In questo articolo Indice dei contenuti 2 sezioni
Un gruppo di modder è riuscito a spremere molta più potenza dai tensor core delle schede GeForce RTX, arrivando in alcuni casi a raddoppiare le prestazioni nei calcoli di intelligenza artificiale. Il trucco riguarda tutte le generazioni tranne l’ultima, quindi RTX 40 e RTX 30, mentre per la serie RTX 20 il discorso vale soltanto per la top di gamma, cioè RTX 2080 Ti. Un risultato che fa riflettere, soprattutto perché suggerisce che quelle unità avessero margini ben più ampi di quanto mostrato finora.
A quanto pare, infatti, NVIDIA avrebbe imposto dei limiti a questi componenti, anche se non è del tutto chiaro per quale motivo. Conviene fare subito una precisazione per evitare equivoci. I tensor core sono le unità che si occupano delle operazioni legate all’AI, non del rendering tradizionale. Per questo i vantaggi nei videogiochi non dovrebbero essere particolarmente evidenti, anche se si può ipotizzare che non siano nemmeno del tutto trascurabili.
Benchmark alla mano, il salto nei carichi AI è netto
Quando si passa ai carichi di lavoro AI la musica cambia parecchio. In determinati benchmark i punteggi possono arrivare a raddoppiare, e gli esempi raccolti finora lo dimostrano con una certa chiarezza. Una RTX 3090 Ti è passata da 87,5 a 157,4 TFLOPS nelle operazioni di moltiplicazione di matrici BF16. Ancora più marcato il caso di RTX 4090, che ha visto salire il throughput misurato per le istruzioni Tensor Core FP16 da 165,6 a 331,6 TFLOPS. In pratica la potenza disponibile si è esattamente raddoppiata.
Nemmeno la scheda più anziana del gruppo è rimasta a guardare. RTX 2080 Ti ha toccato quota 111 TFLOPS, contro i 59,9 registrati prima dello sblocco, un incremento notevole per una GPU che appartiene ormai a qualche generazione fa. Sono arrivate segnalazioni positive anche da chi possiede RTX 3060, RTX 3070 e RTX 3080, ma su questo punto è meglio andarci cauti, perché la compatibilità non è stata ancora verificata per tutte le varianti in circolazione. Chi pensa di provarci, insomma, farebbe bene a controllare con attenzione il proprio modello prima di mettere mano alla scheda.
Il software fa la differenza, e nel gaming i dubbi restano
C’è però un aspetto che ridimensiona un po’ l’entusiasmo dei numeri. I benefici reali dipendono molto dal software utilizzato, e non sempre i TFLOPS teorici si traducono in un guadagno concreto. Su RTX 3090, ad esempio, sono stati osservati miglioramenti tra il 14 e il 36% nell’elaborazione dei prompt, un dato interessante per chi lavora con modelli linguistici in locale. La generazione dei token, invece, cambia poco, perché spesso il collo di bottiglia è rappresentato dalla larghezza di banda della memoria e non dalla capacità di calcolo dei tensor core.
Sul fronte dei videogiochi la questione si fa ancora più incerta. È vero che i tensor core, e più in generale l’intelligenza artificiale, stanno assumendo un ruolo sempre più centrale anche nel gaming. Basta pensare a tecnologie come il DLSS, la Ray Reconstruction o la Frame Generation, che si appoggiano proprio a queste unità per migliorare qualità dell’immagine e fluidità. In questa fase, però, sembra che a contare davvero sia la generazione dei core più che la loro frequenza operativa. Ed è proprio per questo che sbloccare la potenza di una scheda più datata non basta a metterla alla pari con i modelli più recenti nelle funzioni che dipendono dall’AI.
Fonte: TecnoAndroid