer.
So ähnlich auch bei RTX Skin, das Licht da durch zu verfolgen, um "echtes" Subsurface-Scattering zu erhalten, ist sehr teuer. Also lässt man es nun die KI herbeihalluzionieren, statt die GPU mit vollem Pathtracing zu quälen.
Und bezüglich KI-Features muss man wohl ein wenig unterscheiden. Die Effekte und "Gaming"-Features laufen auf der Grafikkarte. Aber sowas wie Nvidia ACE, die AI-NPCs, virtuellen Spielepartner etc. die NIMs laufen zum Teil in der Cloud. Die NIMs kann man sich wie kleine KI-Programme vorstellen oder "Microservices", wie Nvidia sie nennt, die man (zukünftig, das steht aktuell noch alles in den Startlöchern) in andere Tools einklemmen kann.
Ich habe dazu noch eine ganze Reihe Folien als Galerien in den hinteren Teil des Artikels gepackt (RTX for Creators und Nvidia NIM for RTX), da kann man es erahnen. So ungefähr:
[Ins Forum, um diesen Inhalt zu sehen]
(Bildquelle: NVIDIA)
EDIT: [Ins Forum, um diesen Inhalt zu sehen] ein wenig wirkt es so, ja^^
Erst kann es gar nicht genau und die Auflösung nicht nativ genug sein und dann kommt die KI und interpretiert alles nach "gutem Glauben" um.
Gruß,
Phil
Es bleibt abzuwarten, ob die 5090 wirklich nochmal 25-30% auf die 4090 draufpacken kann und man dann auch noch zusätzlich diese ganzen Features kommen. Spannend ist es schon alles!
Könnte man in Zukunft dann nicht gleich alles durch Serverfarmen berechnen lassen und auf hochgezüchtete Grafikkarten im heimischen Rechner verzichten?
MfG
Raff