Ampere är här – Geforce RTX 3080 dubblerar prestandan hos RTX 2080

Hade du missat priserna på hemsidan? 3080 går för 7 825 kr

Och 3-fasanslutning.

ISO-frekvens och samma kretsgeneration är underförstått i en sådan utsaga, annars är den rappakalja.

Om antalet CUDA-kärnor ökar från 1000 st till 2000 st samtidigt som frekvensen är densamma ökar kapacitet 100 % och höga upplösningar kommer man se kanske 90-95 % skalning i praktiken, d.v.s. i praktiken linjärt.

Om man dubblar frekvensen men håller antal CUDA-kärnor konstant på 1000 st ökar också kapaciteten med 100 %.

Nu ser vi inte alls så stora skillnader i frekvens på GPUer, spannet är ändå 20-25 % mellan de lägst klockade och högst klockade Turing-modellerna. Så man måste ta hänsyn till skillnad i frekvens, framförallt mellan 2080S (som jag tror är den högst klockade modellen) och 2080Ti (som är relativt lågt klockad).

Går bara att göra något vettig jämförelse enbart på antalet CUDA-kärnor om det man jämför bygger på samma mikroarkitektur.

Ställer du två lika klockade kort med 1000 CUDA-kärnor mot varandra skulle man få

• Turing är snabbare än Pascal

• Turing är också snabbare än Ampere

Mellan Turing och Ampere verkar endast antalet CUDA-kärnor ökat per SM, om det är fallet har ju saker som heltaskapacitet, texturkapacitet och rastreringskapacitet "bara" ökat ~80 % från 2080Ti till 3090. Vidare har bandbredden mot VRAM "bara" ökat med ~50 %.

I olika lägen är olika saker primär flaskhals. Bästa vi har att gå på nu är DF jämförelse mellan 3080 och 2080.

• TFLOPS har ökat ~175 %

• Övriga delar av SM har ökat ~85 %

• VRAM bandbredd har ökat ~70 %

Rimlig förväntning är att 3090 kommer kanske vara 60-70 % snabbare än 2080Ti i spel med "RTX-off" (3080 var ju 70-80 % snabbare än 2080) och kanske 80-90 % med RTX-on (var ju ~95 % högre prestanda i Quake med 3080 jämfört med 2080 där allt är raytracat).

En CUDA-kärna är en FMA-kapabel ALU. Är den definition som används sedan dag 1.

Är därför teoretisk kapacitet blir

FLOPS = antal CUDA-kärnor * frekvens * 2 (FMA -> två flyttalsoperationer)

Mycket tyder på att enbart antalet CUDA-kärnor per SM har dubblats. Kapaciteten för heltal, texturhantering, etc är den samma som för Turing per MHz.

Elefanten här är väl: har antalet register per SM dubblats eller ej? Om ja så tycker jag det inte finns någon diskussionen om att antalet "kärnor" per SM ökats. Även om det inte gjort det kan man inte beskylla Nvidia för att ljuga då en "CUDA-kärna" just är antalet FP32 kapabla FMA, men i det läget (som känns rimligast) kommer CUDA-kärnorna i Ampere vara rätt mycket mindre effektiva än i Turing (vilket vi redan vet att de är).

Just RT-prestanda känns lite lustig. Rå kapacitet har ökat ~70 % för motsvarande modell, det enda vi egentligen har att gå på är DF test och i Quake där allt är raytracat var ju den faktiskt prestandaökningen ~95 %, det var ju i titlar utan RTX-on DF såg ~70 % boost.

Så för RTX-on verkar det som man både ökat kapaciteten men också ökat effektiviteten en hel del.

För rastrering kommer självklart prestanda inte skala linjärt med CUDA-kapaciteten från Turing till Ampere då mycket pekar just på att antalet CUDA-kärnor per SM är det enda som dubblerat i kapacitet, kapacitet för övriga delar är densamma.

Personligen ser jag ändå positivt på det. Dels är jag själv långt mer intresserad i GPGPU än spelprestanda, fler CUDA-kärnor är långt viktigare där är fler ROPs och TMUs. Dels lär spelen med tiden anpassa sig till hur GPUerna fungerar, högre beräkningskapacitet betyder möjlighet till att spendera mer beräkningar per objekt/pixel etc -> mer avancerade effekter. Den klara minusposten är för de som primärt vill skruva upp upplösningen, för dem är fler ROPs och mer bandbredd det mest kritiska.

Ladda inte Teslan samtidigt som du spelar 😋

Just "Mores Law is dead" är ett typexempel på en techtuber som får >50 % av alla detaljer fel, men kanalen lever på att han säger så mycket att vissa saker bara måste bli rätt. Följarna kommer bara ihåg de delarna han råkar träffa rätt på.

Ett par axplock från den videon innan jag var tvungen att stänga av:

Att byte från Samsung 7 nm EUV till 8 nm DUV skulle varit ett panikbeslut på sluttampen. Dessa processer är inte kompatibla designmässigt, så om Nvidia lyckats med det har man lyckats med något ingen annan i historien fixat.

TSCM 12 nm hade högre densitet än TSCM 16 nm. De har exakt samma densitet, TSCM 12 nm är i praktiken deras 16 nm+ (eller kanske ++) och har enligt den information som finns identisk densitet.

Utbytet på Samsungs 8 nm är dåligt. Samsung har problem med deras 7 nm EUV process, finns inget som indikerar att Samsungs 10 nm skulle ha dåligt utbyte och prestanda/effektivitet har den legat helt i nivå med TSMCs 10 nm process. 8 nm är inte riktigt 10 nm++ (finns även en 11 nm som verkar vara optimerad för lägre pris) detta då 8 nm faktiskt har något högre densitet än deras 10 nm men det är i grunden samma process med samma designregler.

Han tjatade om att man inte testade BF5 med RTX-on. Varför skulle man det när RTX-stödet (och framförallt DLSS-stödet) är rätt uselt i den titeln? Det man istället visade är exakt det många gapat om: prestanda med RTX-off har ökat ~70 % mellan generationer, i detta fall 2080 till 3090.

Så håller inte helt med om med om "nyktert"...

Fast om man tar hänsyn till just skillnad i frekvens och använder SweClockers prestandaindex i 4k som referens är det just linjär skalning med antal CUDA-kärnor. Det ändå från 2060 till 2080Ti.

Notera att linjärt inte betyder att lutningen på kurvan är 1,0. Det är inte 100 % effektivitet, utan snarare runt 90-95 %.

Så formeln blir

Prestanda(CUDA-kärnor, frekvens) = 0.9 * CUDA-kärnor * frekvens

Det är ett linjärt samband ISO-frekvens (d.v.s. frekvens är en konstant)