2018年，英偉達CEO黃仁勳先生帶著革命性的RTX20系列顯卡款款上臺，正式宣佈遊戲硬件進入AI時代，自此，不到2000的RTX2060也能在DLSS黑科技的加持下，以更低的成本、更高的幀數、更清晰的畫質和更誘人的功耗全面擊潰友商的傳統架構產品。
說到這裡，就不得不提到N卡戰未來的核心技術DLSS，這是一種基於AI技術的全局渲染技術，依靠Tensor Core進行復雜的整數運算，而很多人不知道的是，從Volta到Ampere，Tensor Core經歷了三代變化。
Tensor Core和我買什麼顯卡有關係？都有DLSS，為什麼我不選更便宜的20系顯卡呢？
雖然我們眼前看得老黃RTX顯卡中都有Tensor Core，但是RTX20系和RTX30系存在一些差別，老黃呢也不算是專業人士，儘可能以淺顯的方式給大家傳遞“為什麼我們要選擇RTX30”這個理由。
第一代Tensor Core：無中生有
第一代Tensor Core被用於Volta架構，也就是大家熟悉的土豪金泰坦：TitanV，該卡曾貴上6萬，算力在2018年那個時代也高達6.9T，是深度學習和高端虛擬貨幣工人的掌中寶。第一代Tensor Core僅支持8x8x4矩陣計算，模式較為單一。
第二代Tensor Core：小修小補
第二代Tensor Core被用於大名鼎鼎的Turing架構，在8x8x4基礎上增加並被優先使用16x8x8，同時支持INT8/INT4/INT1以及8x8x16/8x8x32/8x8x128多種計算模式，可以讓TC有多樣向量選擇。
第三代Tensor Core：精度革命
第三代Tensor Core又新增了一堆算法支持，包括這兩年非常流行的bf16、tf32和fp64。bf16和fp16一樣也是16bits指數長度但是小數位更短，意味著精度更低。
更低的精度意味著什麼？你可以嘗試一下將三個小數位後1位的數值與小數位後2位數的數值，進行簡單計算，然後從一張紙上把計算結果謄寫到另一張紙上。是不是發現小數位後2位數的計算不僅會多花時間動腦子，而且謄寫也要花更多的時間，耗更多的紙？
沒錯，更低的精度意味著Tensor Core在工作時求交速度更快佔用更低……說人話：即便在在相同規模、相同環境和相同遊戲下，
採用第三代Tensor Core的GPU在開啟DLSS時，效率較第二代DLSS更高，FPS提升幅度更大。
老黃獨創的tf32也是同理，可以視作一個”精(yan)簡(ge)版“fp32，指數位與fp32相同，分數位僅相當於FP16。如果Tensor Core收到了請求，那麼這串數據將按照tf32進行減精度計算；如果沒有收到請求，那麼依然按照fp32進行處理，按傳統IEEE標準輸出。很明顯，ft32的創新將為DLSS這類基於深度學習的應用帶來更高的效率。一句話：如果20系開啟DLSS2.0後幀數僅僅只能提升100%不到，那麼比你更第一階的30系顯卡提升120%甚至更高，擊敗上一級20系顯卡。
這就是為什麼老黃建議各位儘可能上RTX30而非RTX20的原因。老黃刀法，名不虛傳！
今天先給大家分享關於RTX30系列顯卡---第三代Tensor Core給玩家和遊戲帶來怎麼樣的改變，第一部分。之後，我會給大家聊聊，Tensor Core是如何從計算層面影響到大家遊戲的視覺體驗的。
