Az Nvidia vezetője már korábban beszélt arról, hogy idővel a Neural Rendering technológia egyre meghatározóbbá válik a játékok piacán, vagyis az AI egyre nagyobb szerepet kap a képkockák renderelésénél, de ennél a jelek szerint még messzebbre mennek: igazából az egyes pixelek létrehozását is egyre inkább szeretnék AI alapokra helyezni. Erre az aktuális álláspont szerint nem is igazán azért van szükség, hogy a játékok gyorsabban fussanak, hanem azért, hogy a fogyasztás csökkenthető legyen, amiből főként a mobil konfigurációk piacán lehet majd profitálni, de egyéb területeken is jól jöhet, ha energiahatékonyabban hozzák létre az egyes képkockákat, hiszen a kisebb fogyasztás révén a hőtermelés is pozitív irányban változhat.

A Neural Rendering felé vezető úton fontos mérföldkő a Blackwell architektúra, amelynél nem egyszerű bővítményként fogható fel a gépi tanulás lehetősége a renderelő futószalag képességeinek bővítéséhez és működésének energiahatékonyabbá tételéhez, hanem természetes irányként, amit a hardver felépítése is segít. A nyers erőre támaszkodó raszteres munkavégzés helyett egyre inkább áthelyeződik a hangsúly a neurális megközelítésekre, vagyis az AI alapú zajszűrésre és képkocka-generálásra, amelyekkel javítani lehet a pixeleket és így a képkockákat, vagy akár teljes egészükben is létre lehet hozni őket – gondoljunk csak a Frame Generation funkcióra.

Az Nvidia csapata annak érdekében, hogy ezt a váltást segítse, próbál az FP4 műveletek felé mozdulni, amelyekkel csökkenthető a memória-alrendszerre és a GPU-ra jutó terhelés mértéke, de ezzel egy időben az ütemező működését is próbálják hatékonyabbá tenni, például a műveletek sorrendjének átrendezésével és optimalizálásukkal ؘ– ez mind-mind abban segít, hogy az SM tömbök kihasználtsága jobb legyen és optimálisan működjenek. A munkát egy AI menedzsment processzor is segíti, ami az adatok és a prioritások koordinálásával oldja meg, hogy a shaderműveletek és a dedukciós feladatok ne akadályozzák egymást, ezáltal a teljesítmény is optimális lehet.

A Blackwell architektúra esetében kulcsfontosságú előny a GDDR7-es memóriachipek alkalmazása, amelyekkel alacsony feszültség mellett is magasabb használható memória-sávszélesség érhető el, ezáltal mind a hagyományos renderelési feladatok, mint pedig a komolyabb Tensor műveletek hatékonyabban futhatnak. A vállalat különböző módszerekkel törekszik arra, hogy a vegyes terhelést jelentő feladatoknál a lehető leghamarabb elkészüljön az első token, ezáltal az interaktív ügynökök és a grafikai feladatok különböző késleltetés-igénye is megfelelően biztosítható.

A fő hangsúly tehát nem a játékok gyorsulására, hanem az energiamegtakarítás növelésére helyeződik, éppen ezért a „race to idle” koncepció révén próbálják minél inkább az AI-ra bízni a képkockák létrehozását, ezáltal csökkentve a számítási igényt és terhelést, és a műveletek elvégzéséhez szükséges fogyasztás is jelentősen csökkenhet, akár még felére is. A képminőséget és a részletességet összességében úgy próbálják javítani az AI által, hogy közben a játékfejlesztő által megálmodott látványvilághoz hűek maradnak.

A siker érdekében az adatközpontok világából ismerős funkcionalitás egy részét is kölcsönvették, ilyen például az Universal MÍG névre keresztelt technológia, ami lehetővé teszi, hogy egy adott GPU több kisebb virtuális GPU formájába működhessen, ezzel javítva a GPU kihasználtságát. A Blackwell esetében az Nvidia szerint tehát nem csak és kizárólag arra helyeződött a hangsúly, hogy növeljék a nyers számítási teljesítményt, hanem arra is, hogy újragondolják a feladatok ütemezését, valamint ezzel egy időben a gépi tanulást és a mesterséges intelligenciát is bevonják a feladatvégzésbe annak érdekében, hogy valós időben működve, hatékonyabban lehessen képkockákat létrehozni és javítani.

Ezek a lépések mindenképpen szükségesek a Neural Rendering koncepció valóra váltásához, idővel pedig a grafikai futószalag minden egyes lépcsőjében használni fogják a mesterséges intelligenciát annak érdekében, hogy gyorsabbá és hatékonyabbá tegyék a munkavégzést.