英伟达RT Core 与 Tensor Core 技术对比

英伟达的RT Core 与 Tensor Core 是推动图形处理和计算能力飞跃的两大关键力量。这两项技术虽有着不同的设计初衷和功能特性，但却共同为游戏、专业可视化以及人工智能等领域带来了巨大变革。

一、技术原理有差异

RT Core 是专为光线追踪量身定制的硬件单元，其核心工作围绕光线追踪中最耗时的光线与物体交集测试及阴影计算展开。通过对 BVH（Bounding Volume Hierarchy）算法的硬件加速，RT Core 能够快速遍历场景几何体的层次结构，高效地确定光线与物体的交点。在实际运行中，当光线进入场景，RT Core 迅速判断光线是否与物体相交，若相交则进一步执行精确的射线 - 三角形求交测试，从而实现直接光照、反射、折射和全局光照等复杂效果的实时渲染。

Tensor Core 则专注于加速人工智能和深度学习任务，其技术原理基于高度优化的矩阵乘法和累加运算（MMA）。在深度学习中，大量的矩阵运算构成了神经网络训练和推理的基础，如卷积神经网络（CNN）中卷积层的计算可转换为矩阵乘法问题。Tensor Core 支持混合精度计算，输入和输出数据可采用较低精度（如 FP16），中间计算使用较高精度（如 FP32），在保证数值稳定性和准确性的同时，大幅提升计算效率和吞吐量。并且，其专用电路能在一个时钟周期内执行多个乘积累加（MAC）操作，实现大规模矩阵运算的高速处理。

二、