Технологический энтузиаст Марсело Гибут продемонстрировал метод, который может кардинально изменить подход к использованию конфигураций с несколькими видеокартами в современных игровых системах. В рамках эксперимента была реализована схема, при которой одна видеокарта занимается непосредственным просчетом геометрии и текстур, в то время как вторая полностью берет на себя вычисления, связанные с нейросетевым масштабированием DLSS 5. Этот подход фактически возвращает сообщество к концепции распределенных вычислений, которая десятилетиями ассоциировалась с технологией Nvidia SLI, но теперь работает на принципиально ином уровне абстракции.
Что произошло в ходе эксперимента
В ходе демонстрации, проведенной на базе игры Cyberpunk 2077, использовалась связка из двух видеокарт Nvidia GeForce RTX 5060 Ti. Основная задача заключалась в том, чтобы разгрузить графический конвейер, выделив нейросетевые алгоритмы в отдельный поток обработки на втором физическом устройстве. Ранее технология SLI предполагала разделение кадров или областей экрана между видеокартами, что часто приводило к проблемам с микростаттерами и неравномерным временем кадра. Новый метод Гибута работает иначе: он не дублирует рендеринг, а делегирует специализированную вычислительную задачу.
Результаты показали, что подобное разделение позволяет существенно снизить нагрузку на основной графический процессор, который в обычном режиме вынужден одновременно заниматься классическим рендерингом и обслуживанием алгоритмов искусственного интеллекта. Когда нейросетевой блок DLSS 5 выносится на отдельный чип, общее время формирования кадра становится более стабильным. Хотя технология находится на ранней стадии тестирования, она уже привлекла внимание сообщества специалистов, занимающихся оптимизацией графики, так как открывает путь к использованию потенциала простаивающих вторых видеокарт.
Как устроена работа нейросетевого рендеринга
Современные технологии апскейлинга, такие как DLSS 5, опираются на специализированные тензорные ядра, встроенные в архитектуру видеокарт Nvidia. Эти ядра предназначены исключительно для матричных вычислений, необходимых для работы нейронных сетей. В стандартных условиях одна видеокарта должна выполнять все этапы: от отрисовки сцены до финального восстановления разрешения с помощью ИИ. Это создает «узкое горлышко», так как пропускная способность памяти и вычислительные ресурсы тензорных ядер ограничены одним устройством.
Метод Марсело Гибута использует программную прослойку для перенаправления данных нейросети на шину PCIe, чтобы передать их на вторую карту. Вторая видеокарта получает буфер кадров, выполняет над ними математические операции по апскейлингу и возвращает результат обратно для вывода на дисплей. Хотя задержка передачи данных через шину PCIe является критическим фактором, современные стандарты передачи данных позволяют нивелировать этот эффект при правильной настройке потоков. Это превращает вторую видеокарту из пассивного устройства в активный вычислительный узел.
Исторический контекст и параллели с SLI
Многие пользователи восприняли новость как попытку возродить концепцию SLI, которая официально была признана Nvidia устаревшей и больше не поддерживается в современных драйверах для потребительских видеокарт. Технология SLI (Scalable Link Interface) требовала наличия специального мостика между видеокартами и сложной поддержки со стороны разработчиков игр, что привело к её постепенному исчезновению. В отличие от SLI, новый метод не требует прямого взаимодействия между чипами через аппаратные мосты и не нуждается в поддержке со стороны движка игры на уровне API.
Это делает предложенное решение гораздо более гибким, так как оно работает на уровне драйверов и промежуточного ПО. Если классический SLI был жестко привязан к конкретным профилям для каждой игры, то метод распределения DLSS потенциально универсален. Он может быть применен к любому проекту, использующему современные библиотеки Nvidia, что дает энтузиастам инструмент для повышения производительности без необходимости покупки более дорогостоящей флагманской видеокарты.
Кого коснется это технологическое изменение
В первую очередь, данное решение ориентировано на энтузиастов и пользователей, обладающих несколькими графическими адаптерами среднего сегмента. В эпоху, когда стоимость топовых видеокарт достигает значительных величин, возможность объединить две карты серии 5060 Ti для получения производительности, сопоставимой с более дорогими решениями, выглядит экономически обоснованной. Тем не менее, для массового пользователя это решение остается сложным в настройке и требующим специфических знаний в области системного администрирования.
Кроме того, это открывает новые горизонты для создателей контента и профессионалов, работающих в приложениях с поддержкой нейросетевого рендеринга. Если такая конфигурация станет стабильной, её можно будет использовать не только в играх, но и в программах для рендеринга видео или 3D-графики, где нейросетевое шумоподавление и масштабирование играют ключевую роль. Это позволит ускорить рабочие процессы, делегируя тяжелые вычислительные задачи на вторую карту, которая в противном случае просто потребляла бы энергию в режиме простоя.
Ограничения и потенциальные проблемы
Несмотря на успех демонстрации, технология имеет ряд серьезных ограничений. Во-первых, это потребление электроэнергии: работа двух видеокарт требует мощного блока питания и эффективного охлаждения внутри корпуса. Во-вторых, возникают вопросы совместимости драйверов, так как текущая архитектура Nvidia не предполагает штатной работы двух GPU в режиме разделения задач DLSS. Существует риск того, что будущие обновления драйверов могут заблокировать подобные манипуляции, если компания посчитает их нарушением условий использования ПО.
Также стоит учитывать задержку (input lag), которая неизбежно возникает при передаче данных между двумя видеокартами по шине PCIe. Хотя для многих игр это может быть незаметно, в соревновательных киберспортивных дисциплинах, где важна каждая миллисекунда, этот фактор может стать решающим. Разработчикам предстоит найти способ минимизировать эти задержки, чтобы метод стал по-настоящему конкурентоспособным по сравнению с использованием одной мощной видеокарты.
Итог: что это значит для индустрии
Демонстрация Марсело Гибута доказывает, что потенциал многопроцессорных конфигураций в персональных компьютерах не исчерпан, несмотря на отказ производителей от поддержки SLI. Переход от аппаратного объединения к программному разделению вычислительных задач открывает новый этап в оптимизации графики. Это означает, что будущее производительности лежит не только в создании более мощных чипов, но и в более эффективном распределении нагрузки между всеми доступными ресурсами системы.
Если технология получит развитие и станет доступна в виде стабильного пользовательского софта, это может существенно изменить рынок комплектующих. Пользователи получат возможность масштабировать свою систему постепенно, добавляя вторую видеокарту для ускорения нейросетевых процессов. Это важный шаг в сторону более гибкого и адаптивного использования аппаратного обеспечения, который в долгосрочной перспективе может заставить разработчиков программного обеспечения пересмотреть способы взаимодействия с многопроцессорными системами.
