© Tester128/Shutterstock.com
購買顯卡可能很困難。潛在客戶最想要的是他們的錢，這是可以理解的。不幸的是，過去幾年 GPU 的價格越來越高，這讓選擇下一款遊戲設備成為一項挑戰。
NVIDIA 仍然是遊戲玩家的熱門選擇，其光線追踪和 DLSS 技術提供的視覺效果與出色的性能相匹配。讓我們來看看 NVIDIA 的兩款旗艦顯卡 RTX 3090 和 RTX 4090，看看升級是否值得。
RTX 3090 vs. 4090: Side-by-Side Comparison
RTX 3090 與 4090:有何區別?
NVIDIA 的代際飛躍通常會在性能改進方面產生相當明顯的飛躍。從 3090 到 4090 的跳躍沒有什麼不同，全面大幅增加。兩款顯卡的價格也相差懸殊，4090 的零售價比上一代 3090 高出近 50%。
規格
3090 基於 Ampere 架構, 在首次推出時是市場上最快的量產 GPU。時代變了，但 3090 對於那些想要玩遊戲的人來說仍然是一款具有競爭力的 GPU。
兩個 GPU 都有相同的內存池可供繪製，使用 24GB 的 GDDR6X RAM 加載紋理等。差異開始累積的地方在於其他功能。
我們的選擇
如果您進行購買，我們將賺取佣金，您無需支付額外費用。
02/13/2023 11:57 am GMT
3090 寄存器的基本時鐘速度為 1395 MHz，但 4090 的速度提高了 62%，使其達到2235 兆赫。這不是 4090 的邊際改進，而是性能方面的巨大飛躍。 4090 上的其他一切都更多了，GPU 有更多的張量核心、CUDA 核心和光線追踪核心。
然而，這確實伴隨著 GPU 運行所需的功率增加。用戶可以期望 450 瓦的功率僅為 4090，需要至少 750 瓦的電源才能與其餘組件一起工作。這與 3090 的 350 瓦形成對比，3090 的功率仍然很大，但要求不高。
性能
規格是一回事，但這些 GPU 在現實世界中的表現如何才是真正的試金石。不出所料，4090 在性能上輕而易舉地擊敗了 3090。在使用使用相同 CPU、RAM 和其他外圍設備的設備進行測試期間，各種遊戲的性能都有顯著提高。
要求極高的《賽博朋克 2077》在 1080p 的 Ultra 設置下每秒增加 33 幀。這在其他分辨率上繼續存在，在更大的分辨率下看到幀速率的更大幅度增加。
4090 真正出色的地方在於 4K，兩個 GPU 之間出現了性能鴻溝。一個值得注意的例子是 Ultra 上的古墓麗影暗影測試副本，4090 輸出一致的每秒 116 幀，而 3090 為每秒 59 幀。
這不是說 3090 是缺少 GPU，但架構的變化比前一張卡有了實質性的改進。
其他應用
一段時間以來，NVIDIA 卡一直是 AI 開發的支柱。 CUDA 和張量核心的使用使開發人員能夠利用 GPU 的強大功能來處理要求苛刻的模型和計算。
與遊戲基準一樣，AI 和深度學習基準也受到 RTX 4090 的青睞。全面的性能大幅提高，3090 表現出色，但 4090 的性能幾乎翻了一番。
我們的選擇
NVIDIA GeForce RTX 4090 Founders Edition 顯卡 24GB 16,384 NVIDIA CUDA 內核支持 4K 120Hz HDR、8K 60Hz HDR 和 HDMI 2.1a 中指定的可變刷新率新流媒體多處理器:高達 2 倍性能和能效第四代張量核心:高達 2 倍的人工智能性能第三代 RT 核心:高達 2 倍的光線追踪性能人工智能加速性能:NVIDIA DLSS 3Game-Winning 響應能力:NVIDIA Reflex 低延遲平台
如果您進行購買，無需支付額外費用。
02/13/2023 11:59 am GMT
這在一定程度上要歸功於 4090 的 CUDA、張量和光線追踪核心數量大幅增加。 GPU 上的這些獨立組件可以允許進行更多的並行處理，從而大大提高處理數據集或訓練模型的吞吐量。
家庭用戶可能不會希望將這些 GPU 用於此類應用程序。但該領域的愛好者和專業人士會很高興得知 RTX 4090 對此類工作具有巨大價值。儘管熱消耗更高，但它比 3090 更節能。
這些並不是 AI 工作的理想解決方案，因為 3090 和 4090 與 NVIDIA 在該特定領域銷售的企業級 GPU 相比都相形見絀。它全面便宜得多，對於小型研究部門以及希望加速其 AI 開發的公司應該證明是有價值的。
定價
也許是兩者之間最重要的考慮因素這兩款 GPU 是它們的定價。 4090 預計是兩者中更昂貴的選擇。如果有 GPU 的供應，它的價格幾乎是 3090 的兩倍。
3090 的價格仍然偏高，至少從旗艦 GPU 的歷史趨勢來看是這樣.考慮到這一點，價格更容易接受。潛在客戶需要權衡性能上的差異是否值得成本上的巨大差異。
GPU 價格不太可能下降，因此拼湊遊戲裝備更具挑戰性。如果您的預算允許，4090 絕對是一款出色的顯卡，可以以極高的圖形保真度進行 4K 遊戲。更多精打細算的買家不會對 3090 感到失望。也就是說，性價比並不受 RTX 3090 的青睞。
RTX 3090 與 RTX 4090:6 個必須知道的事實
關於 RTX 3090 的事實
第一款能夠以 8K 分辨率玩遊戲的商用 GPU。比NVIDIA RTX Titan。在 3080 的兩個上使用三個 PCI-E 插槽。
關於 RTX 4090 的事實
有史以來為消費市場生產的最強大的 GPU。能夠支持 DLSS 3 以提高遊戲在更高分辨率下的性能。NVIDIA 首款沒有 SLI 或 NVLink 的旗艦 GPU。
RTX 3090 與 RTX 4090:您應該使用哪一個?
就原始統計數據和性能而言，4090 是壓倒性的贏家。如果您希望從較舊的旗艦卡升級並且能夠負擔得起入門價格，它不會讓人失望。
與 3090 和 2080 相比，極端的功耗和相當大的價格上漲是需要牢記的。除了價格之外，它還是一款功能極其強大的卡，具有出色的性價比。
在 NVIDIA 不可避免的炒作週期更新之前，4090 仍將是黃金標準。那些喜歡高端台式機的人會喜歡擁有一個可以碾壓任何可玩的 GPU。
對於那些希望進入密碼學研究或機器學習的人來說，這也是一個很好的切入點。如果你想處理大量的數字，這是一個更合理的支出。簡而言之，如果您能買到 4090，它就是一款希望提供令人驚嘆的視覺效果的 GPU 野獸。
RTX 3090 與 4090:升級是否值得? FAQ（常見問題）
是否值得為 1080p 遊戲購買 4090?
4090 的強大功能可能無法發揮其全部潛力在 1080p 顯示器上。如果您的顯示器具有更高的刷新率，那麼額外的馬力肯定會派上用場，這可能會證明是有益的。
除此之外，如果您正在尋找穩定的 60fps 並希望節省一點錢，也許值得看看 AMD 和 NVIDIA 提供的低端 GPU 之一。
3090 和 4090 在將圖形渲染推至比標準 1080p 更高的分辨率時表現出色。這兩張卡在 4K 時肯定都能達到一些令人印象深刻的幀率。
如果你想看到光線追踪，那麼在 1080p 下對於 4090 來說肯定是一個不那麼費力的過程，你可能會有一個很好的折衷方案視覺保真度和性能之間的平衡。
4090 值得用於 AI 嗎?
如果您是研究愛好者，或者您在一家小公司工作，這對於該行業來說是一個巨大的價值。真正面向 AI 的顯卡的零售成本要高得多，而 4090 比使用 NVIDIA A100 便宜得多。
此外，AI 是一個相對年輕的市場領域，所以如果您如果不想破產，投資更具成本效益的東西是有意義的。
時間可能會使進入 AI 所需的整體投資變得更便宜。現在，如果您不是一家與汽車製造商合作的大公司，明智地投資您的設備是理所當然的。
是否有真正支持 8K 的 GPU?
目前市場上沒有多少商用 8K 監視器或顯示器。也就是說，3090 和 4090 可以做 8K，但這是有代價的。可以想像，將分辨率從 1080p 提高四倍需要大量資源。
無論是通過 DLSS 還是通過實際顯示設置，3090 和 4090 都可以在此分辨率下進行渲染，但性能並不理想。用戶可能會發現 4K 的幀率非常出色，但如果不進行適當的調整，您將看到 8K 下低於 60fps 的幀率。
按照當前 GPU 的發展方式，很容易將其視為排序。 GTX 980 被吹捧為能夠進行 4K 遊戲，但它在可玩性和流暢的幀率方面還差得遠。時間和未來的 GPU 模型可能會帶來更理想的 8K 性能。
你能在同一情況下配對 4090s 嗎?
如果你正在尋找要執行與 NVLink 類似的操作，4090 就不走運了。除了巨大的功耗外，將這些龐大的 GPU 中的兩個用於遊戲目的沒有任何好處。由於對 NVLink 的支持已停止，您無法輕易使用額外的 GPU。
3090 是 NVIDIA 的最後一款支持 NVLink 的旗艦產品，它仍然需要具有高額定值的 PSU 才能同時運行系列。老實說，3090 和 4090 能夠充分發揮市場上最近推出的每款遊戲的性能。即使是像 Dead Space 重製版這樣的新版本，也可以毫不費力地獲得最大化和看起來很棒。
如果您希望為 AI 或 ML 目的運行多個 4090，您當然可以。某些工作負載可以並行利用多張卡上的進程。
RT 和張量核心的用途是什麼?
RT 和張量核心不直接幫助圖形渲染。相反，它們處理有助於渲染的其他功能。
物理、光線跟踪和動態分辨率調整等方面可以由這兩個內核處理，而 CUDA 內核和 GPU 的處理器處理實際渲染。
GPU 上的所有額外核心都有助於處理更複雜的數學計算並加速計算。那些利用 NVIDIA 技術的人可以將游戲系統的一些更廣泛的方面卸載到硬件，讓 CPU 和 RAM 處理它們的核心進程。
這些是僅在 NVIDIA GPU 中實現的專有系統，並且是一部分為什麼 NVIDIA 是 AI 等硬件加速計算的推動力。