GeForce RTX 全新顯示卡世代強在哪裡？先來理解兩大關鍵技術
顯示卡晶片大廠 NVIDIA 在去年中推出了最新世代的顯示卡 NVIDIA GeForce RTX 系列，採用第八代圖靈（Turing）架構，不僅運算速度比上個世代的顯示卡提升，更加入了兩大關鍵技術：「即時光線追蹤」（Real-Time Ray Tracing）與「深度學習超高取樣」（Deep Learning Super-Sampling, DLSS），將家用電腦的繪圖能力帶到新境界。
要了解 GeForce RTX，就得先從架構開始說起。NVIDIA 在最新的圖靈架構中，為 GeForce RTX 顯示卡配置了 RT Core 與 Tensor Core 兩個運算單元，分別負責不同的任務。
RT Core 專責運算光線追蹤
圖靈架構中的 RT Core，負責運算「追蹤光線」的任務，但光線追蹤它並非新技術，只是過去無法在家用領域中普及，原因是它會消耗太多 GPU 資源，所以現今遊戲若要渲染光影效果，多半採用了光柵化（Rasterization）技術來達成，但效果就是比光線追蹤來得差。
所謂光線追蹤，即是運算光線碰到不同材質的物體時，所折射、反射出的不同型態，並且透過顯示卡渲染忠實呈現出來，達到接近真實世界的影像。RT Core 的任務非常單一，就是耗費全力使用 Bounding Volume Hierarchy（BVH）演算法，以計算光線的折射與反射。正因為專責運算光線，所以其效率比起純用 GPU 運算來得更好。
簡單來說，NVIDIA 透過新增的 RT Core 來解決光影呈現兩大難題：效率與真實性，大大提升了繪圖場景中，運算光線結構的速度，也因此讓原本只能「離線」運算的光影變動效果，可以被「即時」呈現出來。只要遊戲引擎支援對應的 API，光線追蹤將可以大幅提升遊戲中的光影真實度，而且基本上不會影響到原本畫面流暢性。
Tensor Core 讓反鋸齒更省資源
至於在 Volta 架構上就已經出現的深度學習核心 Tensor Core，NVIDIA 也在 GeForce RTX 顯示卡中，為它賦予新的任務，那就是用人工智慧演算法，實現「深度學習超高取樣」（DLSS），帶來效率更好的反鋸齒效果。
反鋸齒相對於光線追蹤，玩家應該更為熟悉。在過去，為了讓 GPU 渲染出來的畫面更加平滑，都會透過 MSAA、MFAA 或 TXAA 等反鋸齒技術，透過採樣來獲得不失真的畫面。但是，增加採樣點也意味著更嚴重的 GPU 資源消耗，對此 NVIDIA 拿出的對策，就是用 AI 人工智慧與超級電腦來解決這個問題。
簡單來說，DLSS 就是透過 NVIDIA 的 NeuralGraphics Framework 超級電腦，先蒐集眾多遊戲中，一組數千張 64 倍超高取樣的完美圖像，以及另一組未開啟反鋸齒的圖像，一併交給神經網路進行訓練，看看 AI 如何用較低的效能，模擬出 64 倍取樣的畫面品質，最後就會形成一個通用模型。
接著，NVIDIA 再為上述的通用模型，加入某款遊戲的完美圖像，利用同樣的方法進行針對化訓練後，就可以取得某款遊戲專用的模型。當玩家開始遊玩擁有 DLSS 模型的遊戲後，GeForce RTX 顯示卡中 Tensor Core，就會利用先前的學習成果，渲染出一個接近 64 倍取樣的畫面濾鏡，套用到玩家的遊戲畫面中，同時降低遊戲內部的渲染解析度，讓玩家在擁有超高反鋸齒畫面之餘，也能兼顧遊戲順暢運行所需的效能。
兩大技術造就 GeForce RTX 平台
「即時光線追蹤」與「深度學習超高取樣」，是 GeForce RTX 顯示卡最關鍵的兩大技術，並且都是針對遊戲而來。NVIDIA 強調，透過 GeForce RTX 平台，玩家可以體驗到更上一層樓的畫面表現，並兼具遊玩過程的流暢性能。
第八代圖靈架構的 GeForce RTX 顯示卡，不再只是一昧的追求運算速度，而是透過為專門任務打造的 RT Core 與 Tensor Core，帶來電腦繪圖領域的重大突破，用不同思路打造次世代的高效能顯示卡。