NVIDIA 发布 RTX 50 系列显卡：支持 FP4，本地跑生图快 2 倍

如果你这几年一直想在本地跑大尺寸图像模型或者剪 4K 多机位视频，大概率被两堵墙撞过：显存不够用，以及显卡风扇吼得像拖拉机。

在 CES 上，NVIDIA CEO 黄仁勋正式掏出了基于 Blackwell 架构的 GeForce RTX 50 系列显卡。首发阵容一共四款：售价 1999 美元的 RTX 5090、999 美元的 RTX 5080、749 美元的 RTX 5070 Ti，以及 549 美元的 RTX 5070。其中 5090 和 5080 将在 1 月 30 日开售，另外两张卡在 2 月跟进。

出乎不少人意料的是，旗舰卡 RTX 5090 的公版（Founders Edition）居然做成了双槽厚度，体积远比当年的 4090 紧凑，甚至能塞进小尺寸机箱（SFF）。它拥有 32GB GDDR7 显存、21760 个 CUDA 核心，带宽达到 1792GB/s。不过代价是功耗直接拉到了 575 瓦，官方建议电源 1000 瓦起步。

本地跑大模型，显存直接打折

对创作者和本地 AI 开发者来说，这次最实在的升级其实不是单纯拉高算力，而是硬件层面对 FP4 低精度量化的支持。

现在很多人跑生图模型很痛苦，因为主流的 FP16 精度极其吃显存。以 Black Forest Labs 的开源模型 FLUX.1 [dev] 为例，在 FP16 下要占掉超过 23GB 显存，基本上只有 4090 或专业卡能跑。在 RTX 50 系列上用 FP4 跑，显存占用直接压到 10GB 以下，5070 级别的卡也能在本地装得下。

速度上差距也很明显。4090 用 FP16 跑 FLUX.1 [dev] 生成一张图要 30 步、耗时 15 秒；而 5090 换用 FP4 只要 5 秒出头。NVIDIA 表示配合自家的 TensorRT Model Optimizer，精度缩减几乎不会损失画质。

为了让 3D 创作者更精准地控图，NVIDIA 还准备在 2 月通过 GitHub 开源一个一键安装的 AI Blueprint，把 FLUX NIM 微服务和 ComfyUI 串起来。你在 Blender 里摆几个简单的 3D 粗模，AI 就能严格照着这个构图生成高精度的最终成片。同时，Stability AI 也会在这个月把 SPAR3D 模型搬上 RTX AI PC，号称只要一张单图，不到一秒就能生成 3D 资产。

视频剪辑和直播，全家桶都在塞 AI

视频后期方面，50 系列显卡终于换上了第九代 NVENC 编码器和第六代解码器，全系支持 4:2:2 专业级颜色格式和用于 VR 的 MV-HEVC 编码。

4:2:2 格式能提供双倍的色彩信息，但以往剪辑时多轨回放非常卡。5090 这次直接塞进了三组编码器和两组解码器，解码 4K 60fps 视频流的性能提升了最高 8 倍，导出视频比 4090 快 60%，比老款 3090 快 4 倍。Adobe Premiere Pro、DaVinci Resolve、剪映海外版 CapCut 和 Filmora 都会从 2 月开始跟进这些新硬件支持。

连直播工具 NVIDIA Broadcast 也塞了两个很吃算力的新测试功能：一个叫 Studio Voice，用算法把普通麦克风的声音修成专业录音室质感；另一个叫 Virtual Key Light，能在画面里给主播的脸重新打光，模拟两盏专业补光灯的效果。由于这两个模型很重，官方目前只推荐 5080 及以上显卡在非游戏直播或会议时开启。

为什么重要

我们认为，RTX 50 系列在商业定位上走得非常精明：它不再只是一张让发烧友跑 4K 游戏的卡，而是把「个人本地 AI 工作站」的门槛狠狠往下砸了一截。

对用户来说，价值最立竿见影的其实是 32GB 显存和 FP4 量化。过去个人创作者想要在本地稳定跑开源大模型或高分辨率生图，二手市场的专业工作站卡是少数选择；现在 5090 给了你 32GB 显存，而只要 549 美元的 5070 也能借着 FP4 跑下以前 4090 才能塞下的模型。如果你是做 3D 渲染、视频调色或重度依赖 ComfyUI 本地出图的创作者，5080 和 5090 非常值得列入换机清单；但如果你平时只用云端 Midjourney 或跑轻量模型，眼下真没必要去抢高功耗的首批溢价卡。

隐患同样写在纸面上：575 瓦的 TGP 功耗实在太夸张了。哪怕公版做成了漂亮的双槽小身材，散热和电源压力也全转嫁到了用户的机箱风道和电费账单上。而且黄仁勋在台上喊出的「5070 跑出 4090 性能」，很大程度依赖的是能插三帧的 DLSS 4 多帧生成技术，纯光栅渲染底子究竟有多大提升，还是得看发售后的实际拆解。但无论如何，把 FP4 推向消费级桌面，看起来会逼着一众开源社区和同行加快模型量化生态的迁移。