跳转到内容
Jason's Study

Burgess 2020 RTX ON — Turing 把光线追踪做进硅片

是什么

Turing 是 NVIDIA 2018 年发布的第七代 GPU 架构，旗舰是 TU102（RTX 2080 Ti）。Burgess 这篇 IEEE Micro 总结文章讲清楚一件事：Turing 在硅片上加了一类新单元——RT Core，专门做光线追踪里最贵的两件事——BVH 遍历和光线-三角形求交。再配合第二代 Tensor Core 做 AI 去噪，让光追第一次能在 60 fps 下跑游戏。

日常类比：以前画一张写实照片，要么用相机（栅格化——快但是贴图作假）要么用画笔一笔一笔画（光追——真实但慢到离线）。Turing 给画家配了一台特制的”几何尺”（RT Core），画笔自己还在你手上，但量距离 / 找交点这种重活从画家脑子里搬到了尺子里——画家只负责创意，尺子负责算账。

落到硅片：TU102 = 186 亿晶体管、TSMC 12nm FFN、754 mm²、72 SM × 64 FP32 = 4608 CUDA 核 + 72 RT Core + 576 第二代 Tensor Core。代表卡 RTX 2080 Ti / 2080 / 2070、Quadro RTX 6000 / 8000。Tesla T4 例外——只有 Tensor Core 没 RT Core，定位推理。

为什么重要

不理解 Turing，下面这些事都没法解释：

  • 为什么 2018 年之前游戏里几乎看不到真光追——CPU 路径追踪每帧几秒到几分钟，离 16ms 一帧的实时差三个数量级
  • 为什么 DirectX Raytracing（DXR）和 Vulkan RT 扩展 2018 同期才出——硬件没就绪，API 也无处落
  • 为什么 DLSS 这种”AI 补帧”在 Turing 才出现——Tensor Core + RT Core 在同一颗硅片，去噪和插帧才有算力预算
  • 为什么 2018-2024 的消费 GPU 都是”栅格 + RT + Tensor”三件套——这套分工是 Turing 定的，ampere-architecture-2020 / Ada / Blackwell 都在加强不在重做

核心要点

Turing 在 volta-architecture-2017 之上做了 三件事：

  1. RT Core——固定功能光追加速器：每个 SM 一个 RT Core，负责两件最贵的活——遍历 BVH 树（找哪些三角形可能挡到光线）和光线-三角形求交（求精确碰撞点）。SM 上的 CUDA Core 只发起 TraceRay()、收结果做着色。意义：软件版 Pascal 用 shader 模拟光追约 1 Giga Rays/sec，Turing 直奔 10 Grays/sec——这一步硅化就是 10×。

  2. 第二代 Tensor Core + DLSS：volta-architecture-2017 第一代只做 FP16；Turing 加 INT8 / INT4 推理路径，把 Tensor Core 从训练单元扩成训练 + 推理双用。**DLSS（Deep Learning Super Sampling）**就是用它跑——低分辨率出图 + AI 上采样到目标分辨率，等价用算力换像素，把 RT 省下的预算花在 AI 补帧上。

  3. SM 流水线重排：FP32 和 INT32 改成双发并行——以前一条 SM 在做 FP32 时 INT32 单元闲着，Turing 让两边同时跑，整型运算（地址计算 / 循环索引）平均省 36%。L1 / shared memory 合并成 96KB 可配置池子（V100 是固定 128KB / 96KB 拆分）。新增变量速率着色（VRS）——画面边缘可以”几像素一着色”省算力。

三件事怎么配合：混合渲染管线

Turing 不是”全光追”——是 栅格化主体 + 选择性发射光线 + AI 去噪 的混合管线：

  • 大部分像素仍由栅格化画——快，每秒 60 帧没问题
  • 难做的效果（反射 / 阴影 / 环境光遮蔽 / 全局光照）从着色器发射几条光线——RT Core 算交点
  • 光线少 = 噪声大——Tensor Core 跑去噪网络，把”几条光线的稀疏样本”补成干净图像
  • DLSS 再用 AI 把渲染分辨率从 1440p 上采样到 4K——总算力预算守住

这个算力分工是 Turing 论文最核心的工程贡献——不是单点技术发明，是让三种异构单元在 16ms 一帧的预算里恰好够用。

实践案例

案例 1：BVH 是什么——给 RT Core 喂的数据结构

光追每条光线要问 “这条线撞到场景里哪个三角形”。场景有 100 万个三角形，线性扫一遍肯定不行。BVH（Bounding Volume Hierarchy）= 把三角形按空间分组，套层层包围盒——根盒子套整场景，往下分两半盒子各套一半三角形，递归到每盒一两个三角形。

光线进来：先和根盒求交——不撞就丢；撞了就沿树往下两个子盒问；最终只剩几个候选三角形精确求交。每条光线从 O(N) 降到 O(log N)。

RT Core 把”BVH 节点访问 + 光线-三角形求交”做成 fixed-function——不可编程但比 SM 跑同样代码快 10×。

案例 2：DLSS 在干什么——用算力换像素

直觉：要 4K 60fps，需要每秒画 5 亿像素。DLSS 偷懒——只画 1440p（约 4K 的 44%），然后让一个预训练神经网络把它”放大”到 4K。

低分辨率帧 + 历史帧 + 运动向量 → DLSS 网络（Tensor Core 跑）→ 高分辨率输出

Tensor Core 每秒可以跑约 110 TOPS INT8——画一帧 DLSS 大概 1-2ms。代价：极少数情况下细节会糊或鬼影，但平均效果 = 比原生 1440p 锐、比原生 4K 慢得少。

案例 3：RT Core 不能干什么——着色还是 SM 做

RT Core 只回答”光线撞到哪个三角形 / 在哪”。碰到三角形之后做什么（反射光线方向、采样纹理、二次发射）——这部分是着色器代码，CUDA Core 跑。这就是为什么 RT Core 数量只是 SM 数（72），不是 CUDA Core 数（4608）——它是 SM 的协处理器，不是替代品。

案例 4：RTX 2080 Ti 一帧的预算分配

按 60 fps = 每帧 16.6ms 算，开 RT 反射 + DLSS 2.0 后大致：

  • 栅格化主体几何 + 着色：约 6ms（CUDA Core）
  • RT Core 发射反射光线 + BVH 遍历：约 3-4ms（RT Core）
  • 去噪 + DLSS 上采样：约 2ms（Tensor Core）
  • 后处理 + UI：约 2ms
  • 预留余量：约 2ms

三种单元几乎并行跑——RT Core 在算反射时 CUDA Core 在着色直接光照，这就是混合管线高效的原因。任何一种单元成为瓶颈，都达不到 60 fps。

踩过的坑

  1. 首发 RT 性能压力大：RTX 2080 Ti 开 RT 在 1440p 也常掉到 40-50 fps；2018-2019 早期游戏（Battlefield V 等）光追实现不成熟，画面收益和性能代价不平衡。ampere-architecture-2020 第二代 RT Core 把 BVH 遍历再快 2× 才让 RT 真正主流化。

  2. 第一代 DLSS（DLSS 1.0）口碑差：用了每游戏单独训模型 + 静态采样，糊、不通用。DLSS 2.0（2020）改成统一时序网络才翻身。Turing 卖的时候 DLSS 1.0 体验显著拉低 RTX 价值感。

  3. Tesla T4 没 RT Core：T4 用 TU104 但屏蔽 RT Core——纯推理卡。这是 NVIDIA 第一次把”消费 RT”和”数据中心推理”分开做硅。后来 ampere-architecture-2020 的 A100 也没 RT Core，Ada L40 才把两者重新合并。

  4. 混合渲染对开发者复杂：游戏引擎要同时维护栅格管线 + RT 管线 + DLSS 集成，API（DXR / VKR） 抽象层薄、调优坑多。虚幻 5 / Unity HDRP 在 2021-2022 才把 RT 做成”打勾启用”。早期开发自己写 BVH 更新逻辑、自己做去噪 shader 大坑无数。

  5. 动态场景 BVH 重建是隐性成本：BVH 是预计算的空间结构，场景里物体一动就得重建或刷新——角色走动、爆炸、布料模拟。RT Core 加速了”用 BVH”，但重建 BVH 仍然在 CPU 或 SM 上跑。早期游戏里动态物体多的场景反而 RT 越开越慢，就是这个原因。Turing 给了硬件 API（refit / rebuild）但策略要开发者自己定。

适用 vs 不适用场景

适用：

  • 实时光追游戏（反射 / 阴影 / 全局光照）——这是 Turing 设计目标
  • 影视实时预览——以前 Maya / Blender 视口要么栅格预览要么离线渲染，Turing 后视口能开 RT
  • 工业可视化（汽车 / 建筑）——Quadro RTX 在工作站把”实时真实材质预览”做出来
  • AI 推理（Tensor Core 部分）——T4 / RTX 系列推理性价比极强

不适用：

  • 大规模训练——Tensor Core 算力 V100 / A100 高得多，且 Turing 没 BF16
  • 离线高质量光追——还是 CPU 集群（Pixar RenderMan）或专业 GPU 渲染器（OptiX 但用 A100）更稳
  • 高吞吐 HPC / 科学计算——FP64 算力被砍（消费定位），HPC 还是看 V100 / A100
  • 移动 / 嵌入式光追——Turing 功耗 250W 起，手机端要等 2022 后的 ARM Mali / Adreno RT 单元

历史脉络

  • 1980 年代：光追在离线渲染（Pixar、CG 电影）成熟——cook-1984-distributed-ray-tracing / lafortune-1993-bdpt。CPU 一帧几小时。
  • 2008-2017：GPU shader 模拟光追（OptiX / iray）——能跑但每秒约 1 Grays，离实时还差 10×。
  • 2018：Turing 发布——RT Core 把 BVH 遍历做进硅片，10 Grays/sec。同期 DXR / Vulkan RT API 上线。
  • 2020：ampere-architecture-2020 第二代 RT Core，BVH 遍历再 2×；同年 DLSS 2.0 翻身。
  • 2022-2024：Ada（RTX 40）第三代 RT Core + Shader Execution Reordering；Blackwell（RTX 50）继续。RT Core + Tensor Core + 栅格三件套自此成为消费 GPU 标配。

与同期方案对比

Imagination PowerVR Wizard（2014）：第一个公开声称硬件光追的 GPU IP——但只在嵌入式 IP 授权层面，没量产消费产品。Turing 是第一个桌面级、量产、配套软件栈完整的硬件光追平台。

AMD RDNA 2（2020）：用Ray Accelerator 单元实现 RT，但 BVH 遍历仍由着色器配合做，不是完全 fixed-function。性能上首发 RX 6800 XT 在 RT 工作负载明显落后 RTX 3080，部分原因就是这个混合策略。Turing 走纯 fixed-function 路线在 RT 性能上更激进。

Intel Arc Alchemist（2022）：每个 Xe 核 1 个 RT 单元，BVH 遍历 + 求交全硬件，路线最接近 Turing。但驱动栈成熟度不足，市场份额有限。

这三家路线对照能看出 Turing 设计的两个赌注：(1) BVH 遍历值得做进硅——AMD 第一代赌反了，第二代 RDNA 3 改成更接近 NVIDIA 路线。(2) AI 去噪 + 上采样是 RT 的必要伴侣——AMD FSR / Intel XeSS 都是模仿 DLSS 的产物。

学到什么

  1. 硬件加速器的本质是固化高频路径——RT Core 只做 BVH 遍历和光线-三角求交两件事，但这两件占光追 80% 时间，做进硅就是 10×。这和 volta-architecture-2017 Tensor Core 把 4×4 矩阵乘做进硅的思路一样。
  2. 混合管线优于纯方案——Turing 没把栅格扔了走全光追，而是栅格 + RT + AI 去噪 + DLSS 协同。现实约束下的工程混合 > 理论纯净的全光追。
  3. 配套软件栈决定硬件接受度——RT Core 没 DXR / VKR / DLSS / 虚幻 5 / Unity 集成，硬件就是孤岛。Burgess 这篇把硬件 + API + 引擎集成 + 模型训练当成一个整体写，是工程系统论文的范本。
  4. 第一代产品是定锚不是终点——Turing RT 性能 + DLSS 1.0 槽点不少，但后续每代都在这套架构上迭代——做对方向比首发完美更重要。
  5. 算力分工比单点峰值重要——TU102 同样 754 mm² 硅片，如果把 RT Core / Tensor Core 全换成 CUDA Core，纸面 FP32 算力更高，但 RT 工作负载反而更慢。异构单元按工作负载切分预算是这一代消费 GPU 的设计哲学。

延伸阅读

关联