Ключевая речь Дженсена была принята хорошо, но карты GeForce RTX на базе GPU Turing - нет. "Мы запустили трассировку лучей и DLSS с грохотом, - сказал Джефф Фишер. Проблема заключалась в том, что GeForce RTX обеспечивали незначительный прирост частоты кадров по сравнению с картами предыдущего поколения Pascal. А когда геймеры включали трассировку лучей, которая, как предполагалось на сайте , должна была стать главной новой функцией, карты RTX падали на 25 процентов в частоте кадров".
DLSS показал себя несколько лучше. При включении она позволяла картам работать примерно на 40 % быстрее, чем Pascal, но с заметной потерей качества изображения. Nvidia также пришлось настраивать и обучать искусственный интеллект DLSS на видеозаписях каждой игры, с которой должна была работать технология, что было кропотливым и длительным процессом. Тем не менее, к этому моменту Nvidia поняла ценность разработки и итерации технологии в течение долгого времени и ожидания, пока рыночный спрос не догонит ее. "Вы решаете проблему курицы и яйца с помощью бутстрапинга", - говорит Брайан Катанзаро. Невозможно получить потрясающий ИИ в сотнях миллионов семей, не создав его сначала". И трассировка лучей, и ИИ должны были навсегда изменить игры. Мы знали, что это неизбежно".
Катанзаро присоединился к проекту DLSS после запуска Turing в 2018 году. Он работал над DLSS 2.0, которая была представлена в марте 2020 года и не нуждалась в настройке для каждой игры. Она получила гораздо лучшие отзывы. "Мы переосмыслили проблему и добились лучших результатов, не требуя индивидуальных обучающих данных из каждой игры", - говорит Катанзаро.
Следующая итерация была еще лучше. Катанзаро покинул Nvidia ради короткой работы в китайской поисковой и технологической компании Baidu, но вернулся к работе над тем, что стало DLSS 3.0. Цель заключалась в использовании глубокого обучения для создания промежуточных кадров, генерируемых искусственным интеллектом, между рендерными кадрами в играх. Идея заключалась в том, что в каждом последующем кадре видеоигры есть закономерности и взаимосвязи, и если чип ИИ сможет предсказать эти закономерности и взаимосвязи, он сможет снять часть вычислительной нагрузки по рендерингу с GPU.
По словам Катанзаро, на создание достаточно точной модели искусственного интеллекта для функции генерации кадров ушло шесть лет. "Пока мы работали над ней, мы видели постоянное улучшение качества результатов, поэтому мы продолжали работать", - сказал он. "У большинства ученых нет возможности работать над одним проектом в течение шести лет, потому что им нужно закончить университет".
Разработка DLSS и трассировки лучей в реальном времени показывает, как Nvidia стала подходить к инновациям. Если раньше она выпускала новые чипы и платы по очень быстрому графику, то теперь, совместно с Nvidia Research и другими группами, она одновременно занималась "лунными разработками". "Когда мы добрались до нового поколения Ampere, у нас было достаточно импульсов для трассировки лучей и DLSS, чтобы сделать этот продукт домашним", - говорит Джефф Фишер.
Это была еще одна, институционализированная форма защиты от застоя, о котором предупреждал Клейтон Кристенсен в книге "Дилемма инноватора": неизбежное желание сосредоточиться на основном бизнесе компании, приносящем прибыль, в ущерб инвестициям в более исследовательские инновации, которые могут оказаться коммерчески нежизнеспособными в течение многих лет.
По данным Jon Peddie Research, доля Nvidia на рынке дискретных или встроенных в плату графических процессоров в течение последнего десятилетия оставалась примерно на уровне 80 %. Несмотря на то, что AMD предлагает лучшее соотношение цены и производительности по традиционным показателям, геймеры продолжают выбирать Nvidia за ее способность к инновациям. Трассировка лучей и DLSS стали обязательными функциями, которые разработчики включили в сотни игр. И эти функции лучше всего работают на видеокартах Nvidia, что затрудняет эффективную конкуренцию для AMD.
В случае с трассировкой лучей путь от зарождения до интеграции в GPU занял десятилетие. Аналогично, создание последовательных итераций DLSS, таких как генерация кадров, заняло шесть лет. "Это требует видения и долгосрочного упорства. Это требует инвестиций даже тогда, когда результаты не совсем ясны", - говорит Катанзаро.
В конечном итоге Nvidia Research показала, как менялось стратегическое видение Дженсена с течением времени. В начале, когда компания находилась в режиме выживания, он хотел, чтобы все сосредоточились на конкретных проектах: создании следующего поколения чипов со "скоростью света", продаже "целой коровы" и победе над конкурентами за счет простого исполнения. Когда Nvidia стала больше, Дженсен понял, что выживание теперь означает защиту компании от будущего во всех возможных аспектах. Непрерывные инновации требовали более гибкого подхода к деятельности Nvidia, даже если это означало необходимость делать некоторые ставки, которые более молодой Дженсен, возможно, отверг бы.