ตัวไหนมี GPU ที่ประหยัดพลังงานที่สุด? NVIDIA หรือ AMD?

วิธีหนึ่งในการวัดประสิทธิภาพของกราฟิกการ์ดต่างๆ คือการวัดประสิทธิภาพการใช้พลังงาน โดยจะใช้เฟรมต่อจูลที่เรียกว่าเฟรมต่อจูล ซึ่งช่วยให้เราทราบแนวโน้มวิวัฒนาการ และดูว่าพวกเขาขยายขนาดตามรุ่นและสถาปัตยกรรมอย่างไร เพื่อเปรียบเทียบไม่เพียงแต่ประสิทธิภาพเท่านั้น แต่ยังรวมถึงประสิทธิภาพการบริโภคด้วย อะไรสามารถ NVIDIA และ เอเอ็มดี ทำ? วันนี้อันไหนมีประสิทธิภาพมากกว่ากัน?

GPU ที่ประหยัดพลังงานที่สุด

หนึ่งในความกังวลที่ใหญ่ที่สุดสำหรับผู้ออกแบบ GPU ใหม่และการ์ดกราฟิกก็คือการใช้พลังงาน เนื่องจากอินเทอร์เฟซ PCI Express นำมาซึ่งข้อจำกัดในแง่ของขีดจำกัดพลังงานที่สามารถส่งได้ สิ่งนี้จะเลวร้ายลงหากเราคำนึงถึงว่าการใช้พลังงานเพื่อให้ได้แบนด์วิดท์ VRAM สูงสุด ซึ่งวัดโดย picojoules ต่อบิตที่ส่ง มีขนาดใหญ่ขึ้นเรื่อยๆ และทำให้โปรเซสเซอร์ควบคุมฮาร์ดแวร์กราฟิกด้วยระยะขอบที่น้อยลงเรื่อยๆ ทางด้านพลังงาน

นั่นคือเหตุผลที่ความท้าทายของผู้ผลิตฮาร์ดแวร์กราฟิกหลักสามราย: อินเทล, AMD และ NVIDIA; มันไม่ใช่ความจริงของการออกแบบ GPU ใหม่เสมอไปที่ดึงพิกเซลบนหน้าจอมากขึ้น คำนวณรูปหลายเหลี่ยมมากขึ้นหรือ TFLOPS มากขึ้น แต่พวกเขาต้องการได้รับประสิทธิภาพสูงสุดด้วยพลังงานที่มีอยู่น้อยลงและน้อยลง

เฟรมสำหรับจูลคืออะไร?

รูปภาพที่มาพร้อม GPU
หากเราพูดถึงเดลต้าในด้านประสิทธิภาพการใช้พลังงานระหว่างการ์ดกราฟิกสองตัว เราต้องเปรียบเทียบเกมเดียวกันที่ทำงานภายใต้เงื่อนไขเดียวกันทั้งในแง่ของการตั้งค่ากราฟิกและความละเอียด ในลักษณะที่ทั้งสองใช้ภาพเดียวกันทุกประการ และเราสามารถวัดประสิทธิภาพของแต่ละภาพตามความเร็วของเฟรมที่ถ่าย เห็นได้ชัดว่าภาพที่แสดงเฟรมได้มากที่สุดเป็นผู้ชนะ

จากสองแนวคิด เช่น เฟรมต่อวินาทีและวัตต์ ซึ่งไม่มีอะไรอื่นนอกจากจูลต่อวินาที เราสามารถรับจูลต่อเฟรมได้ เห็นได้ชัดว่าการ์ดกราฟิกที่ใช้จูลน้อยที่สุดเมื่อสร้างเฟรมจะเป็นการ์ดที่ประหยัดพลังงานมากขึ้นในเกมดังกล่าว

เฟรมต่อจูลของกราฟิกการ์ดวัดได้อย่างไร? วิธีการทำนั้นง่ายมาก เราเพียงแค่แบ่งการบริโภคของกราฟิกการ์ดด้วยจำนวนเฟรมต่อวินาทีที่ได้รับ และทำให้ประสิทธิภาพพลังงานของแต่ละอย่างง่าย ๆ GPU โดยเฉพาะจะได้รับ

วิธีที่ดีที่สุดในการวัดประสิทธิภาพการใช้พลังงาน

ประสิทธิภาพของ GPU fotogramas julio

แต่จะดีกว่าไหมที่จะเปรียบเทียบข้อกำหนดทางเทคนิคของการ์ดกราฟิกสองตัวบนกระดาษ ไม่ได้จริงๆ เนื่องจากตัวเลขที่ให้ไว้เป็นค่าสูงสุดทางทฤษฎีที่สามารถให้ได้ภายใต้สภาวะในอุดมคติเท่านั้น ซึ่งใน 99.9% นั้นไม่ตรงตามเงื่อนไขอย่างใดอย่างหนึ่ง อย่าลืมว่าเมื่อสร้างเฟรม ซีพียู ก็มีความสำคัญเช่นกัน เป็นองค์ประกอบที่ต้องเหมือนกันทุกประการ เปรียบเทียบกัน เช่นเดียวกับความเร็วของ แรม.

ด้วยเหตุนี้จึงมีประสิทธิภาพมากกว่าในการเปรียบเทียบ GPU สองตัวในสถานการณ์จริง นอกจากนี้ สิ่งนี้ช่วยให้เราค้นหาปัญหาคอขวดภายในฮาร์ดแวร์ตัวเดียวกัน และรู้ว่ามันถูกจำกัดโดยแบนด์วิดท์ของ VRAM หรือโดยความสามารถในการคำนวณของตัวประมวลผลกราฟิกเอง

เฟรมตามจูลและสถาปัตยกรรมใหม่

TFLOPS Velocidad GPU
ในปัจจุบัน โปรเซสเซอร์กราฟิกของพีซีทั้งหมดทำงานด้วยความเร็วที่เปลี่ยนแปลงได้ ซึ่งหมายความว่าขึ้นอยู่กับปริมาณงานที่มีอยู่ โปรเซสเซอร์นั้นจะถูกปรับให้สูงขึ้นหรือต่ำลง เราต้องไม่ลืมว่าวิดีโอเกมมีความซับซ้อนทางสายตามากขึ้น ซึ่งหมายความว่าจะมีการประมวลผลข้อมูลเพิ่มขึ้น นั่นคือเหตุผลที่หากเกมค่อนข้างเก่า GPU ของเราจะไม่เหยียบคันเร่งเพื่อแสดงผล หลังจากความถี่มาตรฐานทั้งหมดในเฟรมต่อวินาทีคือ 60 Hz

ดังนั้นเมื่อซื้อกราฟิกการ์ดใหม่ จะดีกว่ามากที่จะเลือกใช้สถาปัตยกรรมที่ใหม่กว่า ไม่เพียงเพราะความจริงที่ว่าเกมใหม่ใช้ประโยชน์จากการตัดมากที่สุด-ขอบ เทคโนโลยีที่รวมอยู่ในนั้น แต่เนื่องจากประสิทธิภาพการใช้พลังงานนั้นเก่ากว่ามาก หากเราต้องแก้ไขความละเอียด การตั้งค่ากราฟิก และอัตราเฟรม เราจะเห็นว่า RX 6000 จาก MMD จะมีประสิทธิภาพมากกว่า RX 5000 ของแบรนด์เดียวกันและแม้แต่ RX Vega และสามารถพูดได้เช่นเดียวกันกับ NVIDIA ที่ GeForce Ampere มีประสิทธิภาพมากกว่าทัวริงและสิ่งเหล่านี้มากกว่าที่มีสถาปัตยกรรม Pascal

แกะแต่ละตัวกับคู่หู GPU แต่ละตัวมีความละเอียด

ภาพ Julio NVIDIA AMD

เฟรมต่อจูลให้ข้อมูลที่ชัดเจนเสมอว่าเหตุใดจึงมี GPU ระดับไฮเอนด์ และอะไรคือสาเหตุที่ทำให้ทั้ง NVIDIA, Intel และ AMD ในตลาดแนะนำการ์ดกราฟิกบางตัวสำหรับความละเอียดบางส่วนและอื่นๆ

จากการสังเกตง่ายๆ เราจะเห็นว่าการ์ดกราฟิกระดับกลางหรือต่ำกว่าจะไม่สามารถย้ายอัตราเฟรมขนาดใหญ่ที่ความละเอียดสูงกว่าที่ตั้งใจไว้ได้ หากเราแยกเฟรมด้วยจูล เราจะเห็นว่าเฟรมเหล่านั้นมีประสิทธิภาพน้อยลงเมื่อเราเพิ่มความละเอียดของเอาต์พุตของเกม เหตุผลก็คือว่ายังคงกินไฟอยู่แต่ จำนวนเฟรมลดลง . ดังนั้น ตัวอย่างเช่น เมื่อสร้างเฟรมเดียวกันที่ 4K RTX 3080 จะมีประสิทธิภาพมากกว่า RTX 3070

เราไม่อาจลืมการใช้เทคโนโลยีขั้นสูงสุดได้ GPU ที่ใหม่กว่ามักจะเพิ่มเข้าไปโดยใช้ตัวเร่งความเร็วประเภทต่างๆ ซึ่งทำหน้าที่นี้โดยมีค่าใช้จ่ายด้านพลังงานที่ต่ำกว่ามาก เมื่อหน่วยขนาดเล็กเหล่านี้ไม่อยู่ในโปรเซสเซอร์กราฟิก ประสิทธิภาพการใช้พลังงานจะลดลงมาก

เปรียบเทียบ GPU ต่างๆ ในเฟรมโดย joule

GPU การใช้พลังงาน เฟรมสำหรับจูล (1080p) เฟรมต่อจูล (1440p) ประสิทธิภาพ (1080p ถึง 1440p) เฟรมสำหรับจูล (2160p) ประสิทธิภาพ (1440p ถึง 2160p)
Radeon VII W 265 0.456 0.347 -24% 0.205 -41%
RX 5500 XT W 127 0.549 0.389 -29% 0.205 - 46%
RX 5600 XT W 155 0.652 0.469 -28% 0.262 - 44%
RX 5700 W 165 0.671 0.491 -27% 0.278 - 43%
RX 5700 XT W 213 0.579 0.423 -27% 0.241 - 43%
RX 6800 XT W 293 0.665 0.553 -ยี่สิบ % 0.300 - 39%
RX 6900 XT W 301 0.669 0.553 -19% 0.338 - 38%
GPU TDP เฟรมสำหรับจูล (1080p) เฟรมต่อจูล (1440p) ประสิทธิภาพ (1080p ถึง 1440p) เฟรมสำหรับจูล (2160p) ประสิทธิภาพ (1440p ถึง 2160p)
GTX 1650 ซุปเปอร์ W 104 0.633 0.439 -31% 0.226 -48%
GTX 1660 W 117 0.630 0.445 -29% 0.244 -สี่. ห้า %
RTX 2060 SUPER W 178 0.618 0.455 -26% 0.248 -44%
RTX 2070 SUPER W 210 0.610 0.455 -25% 0.249 -43%
RTX 2080 SUPER W 178 0.567 0.431 -24% 0.254 -41%
RTX 2080 Ti W 262 0.613 0.478 -22% 0.287 -40%
RTX 3070 220 วัตต์ 0.738 0.575 -22% 0.341 -41%
RTX 3080 W 325 0.586 0.478 -18% 0.303 -37%
RTX 3090 W 356 0.572 0.477 -17% 0.311 -35%

ในตารางสองตารางด้านบน เราจะเห็นวิวัฒนาการของเฟรมโดยจูลในการ์ดกราฟิกรุ่นต่างๆ จากทั้ง NVIDIA และ AMD ซึ่งช่วยให้เราทราบว่าพวกเขามีวิวัฒนาการไปอย่างไรในแง่ของประสิทธิภาพด้านพลังงาน แต่ความละเอียดที่สูงขึ้นส่งผลต่อประสิทธิภาพอย่างไร .

ผลลัพธ์ที่ได้ทำให้เราได้เบาะแสที่เจาะจงมาก และนั่นก็คือแม้จะมีความก้าวหน้าในรูปแบบของสถาปัตยกรรมใหม่ แต่ประสิทธิภาพที่วัดได้ในเฟรมต่อจูลใน GPU แต่ละตัวก็ไม่ได้ทำซ้ำกันตลอดเวลา ซึ่งจะแสดงให้เห็นถึงความจำเป็นในการใช้งาน อัลกอริธึมปัญญาประดิษฐ์เช่น NVIDIA DLSS, Intel XeSS หรือ AMD FSR เพื่อเพิ่มอัตราเฟรมในความละเอียดบางอย่าง แสดงผลภายในที่ต่ำลง และเพิ่มจำนวนเฟรมต่อจูล

ในการสรุป เราไม่ได้รวมประสิทธิภาพการใช้พลังงานของ GPU ของ Intel และ AMD ไว้ด้วย เหตุผลก็คือการเป็นส่วนหนึ่งของชิปตัวเดียวกันกับ CPU และการแชร์ระบบจ่ายไฟนั้นยากกว่ามาก