기본 콘텐츠로 건너뛰기

엔비디아 RTX 3000 시리즈 공개 - 게이밍용 암페어

 











(출처: 엔비디아) 



 엔비디아가 암페어 기반 차세대 그래픽 카드인 RTX 3090/3080/3070을 공개했습니다. 예상할 수 있듯이 더 많은 쿠다 코어를 넣어 게이밍 성능을 높이고 엔비디아가 강조한 RT 코어와 텐서 코어를 더 넣어 인공지능 및 레이 트레이싱 관련 성능을 더 높였으나 예상했던 것보다 더 에너지 소모가 늘어난 점은 부담입니다. 아마도 비용 문제 때문에 TSMC 7nm 대신 삼성 8N 공정을 사용한 것으로 보이는데, 이것도 발열 증가 이유 중 하나일 것 같습니다. 삼성 8N 공정은 10nm 공정의 개선판이라 삼성 7nm 공정 대비 발열이 좀 많을 수밖에 없습니다. 




 

RTX 3090

RTX 3080

RTX 3070

RTX 2080 Ti

CUDA Cores

10496

8704

5888

4352

Boost Clock

1.7GHz

1.71GHz

1.73GHz

1545MHz

Memory Clock

19.5Gbps GDDR6X

19Gbps GDDR6X

16Gbps GDDR6

14Gbps GDDR6

Memory Bus Width

384-bit

320-bit

256-bit

352-bit

VRAM

24GB

10GB

8GB

11GB

Single Precision Perf.

35.7 TFLOPs

29.8 TFLOPs

20.4 TFLOPs

13.4 TFLOPs

Tensor Perf. (FP16)

285 TFLOPs

238 TFLOPs

163 TFLOPs

114 TFLOPs

Ray Perf.

69 TFLOPs

58 TFLOPs

40 TFLOPs

?

TDP

350W

320W

220W

250W

GPU

GA102?

GA102?

GA104?

TU102

Transistor Count

28B

28B

?

18.6B

Architecture

Ampere

Ampere

Ampere

Turing

Manufacturing Process

Samsung 8nm

Samsung 8nm

Samsung 8nm

TSMC 12nm "FFN"

Launch Date

09/24/2020

09/17/2020

10/2020

09/20/2018

Launch Price

MSRP: $1499

MSRP: $699

MSRP: $499

MSRP: $999
Founders $1199

(스펙 비교) 



 RTX 3000 시리즈에 사용된 암페어 GA102 GPU는 트랜지스터 집적도가 280억 개에 달하며 다이 사이즈는 627㎟로 알려져 있습니다. 보다 자세한 내용은 리뷰와 함께 등장할 것으로 보입니다. 일단 공개된 수치에 따르면 풀칩일 가능성이 높은 RTX 3090은 10496개의 쿠다 코어를 지녀 RTX 2080 Ti의 두 배에 달합니다. 트랜지스터 숫자가 두 배가 아닌데 (186억 vs 280억) 코어 숫자가 두 배인 것은 코어 한 개당 크기는 작아졌음을 시사합니다. 이 부분에 대해서는 리뷰와 함께 디테일한 정보가 나올 것으로 보입니다. 



 아무튼 RTX 3090은 엄청난 스펙과 함께 35.7 TFLOPs 단정밀도 연산 능력을 자랑합니다. 이는 RTX 2080 Ti의 13.4 TFLOPs의 두 배가 넘는 숫자입니다. 텐서 연산 (FP16) 능력도 285 TFLOPs에 달해 고성능 AI 가속기로 사용하기에 부족함이 없습니다. 엔비디아는 새로운 쉐이더 (쿠다 코어)를 통해 연산 능력은 2.7배, 레이트레이싱 처리 능력은 1.7배, 텐서 연산 능력은 2.7배 높였다고 설명했습니다. 그리고 이를 위해 19.5Gbps의 대역폭을 지닌 GDDR6X 24GB를 탑재했습니다. (총 대역폭 936GB/s) 



 

 다만 그 점을 감안해도 1499달러의 가격은 좀 과한 것이 아닌가 하는 생각입니다. 바로 아래 모델인 GTX 3080이 699달러라면 999달러 정도가 적당하지 않을까 생각합니다. 반면 컷칩이 아니라 GA104 GPU를 사용한 것으로 보이는 RTX 3070은 RTX 2080 Ti보다 더 우수한 스펙에 499달러의 가격표를 들고 나와 하이엔드 그래픽 카드 시장에서 크게 환영받을 것으로 생각합니다. 과거에는 일부 고급형에 해당하는 가격인데, 이제는 그래픽 카드가 비싸지면서 상대적으로 합리적인 가격이 된 것 같습니다. 참고로 한 프리뷰에서는 RTX 3080이 RTX 2080 대비 4K 게임 성능에서 70-80% 향상이 있었습니다. 가격 대비로 3080/3070은 차세대 그래픽 카드로 나쁘지 않은 것 같습니다. 



(동영상) 



 한 가지 더 흥미로운 부분은 RTX 3000 시리즈가 PCIe 4.0을 지원한다는 것입니다. 사실 현재 나와 있는 대부분의 그래픽 카드가 PCIe 3.0 x16의 대역폭이면 충분하긴 하지만, 혹시 RTX 3090에서는 차이가 날 수 있을지 궁금합니다. 만약 차이가 난다면 AMD와 인텔 유저 간에 희비가 엇갈릴 것입니다. 사실 게임에서 CPU 차이는 적은 편이고 주로 GPU에서 차이가 나는 데, PCIe 3.0으로 대역폭이 충분하지 않은 경우 인텔 유저는 손해 볼 수밖에 없기 때문입니다. 과연 어떨지 궁금합니다. 참고로 암페어는 CPU 사용량을 줄일 수 있는 RTX IO라는 새로운 기술을 지원하기 때문에 PCIe 대역폭 병목 문제를 줄일 수도 있습니다. 



 한 가지 우려되는 부분은 발열입니다. 새로 개발한 쿨러와 대용량 전원 커넥터를 볼 때 이미 불길한 예상이 들긴 했지만, 340/320W TDP는 좀 과하단 생각입니다. 상당히 좋은 쿨링 시스템과 고성능 파워 서플라이 없이는 사용하기 힘든 카드가 될 것 같습니다. 



 참고 



https://www.anandtech.com/show/16057/nvidia-announces-the-geforce-rtx-30-series-ampere-for-gaming-starting-with-rtx-3080-rtx-3090



https://www.techpowerup.com/gpu-specs/nvidia-ga102.g930



https://www.tomshardware.com/news/nvidia-geforce-rtx-3090-ga102-everything-we-know
라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다. 잘 쓰지도 않을 방법을 열심히 공부하는 것은 아무래도 효율
댓글 4개
자세한 내용 보기

150년 만에 다시 울린 희귀 곤충의 울음 소리

  ( The katydid Prophalangopsis obscura has been lost since it was first collected, with new evidence suggesting cold areas of Northern India and Tibet may be the species' habitat. Credit: Charlie Woodrow, licensed under CC BY 4.0 ) ( The Museum's specimen of P. obscura is the only confirmed member of the species in existence. Image . Credit: The Trustees of the Natural History Museum, London )  과학자들이 1869년 처음 보고된 후 지금까지 소식이 끊긴 오래 전 희귀 곤충의 울음 소리를 재현하는데 성공했습니다. 프로팔랑곱시스 옵스큐라 ( Prophalangopsis obscura)는 이상한 이름만큼이나 이상한 곤충으로 매우 희귀한 메뚜기목 곤충입니다. 친척인 여치나 메뚜기와는 오래전 갈라진 독자 그룹으로 매우 큰 날개를 지니고 있으며 인도와 티벳의 고산 지대에 사는 것으로 보입니다.   유일한 표본은 수컷 성체로 2005년에 암컷으로 생각되는 2마리가 추가로 발견되긴 했으나 정확히 같은 종인지는 다소 미지수인 상태입니다. 현재까지 확실한 표본은 수컷 성체 한 마리가 전부인 미스터리 곤충인 셈입니다.   하지만 과학자들은 그 형태를 볼 때 이들 역시 울음 소리를 통해 짝짓기에서 암컷을 유인했을 것으로 보고 있습니다. 그런데 높은 고산 지대에서 먼 거리를 이동하는 곤충이기 때문에 낮은 피치의 울음 소리를 냈을 것으로 보입니다. 문제는 이런 소리는 암컷 만이 아니라 박쥐도 잘 듣는다는 것입니다. 사실 이들은 중생대 쥐라기 부터 존재했던 그룹으로 당시에는 박쥐가 없어 이런 방식이 잘 통했을 것입니다. 하지만 신생대에 박쥐가 등장하면서 플로팔랑곱
댓글 쓰기
자세한 내용 보기

9000년 전 소녀의 모습을 복원하다.

( The final reconstruction. Credit: Oscar Nilsson )  그리스 아테나 대학과 스웨덴 연구자들이 1993년 발견된 선사 시대 소녀의 모습을 마치 살아있는 것처럼 복원하는데 성공했습니다. 이 유골은 그리스의 테살리아 지역의 테오페트라 동굴 ( Theopetra Cave )에서 발견된 것으로 연대는 9000년 전으로 추정됩니다. 유골의 주인공은 15-18세 사이의 소녀로 정확한 사인은 알 수 없으나 괴혈병, 빈혈, 관절 질환을 앓고 있었던 것으로 확인되었습니다.   이 소녀가 살았던 시기는 유럽 지역에서 수렵 채집인이 초기 농경으로 이전하는 시기였습니다. 다른 시기와 마찬가지로 이 시기의 사람들도 젊은 시절에 다양한 질환에 시달렸을 것이며 평균 수명 역시 매우 짧았을 것입니다. 비록 젊은 나이에 죽기는 했지만, 당시에는 이런 경우가 드물지 않았을 것이라는 이야기죠.   아무튼 문명의 새벽에 해당하는 시점에 살았기 때문에 이 소녀는 Dawn (그리스어로는  Avgi)라고 이름지어졌다고 합니다. 연구팀은 유골에 대한 상세한 스캔과 3D 프린팅 기술을 적용해서 살아있을 당시의 모습을 매우 현실적으로 복원했습니다. 그리고 그 결과 나타난 모습은.... 당시의 거친 환경을 보여주는 듯 합니다. 긴 턱은 당시를 살았던 사람이 대부분 그랬듯이 질긴 먹이를 오래 씹기 위한 것으로 보입니다.   강하고 억센 10대 소녀(?)의 모습은 당시 살아남기 위해서는 강해야 했다는 점을 말해주는 듯 합니다. 이렇게 억세보이는 주인공이라도 당시에는 전염병이나 혹은 기아에서 자유롭지는 못했기 때문에 결국 평균 수명은 길지 못했겠죠. 외모 만으로 평가해서는 안되겠지만, 당시의 거친 시대상을 보여주는 듯 해 흥미롭습니다.   참고  https://phys.org/news/2018-01-teenage-girl-years-reconstructed.html
댓글 쓰기
자세한 내용 보기