随着对计算力需求的不断提升，能够运行实时提供丰富视觉内容的强大服务器在过去着实遥不可及，但如今不同了。
NVIDIA发布的最新RTX服务器，可用于Optix RTX渲染、游戏、VR和AR、以及专业可视化应用程序。
如今NVIDIA RTX服务器可通过光线追踪提供更强大的影院级效果，且其电力成本远远低于可以实现相同性能的基于CPU的渲染集群。
其实光线追踪技术已经推出多年，但NVIDIA为何在这两年才提出实时光线追踪？NVIDIA高级解决方案架构师宋毅明给出了答案。
据宋毅明介绍，光线追踪技术需要非常庞大的计算量。1979年，Turner Whitted用了当时几百万的渲染农场渲染了”512×512″的图片，其耗时达1.2小时，可见其所需的计算量是多么庞大。
得益于NVIDIA去年提出的Turing架构，其凸显优势为：
首次加入RT Core，可实现对象和环境的实时光线追踪，并做到物理上精确的阴影、反射和折射以及全局光照；
二是Tensor Core，可加速深度神经网络训练和推理，这对于赋力AI增强型产品和服务至关重要。
支持8K编解码的芯片，可直接利用硬件，再结合CUDA-X解决方案，可以直接在显存中处理视频，无论是做训练还是推理都非常强大。
以宜家家居宣传册中的照片为例，现实中想要达到类似的光影效果非常不易，摄影师通常要等待很长时间，且不能保证达到良好的效果。而通过光线追踪渲染，则可以快速实现完美的光影效率。
宋毅明还表示，相较于CPU渲染速度慢的问题，GPU能够在渲染过程中实时拖动，来观看光线追踪的实时效果。通过原来单颗GPU或者CPU农场的渲染方式，一天只能设计两个镜头。而通过RTX服务器强大的计算力，一天可以完成7个镜头。
在很多场景中，工作流程非常复杂，需要多人配合才能完成工作。包括好莱坞影视制作、建筑设计、广告设计等等，都需要非常强大的集中计算力。
此外，人工智能技术的快速发展，业界对高性能工作站的诉求呼之欲出。为此，NVIDIA与全球领先的OEM厂商和系统制造商合作推出强大的全新工作站，旨在助力数百万数据科学家、分析师和工程师更快速、准确地做出业务预测并提高生产力。
该系统专为数据分析、机器学习和深度学习而设计，提供了极强的计算性能和工具，可应对金融、保险、零售及专业服务等领域中的海量数据准备、处理和分析需求。
NVIDIA 赋力的数据科学工作站基于强大的参考架构搭建，该架构由两颗高端 NVIDIA
Quadro RTX™ GPU 和 NVIDIA CUDA-X AI™加速数据科学软件构成，如 RAPIDS™、
TensorFlow、PyTorch 和 Caffe。CUDA-X AI 是一个资源库合集，让现代化计算应用能够从NVIDIA 的 GPU 加速计算平台中受益。
NVIDIA 创始人兼首席执行官黄仁勋表示：“数据科学是计算机科学发展最快的领域之一，
影响着每个行业的发展。企业都迫切希望能够利用机器学习释放其业务数据的价值，并前
所未有地大量聘用数据科学家，而这些数据科学家正需要专门针对其需求设计的强大工作
站。我们联手合作伙伴推出了 NVIDIA 赋力的数据科学工作站，这些工作站基于全新 Turing Tensor Core GPU 和 CUDA-X AI 加速库，使数据科学家能够开发出有望实现业务变革的预测模型。”
据了解，在不到12个月的时间里， RTX已在全球范围内被广泛应用。全球各大主流3D设计应用程序都已承诺将在年底前支持RTX技术。整个游戏行业都在全力打造这一强大的生态系统，并支持行业标准应用程序编程接口（API）。
全球各大主流OEM都推出了RTX赋力的系统。27款专为创意工作流程而设计的RTX Studio笔记本电脑和移动工作站让用户可以随时随地享受桌面级性能。新一代高性能RTX工作站使数百万设计师、艺术家、研究人员和科学家的工作发生了彻底的变革，使他们能够实时渲染逼真场景，并为其工作流程添加了基于AI的全新功能。
与此同时，为了满足办公场景的使用诉求，NVIDIA提出了VDI和虚拟化的概念，从管理、数据安全的角度出发，将办公的数据程序和应用运营在数据中心里。
通过虚拟化手段，将一个功能非常强、性能非常好的物理服务器，以及用户的工作负载，以虚拟机的形式运行在数据中心的程序上。通过将数据上传到了数据中心利用数据中心这些高级的特性解决了在数据安全，以及可以实现统一的软件部署，统一的企业内部应用和安全策略的下发。这是其中用户在使用计算机方式上的一个革命或者大势所趋的方式。
时至今日，NVIDIA虚拟化解决方案已更新至vGPU 8.0版本。该版本最大的特点，就是对RTX 6000和RTX 8000的Quadro系列GPU的虚拟化。
而在这之前使用vGPU，其底层必须使用Tesla系列的数据中心GPU；其次，支持热迁移；第三，NVIDIA希望一个物理服务器可以支持更多的用户（比如，今天在4K用户需求下，可以将显存是16G的T4 GPU，如果按照每一个vGPU是1G显存的分割方式，我们可以支持16个用户）；第四，Windows10每隔一段时间发布一个升级版本，而vGPU会针对每一个升级的Windows10做相应优化，改善用户的体验。
最后，NVIDIA强调了整个解决方案的生态，因为用户在应用解决方案时需要完整的生态支持。因此，虚拟GPU是依赖于底层虚拟化的环境，而NVIDIA支持了最主流的几乎所有的虚拟化的平台，这也得益于NVIDIA生态或合作办的认证与支持。
采用vGPU解决方案，能够提高生产效率，提高生产利用率，以及提高投资回报，即买一台服务器就能够支持多个用户。当然，也降低了用户的采购成本和运维成本。正如黄仁勋常说的那句：“买的越多省得越多”！
