مؤتمر GeForce: الكشف عن بطاقة NVIDIA GeForce RTX 3080 رسمياً!
اليوم الذي ينتظره الجميع وصل وأعلنت شركة NVIDIA عن بطاقة NVIDIA RTX 3080 المنتظرة والمبنية على معمارية Ampere الجديدة لكي يصل لنا الجيل الثاني من بطاقات RTX الموجهة لأحدث تقنيات تتبع الضوء وتعلم الألة بتقنيات الـ DLSS 2.0 أيضاً لكي تعطي أداءً أعلى من بطاقات الجيل الحالي.
من المفترض أن يتم إطلاق بطاقة RTX 3080 في شهر سبتمبر الحالي بدايةً من 17 من سبتمبر الحالي بسعر 700 دولار أمريكي.
[caption id="attachment_311352" align="alignnone" width="1920"]
صورة من المؤتمر أثناء الكشف عن البطاقات الجديدة.[/caption]
تعتمد هذه البطاقة الجديدة على معالج GA102 الرسومي. يعتبر هذا المعالج واحد من تشكيلة Ampere الجديدة والمصممة من أجل اللاعبين. يعتبر هذا المعالج الرسومي هو أسرع معالج مصمم من أجل الألعاب من خلال NVIDIA وتم تصميمه على دقة تصنيع الـ 8 نانومتر من Samsung والذي يضم ما يصل إلى 28 مليار ترانزستور بداخله.
هناك ما يصل إلى 8704 نواة من أنوية CUDA. دعونا لا ننسى أيضاً وجود أنوية تتبع الضوء من نوع RT وأنوية الـ Tensor المعروفة أيضاً مع بعض وحدات المعالجة الخاصة بالبث على هذه الشريحة.
أما بالنسبة لذاكرة البطاقة الرسومية، فتأتي بـ 10 جيجابايت من ذواكر الـ GDDR6X. هذه الذواكر تأتي من خلال شركة Micron لكي تعطي سرعات تصل إلى 19.0 جيجابت في الثانية والتي ستأتي بسرعة 760 جيجابت في الثانية عندما تعمل على نطاق الـ 320-بت.
ستوفر هذه البطاقة ما يصل إلى 30 تيرافلوب في عملية التظليل لكي توفر أداء أعلى بنسبة 270% مقارنةً بالجيل الماضي في هذه العملية، 58 تيرافلوب في تتبع الضوء لكي تعطي أداء أعلى بنسبة 170% مقارنةً بالجيل الماضي و283 تيرافلوب أثناء العمل مع أنوية Tensor لكي تعطي أداء أعلى بنسبة 270% مقارنةً بالجيل الماضي أيضاً.
إستعرضت NVIDIA فوارق الأداء مقارنةً ببطاقات Turing من الجيل الماضي والتي تظهر في الأتي:
أما بالنسبة للبطاقة نفسها، فهي نفس البطاقة المسربة ولكن هذه صورة لها من المقطع الرسمي:
دعونا لا ننسى أن بطاقات Ampere تأتي لكي تكمل بطاقات Turing والتي قدمت تقنيات تتبع الضوء وتقنيات الذكاء الإصطناعي في الرسوميات، سواء إن كانت أثناء ممارسة الألعاب أو العمل على كل ما يتعلق بالرسوميات. تعتمد هذه البطاقات على أنوية الـ RT والـ Tensor لكي تعمل بمفردها على القيام بهذه العمليات المعقدة أيضاً بدون الحاجة إلى أنوية CUDA الداخلية.
