Инфраструктура

Почему RTX™ 4090 — один из лучших вариантов в 2025 С выходом GeForce® RTX™ 50 серии от NVIDIA, казалось бы, интерес к предыдущим поколениям должен был пойти на спад. Однако на практике все выглядит чуть иначе: как часто бывает, новое поколение подчеркнуло сильные стороны старого. Несомненно, карты нового поколения более производительны, но нужно время на «нормализацию» их стоимости. В то же время цена RTX™ 4090 постепенно снижается с выходом 50 серии, что делает карту одним из лучших вариантов по соотношению цена/производительность. RTX™ 4090 — по-прежнему одна из самых мощных пользовательских видеокарт. В ряде прикладных задач (в том числе в ML, 3D и вычислениях) ее производительность близка к флагманам 50-й серии, особенно если сравнивать не в «теоретических» FLOPS, а в рабочих сценариях. Да, Blackwell обещает прирост, но часто он ограничен 10–20%, а в некоторых задачах разница сводится к нюансам. Пока новые модели осваивают рынок, 4090 предлагает проверенную производительность, стабильные драйверы и оптимизированную работу с ПО. А снижение цен делают ее еще более привлекательной для многих задач. Что это за карта и при чем здесь первый программист GeForce® RTX™ 4090 — пользовательская видеокарта компании NVIDIA на базе микроархитектуры Ada Lovelace. Это преемница архитектуры Ampere, представленной в RTX™ 30-й серии. Видеокарту выпустили осенью 2022 года как флагман в линейке GeForce® 40. В основе 4090 — техпроцесс TSMC 4N (5 нм), который заметно эффективнее 8-нм решений Samsung и TSMC N7, которые использовали в Ampere. Это позволило увеличить плотность транзисторов и снизить энергопотребление при сохранении высокой тактовой частоты. RTX™ 4090 демонстрирует прирост производительности до двух раз по сравнению с топовыми картами предыдущего поколения в задачах рендеринга, 3D-моделирования и работы с ИИ. Основные особенности карты Tensor-ядра четвертого поколения с поддержкой DLSS 3. Ядра трассировки лучей третьего поколения. Новые потоковые мультипроцессоры. 24 ГБ видеопамяти GDDR6X с пропускной способностью до 1008 ГБ/с. Где и кому пригодится RTX™ 4090 Профессиональные графические задачи. Благодаря 16 384 ядрам CUDA и высокой пропускной способности памяти, RTX™ 4090 справляется с рендерингом тяжелых 3D-сцен в Autodesk 3ds Max, Maya, Blender и других графических пакетах. Также карта подходит для трассировки лучей в реальном времени, симуляций и анимации. Работа с видео и постпродакшн. Рендеринг в 4K и 8K, сложная цветокоррекция, работа с эффектами и encoding в реальном времени — с 4090 все это можно выполнить быстрее и стабильнее, чем на большинстве карт из пользовательского сегмента. Исследования искусственного интеллекта и машинного обучения. На борту видеокарты 512 тензорных ядер и 24 ГБ памяти, так что она подходит для запуска diffusion-моделей — например, Stable Diffusion, работы с LLM и даже начального обучения моделей. В ряде сценариев она может заменить и базовые профессиональные/серверные решения вроде A5000. Научные и инженерные вычисления. Карту применяют в высокопроизводительных вычислениях — от биоинформатики до финансовых симуляций и моделирования физических процессов — например, прогноза климата. Вкратце рассмотрим целевую аудиторию видеокарты. 3D-художники, аниматоры, визуализаторы — для рендеринга, симуляций и генерации сложных сцен. ML/AI-разработчики — для разработки и инференса моделей. Стримеры и контент-мейкеры — для монтажа, трансляции и обработки видео в 4K- и 8K-разрешении. Геймеры — карта продолжает справляться с требовательными играми и демонстрирует хорошие результаты в игровых бенчмарках (если вы, конечно, не планируете окунуться в 8K-гейминг). Производительность 4090 Синтетические тесты GeekBench Compute 4090 показывает мощную вычислительную производительность в задачах с OpenCL и CUDA. Сравним с показателями карты предыдущего поколения: УстройствоAPICompute ScoreGeForce® RTX™ 4090OpenCL351937GeForce® RTX™ 3090OpenCL216871GeForce® RTX™ 4090CUDA418033GeForce® RTX™ 3090CUDA235858 AI-benchmark Итоги тестов RTX™ 4090 и RTX™ 3090 по инференсу и задачам обучения нейросетей: ТестRTX™ 4090RTX™ 3090Inference Score22 67719 302Training Score30 40720 215Общий AI Score53 08439 517 RTX™ 4090 заметно опережает 3090, особенно в задачах обучения: прирост около 50% по training score. Это делает карту привлекательной для более широкого круга AI-задач — от генеративных моделей до начального обучения. Производительность в реальных задачах ffmpeg benchmark В тесте с h264_nvenc RTX™ 4090 показала скорость ~192 кадров/с при кодировании 4K-видео длительностью 10 минут 35 секунд. Итоговое время — 1 минута 34 секунды. Это демонстрирует высокую практическую отдачу в рабочих сценариях — особенно при стриминге или пакетной обработке видео. 24 часа челлендж. Тест в GPU Burn Карта прошла 24-часовой стресс-тест без ошибок и троттлинга. Вкратце рассмотрим температурный режим. Температура в простое — около 26 °C. При нагрузке на GPU (с результативным охлаждением) — до 74 °C. В 1U-платформе при полной загрузке CPU+GPU — до 90 °C с редкими кратковременными троттлинг-эпизодами (10–20 секунд). Если нагружен только GPU, температура в 1U-платформе не превышает 84 °C. Работа при нагрузке CPU+GPU в серверной платформе 1U. Работа при нагрузке только GPU в 1U-платформе. Игровая производительность (4K) Даже в современных ААА-тайтлах RTX™ 4090 обеспечивает стабильный геймплей с высоким FPS — зачастую в разы выше, чем у карт предыдущих поколений. Среднее значение FPS для подборки игр — от Counter-Strike 2 до Black Myth Wukong. Источник. ML/AI-тесты Сравним результаты RTX™ 4090 с RTX™ 2080 Ti. Несмотря на близкие показатели в генерации токенов, преимущество карты 40 серии в image-based задачах заметно выше. ТестRTX™ 4090RTX™ 2080 TiГенерация в Stable Diffusion изображений 512x512 за 50 проходов, в минуту75,1329,31Генерация текста (GPT), LLaMa-13b 4bit, токенов в секунду25,8224,58 Живой кейс: рендеринг анимаций на удаленном сервере Рассмотрим живой кейс рендеринга многомерных фигур — с реальной нагрузкой на RTX™ 4090, трассировкой лучей и финальной сборкой видео на облачном сервере. В нем рассчитываются пересечения N-мерных объектов с трехмерным пространством, визуализируемые во фрагментном шейдере. Изображение выводится через WebGL в Canvas, а приложение запускается в оболочке Electron.js — это позволяет работать как локально, так и на Windows-сервере без изменения кода. Почему Electron? Он позволяет запускать WebGL-приложение как на локальной машине, так и на сервере с Windows. В headless-браузерах бывают проблемы с графикой, а в Electron — значительно меньше ограничений. Плюс можно заранее просматривать упрощенные версии анимаций локально, а финальный рендер запускать на сервере. Пример рендера: трехмерное сечение шестимерного аналога тора (бублика) с трассировкой лучей. Почему RTX™ 4090 Для рендеринга детализированных анимаций важна высокая производительность видеокарты в стандартном 32-битном формате FP32. При этом в отличие от ML-задач, объем VRAM не критичен. RTX™ 4090 — оптимальное сочетание производительности и стоимости. Старшие карты предыдущих поколений уступают ей в трассировке лучей и стабильности под полной нагрузкой. Соберем конфигурацию с RTX™ 4090 в панели управления. 1. В разделе Продукты перейдем во вкладку Облачные серверы и нажмем Создать сервер. 2. На странице конфигурирования сервера выберем источник — Windows с настройками для работы с GPU (GPU optimized). 3. В поле Конфигурация выберем Фиксированная и найдем подходящую GPU. Для поиска подходящего сегмента пула, в котором есть нужная карта, воспользуемся функцией Модели GPU по регионам. Ниже для примера выбрали 4090 — видим, что она доступна в пуле ru-7b. 4. Для поиска подходящей карты можно воспользоваться фильтрами — например, ML Inference, HPC, или, как в нашем случае, 3D Render. Остальные параметры — под задачи проекта. Пока оставим значения по умолчанию, ознакомимся с ценой в соответствующем поле и нажмем Создать сервер. 5. Переходим во вкладку Серверы и проверяем, что новый сервер перешел в состояние ACTIVE. Можем приступать к работе.6. Для корректного функционирования Electron достаточно установить Node.js. Так как используем сервер с Windows, переходим на официальный сайт Node.js и скачиваем платформу оттуда, а свое приложение переносим в виде исполняемого файла. Сохранение кадров На WebGL и рендеринге останавливаться не будем. Однако важно отметить, что графика в WebGL отображается через Canvas, откуда можно сохранять изображения через Node.js. Вот простой пример функции: Но как получить результаты? Первый и самый простой способ перенести полученные анимации — скопировать все картинки из нужной папки на сервере. Однако изображения для десятисекундной анимации занимают в среднем 1 ГБ, а объем данных растет слишком быстро. Также можно упаковывать их в архивы или использовать формат JPG вместо PNG (при небольшой потере качества). Но есть способ эффективнее — передавать изображения напрямую в видеопоток с помощью FFmpeg. Сборка видео на лету через FFmpeg Установим FFmpeg — набор библиотек для работы с видео. Часто FFmpeg применяют для склейки сохраненных изображений в видео, но мы пойдем дальше: передадим кадры из программы напрямую, без записи на диск. Перед рендером создадим дочерний процесс FFmpeg, чтобы начать сборку видео по кадрам: Вместо функции saveImage() используем функцию отправки кадра напрямую в видео: В конце останавливаем FFmpeg: Интеграция FFmpeg из Node.js позволяет не только автоматизировать сборку кадров в видео, но и сильно уменьшить объем передаваемых данных. Готовые видеофайлы даже в высоком качестве занимают примерно в 100 раз меньше места, чем набор изображений. Заключение Связка Electron + WebGL + FFmpeg позволяет перенести GPU-рендеринг на облачный сервер без изменений в коде, но с выигрышем в скорости и качестве. RTX™ 4090 обеспечивает стабильную работу при полной нагрузке, отличную производительность в трассировке лучей и высокую кадровую частоту даже при детализированных сценах. Прямая передача кадров из Canvas в видеопоток FFmpeg устраняет узкие места хранения и передачи данных. Это делает пайплайн гибким, масштабируемым и удобным для автоматизации.RTX™ 4090 — надежный инструмент для визуализации, симуляций, анимации и ML-задач. В Selectel доступны готовые серверы с 4090 и многими другими картами — для быстрого старта и масштабных проектов.

Инфраструктура

Красный vs Зеленый: есть ли у AMD шансы в AI/ML/DL? Часть 2

Новые RISC-V процессоры и GPU: дайджест железа за апрель

NAT — как наследие старого интернета мешает будущему

Зашифруй или проиграешь: реальные истории провалов из-за слабой криптографии

Красный vs Зеленый: есть ли у AMD шансы в AI/ML/DL? Часть 1

Легко ли войти в IT через курсы по ручному тестированию

Как не переплатить за автоматизацию? Разбираем, когда стоит подключать ML

Версионирование объектов в S3: пример работы с версиями Python

Как избавиться от проблем с 1С? Знакомство с готовым облаком от Selectel

Этапы построения системы защиты информации

Как настраивать сети: готовые решения Selectel для максимальной отказоустойчивости

Сокращатели ссылок — фишинговая ловушка: как раскрыть опасный URL до перехода