NVIDIA 釋出 RTX 50 系列顯示卡：支援 FP4，本地跑生圖快 2 倍

如果你這幾年一直想在本地跑大尺寸影像模型或者剪 4K 多機位影片，大機率被兩堵牆撞過：視訊記憶體不夠用，以及顯示卡風扇吼得像拖拉機。

在 CES 上，NVIDIA CEO 黃仁勳正式掏出了基於 Blackwell 架構的 GeForce RTX 50 系列顯示卡。首發陣容一共四款：售價 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 將在 1 月 30 日開售，另外兩張卡在 2 月跟進。

出乎不少人意料的是，旗艦卡 RTX 5090 的公版（Founders Edition）居然做成了雙槽厚度，體積遠比當年的 4090 緊湊，甚至能塞進小尺寸機箱（SFF）。它擁有 32GB GDDR7 視訊記憶體、21760 個 CUDA 核心，頻寬達到 1792GB/s。不過代價是功耗直接拉到了 575 瓦，官方建議電源 1000 瓦起步。

本地跑大模型，視訊記憶體直接打折

對創作者和本地 AI 開發者來說，這次最實在的升級其實不是單純拉高算力，而是硬體層面對 FP4 低精度量化的支援。

現在很多人跑生圖模型很痛苦，因為主流的 FP16 精度極其吃視訊記憶體。以 Black Forest Labs 的開源模型 FLUX.1 [dev] 為例，在 FP16 下要佔掉超過 23GB 視訊記憶體，基本上只有 4090 或專業卡能跑。在 RTX 50 系列上用 FP4 跑，視訊記憶體佔用直接壓到 10GB 以下，5070 級別的卡也能在本地裝得下。

速度上差距也很明顯。4090 用 FP16 跑 FLUX.1 [dev] 生成一張圖要 30 步、耗時 15 秒；而 5090 換用 FP4 只要 5 秒出頭。NVIDIA 表示配合自家的 TensorRT Model Optimizer，精度縮減幾乎不會損失畫質。

為了讓 3D 創作者更精準地控圖，NVIDIA 還準備在 2 月通過 GitHub 開源一個一鍵安裝的 AI Blueprint，把 FLUX NIM 微服務和 ComfyUI 串起來。你在 Blender 裡擺幾個簡單的 3D 粗模，AI 就能嚴格照著這個構圖生成高精度的最終成片。同時，Stability AI 也會在這個月把 SPAR3D 模型搬上 RTX AI PC，號稱只要一張單圖，不到一秒就能生成 3D 資產。

影片剪輯和直播，全家桶都在塞 AI

影片後期方面，50 系列顯示卡終於換上了第九代 NVENC 編碼器和第六代解碼器，全系支援 4:2:2 專業級顏色格式和用於 VR 的 MV-HEVC 編碼。

4:2:2 格式能提供雙倍的色彩資訊，但以往剪輯時多軌回放非常卡。5090 這次直接塞進了三組編碼器和兩組解碼器，解碼 4K 60fps 影片流的效能提升了最高 8 倍，匯出影片比 4090 快 60%，比老款 3090 快 4 倍。Adobe Premiere Pro、DaVinci Resolve、剪映海外版 CapCut 和 Filmora 都會從 2 月開始跟進這些新硬體支援。

連直播工具 NVIDIA Broadcast 也塞了兩個很吃算力的新測試功能：一個叫 Studio Voice，用演算法把普通麥克風的聲音修成專業錄音室質感；另一個叫 Virtual Key Light，能在畫面裡給主播的臉重新打光，模擬兩盞專業補光燈的效果。由於這兩個模型很重，官方目前只推薦 5080 及以上顯示卡在非遊戲直播或會議時開啟。

為什麼重要

我們認為，RTX 50 系列在商業定位上走得非常精明：它不再只是一張讓發燒友跑 4K 遊戲的卡，而是把「個人本地 AI 工作站」的門檻狠狠往下砸了一截。

對使用者來說，價值最立竿見影的其實是 32GB 視訊記憶體和 FP4 量化。過去個人創作者想要在本地穩定跑開源大模型或高解析度生圖，二手市場的專業工作站卡是少數選擇；現在 5090 給了你 32GB 視訊記憶體，而只要 549 美元的 5070 也能借著 FP4 跑下以前 4090 才能塞下的模型。如果你是做 3D 渲染、影片調色或重度依賴 ComfyUI 本地出圖的創作者，5080 和 5090 非常值得列入換機清單；但如果你平時只用雲端 Midjourney 或跑輕量模型，眼下真沒必要去搶高功耗的首批溢價卡。

隱患同樣寫在紙面上：575 瓦的 TGP 功耗實在太誇張了。哪怕公版做成了漂亮的雙槽小身材，散熱和電源壓力也全轉嫁到了使用者的機箱風道和電費賬單上。而且黃仁勳在臺上喊出的「5070 跑出 4090 效能」，很大程度依賴的是能插三幀的 DLSS 4 多幀生成技術，純光柵渲染底子究竟有多大提升，還是得看發售後的實際拆解。但無論如何，把 FP4 推向消費級桌面，看起來會逼著一眾開源社群和同行加快模型量化生態的遷移。