「GeForce RTX 5080」への乗り換えはアリ？ 「GeForce RTX 3080 Ti」搭載PCで試した結果（3/4 ページ）

[井上翔，ITmedia]

動画のエンコードはどう？

　別記事で解説したが、GeForce RTX 50シリーズは新世代の動画エンコーダー（第9世代）／デコーダー（第6世代）を搭載している。

• →GeForce RTX 50シリーズは動画エンコーダー／デコーダーも進化　「4：2：2フォーマット」に対応して書き出しが110分→10分に

　今回比較している3つのGPUのエンコーダー／デコーダーの搭載状況は以下の通りだ。

• GeForce RTX 3080 Ti：エンコーダー1基（第7世代）／デコーダー1基（第5世代）
• GeForce RTX 4080：エンコーダー2基（第8世代）／デコーダー1基（第5世代）
• GeForce RTX 5080：エンコーダー2基（第9世代）／デコーダー2基（第6世代）

　3080 Tiと比べると、5080はエンコーダーもデコーダーも2倍となっている。4080と比べた場合でも、デコーダーが1基増えているため、マルチストリーム再生時のパフォーマンスが改善しているものと思われる。

　今回は時間の都合で、ULの総合ベンチマークテストアプリ「Procyon」に内包されたテスト「Video Editing Benchmark」を実施した。このテストは、「Adobe Premiere Pro」を使ってフルHD（H.264コーデック）と4K（H.265コーデック）の動画を2種類ずつ書き出す際のパフォーマンスを点数化する。負荷の大きい2つ目のテストは、エフェクト処理でGPUによるアクセラレーションを有効にできる。

　総合スコアではなく、あえて書き出しに掛かった時間をチェックしてみると、以下の通りとなる。

• GeForce RTX 5080
  • フルHD／その1：14.7秒
  • フルHD／その2（GPUアクセラレーション）：13.7秒
  • 4K／その1：49.6秒
  • 4K／その2（GPUアクセラレーション）：42.7秒
• GeForce RTX 4080
  • フルHD／その1：17.7秒
  • フルHD／その2（GPUアクセラレーション）：15.7秒
  • 4K／その1：54.5秒
  • 4K／その2（GPUアクセラレーション）：47.6秒
• GeForce RTX 3080 Ti
  • フルHD／その1：17.7秒
  • フルHD／その2（GPUアクセラレーション）：16.3秒
  • 4K／その1：55.4秒
  • 4K／その2（GPUアクセラレーション）：47.6秒

　順当に「5080＞4080＞3080 Ti」という結果となった。2つ目のテストは、GPUアクセラレーションをオフ（＝CPU処理）にすると時間がめっぽう掛かり、ハイエンドCPU／GPUを搭載するPCであっても、全テスト終了までに1時間近く要することもある。エフェクトを多用する場合は、エンコーダー／デコーダーを含めたGPUの全体性能も重要となる。

　5080は、グラフィックスメモリがGDDR7規格であり、PCとの接続にPCI Express 5.0バスを利用する。メモリやバスの高速化が積み重なった結果、従来モデルよりも高速な動画書き出しを実現できている。

　動画の書き出しは、長尺になるほどわずかの差が大きな差となる。一層の時短を狙うなら、5080の導入は効果が高そうだ。

Procyon Video Editing

物体検知／生成AIのパフォーマンスは？

　最近、NPUを搭載する「AI PC」が評判だが、AI（人工知能）の演算処理にGPUを用いるアプリ（プログラム）も多い。そこで動画の書き出しテストでも登場したULのProcyonを使って、GPU演算を利用するAIのパフォーマンステストを実施してみた。

AI Computer Vision Benchmark

　「AI Computer Vision Benchmark」は、機械学習データを使って物体を検知する「コンピュータビジョン」の処理パフォーマンスを確認するテストだ。複数のAPI（命令セット）で同種のテストを実行可能で、命令セットによってはCPU／NPU／GPUのパフォーマンス差もチェックできる。

　NVIDIA製GPUを搭載しているWindows PCの場合、本来はGPU演算のAPIとして「Windows ML（Direct ML）」か「NVIDIA TensorRT」を選択できる。しかし、現在のAI Computer Vision BechmarkはGeForce RTX 50シリーズにおけるTensorRT APIに対応していない（対応に向けた修正を準備している）。そこで今回は、Windows ML APIを使った場合の演算パフォーマンスを比較する。総合スコアは以下の通りだ。

• GeForce RTX 5080
  • INT（整数演算）：634ポイント
  • Float16（半精度浮動小数点数演算）：2164ポイント
  • Float32（単精度浮動小数点数演算）：1267ポイント
• GeForce RTX 4080
  • INT（整数演算）：539ポイント
  • Float16（半精度浮動小数点数演算）：1786ポイント
  • Float32（単精度浮動小数点数演算）：1116ポイント
• GeForce RTX 3080 Ti
  • INT（整数演算）：415ポイント
  • Float16（半精度浮動小数点数演算）：1501ポイント
  • Float32（単精度浮動小数点数演算）：912ポイント

　やはり順当な「5080＞4080＞3080 Ti」という結果だった。Windows MLという汎用（はんよう）APIを使うことによるオーバーヘッドはさておいて、5080は4080比で1.14〜1.21倍、3080 Ti比で1.39〜1.53倍のパフォーマンスとなっている。機械学習ベースのAIを使う場合は、やはり「なるべく新しいGPU（グラフィックスカード）」がよさそうである。

Procyon AI Computer Vision Benchmarkの結果

AI Image Generation Benchmark（FLUX.1 Beta）

　ProcyonにはStable Diffusionベースの画像生成AIテスト「AI Image Generation Benchmark」もある。しかし、本テストも現時点ではTensorRT APIに対応していない。「ONNX」APIを使えばテスト可能なのだが、今回は時間の都合で見送った。

　その代わり、ULとNVIDIAがβ提供しているFLUX.1ベースのAI Image Generation Benchmarkを実行してみた。このテストは、グラフィックスメモリの容量の都合から3080 Tiでの測定を行っていない。生成完了までの所要時間は以下の通りだ。

• GeForce RTX 5080
  • FP4（4bit浮動小数点数演算）：27.968秒
  • FP8（8bit浮動小数点数演算）：57.696秒
• GeForce RTX 4080
  • FP4（4bit浮動小数点数演算）：128.82秒
  • FP8（8bit浮動小数点数演算）：66.869秒

　「5080＞4080」なのはもちろんなのだが、FP4の演算で“大差”が付いている。これはGeForce RTX 50シリーズのTensorコアでFP4演算をネイティブサポートした成果である（GeForce RTX 40シリーズではFP8に変換してから演算するためオーバーヘッドが生じてしまう）。

　生成AIにおいて、より高速な処理を行うには「精度をあえて低くする」ことが求められる場合がある。しかし、単に精度を低くしても演算器（ここではTensorコア）が低精度演算に対応していないと精度の変換にリソースを割かれてしまうという“本末転倒”な事態もあり得る。

　その点、GeForce RTX 50シリーズでは低精度演算（FP4）をネイティブサポートしたのは、生成AI時代を踏まえた大きな変化といえる。

AI Image Generation Benchmark（FLUX.1 Beta）における画像生成完了までの所要時間