【資料圖】

在Ai繪畫領(lǐng)域火熱的前夕，我們針對15款NVIDIA 顯卡 進行了一次針對Stable Diffusion模型的生成時間測試 【Ai時刻】NVIDIA顯卡Ai算力大比拼，想畫Ai女友該怎么選？ 。結(jié)果顯示，40系顯卡在Ai算力方面具有顯著優(yōu)勢，性價比表現(xiàn)出色。如今，隨著最后一款40系桌面級顯卡—RTX 4060的問世，完整的40系家族也呈現(xiàn)在我們面前。在本期的Ai時刻，我們將重新對40系家族進行Ai算力的解構(gòu)和評析。 Ai生成 通過使用多模態(tài)的Stable Diffusion測試，我們將充分挖掘這些顯卡的算力性能。并且，從個人玩家的角度出發(fā)，我們將為你揭示哪款顯卡是你在Ai領(lǐng)域的最優(yōu)選擇。 在接下來的評測中，我們將對40系顯卡家族的各成員進行詳細介紹和性能測試，包括RTX 4090、RTX 4080、RTX 4070、RTX 4070Ti、RTX 4060Ti和RTX 4060，以及RTX3060。通過對比他們在Stable Diffusion模型上的表現(xiàn)，將為你提供關(guān)于顯卡性能和價格的綜合考量。 首先介紹一下測試背景與條件：隨著Stable Diffusion上的模型與圖片生成算法的不斷豐富，我們采用了4個測試環(huán)節(jié)來進行全面且多角度的顯卡Ai算力測試： 1.利用NVIDIA官方提供的“Ai房屋”測試，來生成符合官方數(shù)據(jù)的測試結(jié)果。 2.利用civitAi（一個Ai模型聚合網(wǎng)站）上火熱的Ai人像模型與圖片生成算法進行一組模擬真實小姐姐的測試。 3.利用civitAi（一個Ai模型聚合網(wǎng)站）上火熱的Ai人像模型與圖片生成算法進行一組模擬魔幻怪物小姐姐的測試。 4.針對第2個測試環(huán)節(jié)增加生成圖像的分辨率，盡量占用每一張顯卡的顯存，來觀察在極限顯存占用的情況下，各顯卡之間的表現(xiàn)。 首先還是先來看一下參賽選手們的“個人信息”匯總： 其中與Ai繪圖會高度相關(guān)的參數(shù)，我們總結(jié)出了這幾點，Ai生成圖像主要依賴于顯卡的并行計算能力。以下是幾個顯卡核心參數(shù)及其與Ai生成圖像之間的關(guān)系： 1. 顯卡流處理器數(shù)量（SM）：流處理器數(shù)量是顯卡內(nèi)部處理單元的數(shù)量。每個流處理器包含一定數(shù)量的CUDA核心、Tensor核心和其他處理資源。流處理器數(shù)量越多，顯卡并行處理任務(wù)的能力越強，對Ai生成圖像的性能提高更明顯。 2.顯卡CUDA內(nèi)核數(shù)量（CUDA Cores）：CUDA核心是NVIDIA顯卡的基本處理單元，用于執(zhí)行并行計算任務(wù)。CUDA核心數(shù)量越多，顯卡的并行計算能力越強，Ai生成圖像的速度也會相應提高。 3.顯卡Tensor內(nèi)核（Tensor Cores）：Tensor核心是NVIDIA顯卡特有的處理單元，專為深度學習和Ai任務(wù)設(shè)計。它們可以高效地執(zhí)行矩陣乘法和累加運算，這是深度學習中的核心計算操作。Tensor核心數(shù)量越多，顯卡在Ai生成圖像任務(wù)中的性能越優(yōu)秀。

*3060的Tensor核心為第三代，40系顯卡為第四代

4.顯卡顯存容量、顯存位寬、顯存帶寬：顯存容量對Ai生成圖像的影響取決于模型的大小和復雜度。顯存容量越大，可以處理的模型和數(shù)據(jù)越多。顯存位寬和顯存帶寬影響數(shù)據(jù)在顯卡內(nèi)部的傳輸速度。顯存位寬越寬、顯存帶寬越高，顯卡處理大型Ai任務(wù)的能力越強。

顯存容量

顯存位寬

5.L1緩存（MB）：L1緩存位于每個流處理器（SM）內(nèi)部，離CUDA核心和Tensor核心非常近。它的訪問速度非常快，但容量相對較小。L1緩存主要用于存儲局部變量和線程間共享的數(shù)據(jù)。在Ai生成圖像任務(wù)中，高效的L1緩存可以提高處理速度，降低內(nèi)部數(shù)據(jù)傳輸延遲。 6.L2緩存（MB）：L2緩存位于顯卡的全局內(nèi)部，所有SM共享。它的容量比L1緩存更大，但訪問速度相對較慢。L2緩存主要用于緩存全局 內(nèi)存 中的數(shù)據(jù)，以減少顯存訪問延遲。對Ai生成圖像任務(wù)來說，高效的L2緩存可以提高數(shù)據(jù)處理速度，特別是在處理大型模型和數(shù)據(jù)集時。 L2緩存（MB） 不多說，我們進入測試環(huán)節(jié)，首先來個官方的開胃菜，畫圖的參數(shù)是：使用v2-1 768-emapruned模型；768*768的尺寸；Steps: 50；CFG scale: 7.5，一組10張圖，每次繪畫3組，該測試能夠反映絕大多數(shù)Ai繪圖的生成效果成績，尤其是在做一些工業(yè)Ai、實物生成的用途時。 第二組就是我們可愛的Ai小姐姐，我們使用了majicmixRealistic_v6模型，搭配FilmVelvia2 Lora與修復眼睛、姿態(tài)的插件進行了生成式繪圖。 Steps: 50, 采集器： Euler , CFG : 7.5, Seed: 172450070, Size: 1024x768，共生成1組，6張圖片，代表了絕大場景下的Ai模特（女友（誤））的生成場景。 第三組是體現(xiàn)Ai創(chuàng)意與耦合生成能力的魔女小姐姐，在關(guān)鍵詞中，我們使用了“龍角、血跡、邪惡、猙獰”等，生成效果非常令人滿意。使用了majicmixRealistic_v6模型，搭配FilmVelvia2 Lora與修復眼睛、姿態(tài)的插件進行了生成式繪圖。 Steps: 32, 采樣器： DPM++ 2M Karras,CFG : 7.5, Seed: 2316746276, Size: 1200x675，測試意義為更加普遍的DPM++ 2M采樣器（常用于復雜的人物模型生成）時的成績，共生成1組，6張圖片，與第二組相互對照。 第四組測試便是針對第2個測試環(huán)節(jié)增加生成圖像的分辨率，盡量占用每一張顯卡的顯存，來觀察在極限顯存占用的情況下，各顯卡之間的表現(xiàn)。同樣使用了majicmixRealistic_v6模型，搭配FilmVelvia2 Lora與修復眼睛、姿態(tài)的插件進行了生成式繪圖。Steps: 50, 采集器：Euler, CFG : 7.5, Seed: 172450070, Size: 1800x1800，共生成1組，6張圖片。此測試主要驗證顯存與 Ai 生成圖像效率之間的關(guān)系，是否顯存越大必然越快。 由于大多數(shù) Ai 模型訓練使用 512x512 圖像，生成超高分辨率圖像時，Ai 模型對資源的需求會呈指數(shù)級增長，需要消耗大量顯卡資源，特別是顯存資源。同時，圖像會大量失真，產(chǎn)生怪異效果，因此不建議生成超高分辨率 Ai 圖像。 在占滿了每一張顯卡的顯存情況下（包括擁有24GB顯存的RTX4090），這6張圖片的生成時間如下： 從測試結(jié)果可以解答許多網(wǎng)友的誤解，即 Ai 生成僅與顯存相關(guān)（挖礦的想法）。測試結(jié)果顯示，盡管 RTX 3060 的顯存（12GB/192 位）明顯高于 RTX 4060（8GB/128 位），但在顯存飽和后的生成時間上，兩者之間仍有約 35% 的差距?？梢?，升級Tensor核心的 RTX 40 系列顯卡，盡管顯存上處于劣勢，性能表現(xiàn)仍遠超前代。 測試結(jié)果顯示，在真實場景下的Ai生成圖像任務(wù)中，40系顯卡表現(xiàn)出明顯的階梯式成績分布，與各卡的 CUDA 內(nèi)核數(shù)及 Tensor 內(nèi)核數(shù)密切相關(guān)。尤其是高端且價格相對友好的 RTX 4070 及 RTX 4070 Ti，其性能表現(xiàn)令人印象深刻。

看到此處，相信大家已對 40 系顯卡在 Ai 繪圖算力方面有初步判斷。那么，作為普通用戶，我們會推薦哪款卡？哪款最具“Ai 性價比”？我們選擇了某知名顯卡品牌的 40 系全系列定價，并結(jié)合常規(guī) Ai人像繪圖的成績，計算“Ai算力定價”。由于RTX 3060僅作為對照組，我們不會進行推薦，僅參考40系列的成績與價格。 我們假設(shè)RTX4090在短發(fā)小姐姐Ai繪圖中的35.46秒為100%，來看其他顯卡在Ai繪畫時需要RTX4090的多少倍： 我們可以通過比較顯卡的性價比來衡量它們在Ai繪圖任務(wù)上的表現(xiàn)。為了計算性價比，我們可以使用以下公式：Ai性價比 = 顯卡算力指數(shù)x顯卡價格。以RTX4090為基準，我們可以計算其他顯卡在相同算力下的性價比。 在這個例子中，RTX4090算力性價比 = 100%算力指數(shù)x13999元。接下來，我們可以將其他顯卡的性價比與RTX4090的性價比進行比較。這樣，我們就可以得出一個各個顯卡相對于RTX4090性價比的結(jié)論，從而可以更好地判斷哪款顯卡在Ai繪圖任務(wù)上性價比更高。 可見，相對于RTX4090來說，RTX4070Ti的純算力性價比是較高的，也是在算力轉(zhuǎn)化后最為接近RTX4090的一張顯卡，那單純從算力的性價比角度出發(fā)，這張卡是除了RTX4090外的最佳選擇，而如果屏幕面前的你只是想要在游戲之余，偶爾跑跑Ai，那么我認為RTX4070會是你的最佳選擇，一組6張的精致人像圖片75秒的運算時間在大多數(shù)人的可忍耐范圍之內(nèi)，而RTX4060這樣超過2分鐘的選手，可能在等待的過程中會有些無聊了。 總的來說，考慮 Ai 繪圖場景下的應用，我們推薦 RTX 4070 或 RTX 4070 Ti 這兩款顯卡。 如今顯卡的多功能性是由于技術(shù)發(fā)展和市場需求共同推動的。在過去的幾十年里，計算機圖形學的研究取得了重要突破，顯卡硬件的性能也得到了顯著提升。隨著GPU的計算能力越來越強大，顯卡逐漸從單純的渲染圖形發(fā)展為具備廣泛計算能力的硬件平臺。此外，各行各業(yè)對高性能計算、Ai等領(lǐng)域的需求不斷增長，顯卡廠商也紛紛投入研發(fā)，使顯卡更好地適應這些需求。 顯卡之所以具有多功能性，關(guān)鍵在于GPU具備強大的并行計算能力和通用計算能力。GPU最初設(shè)計用于處理計算機圖形，需要同時處理大量像素和頂點。為了高效執(zhí)行這些任務(wù)，GPU采用了高度并行的架構(gòu)。這使得GPU在處理其他涉及大量并行計算的任務(wù)時，也能發(fā)揮出強大的性能。 在未來，隨著GPU計算能力破繭成蝶般的蛻變，顯卡在各個領(lǐng)域的應用將猶如波濤般洶涌澎湃。短短的數(shù)年內(nèi)我們就可以預見顯卡將在高性能計算、Ai繪圖、Ai生成計算等多重功能的舞臺上，如繁星閃爍般綻放越來越耀眼的光芒。 END 我就知道你“在看”

關(guān)鍵詞：