3D 設計アプリケーションである SolidWorks をざっと見てみると、方程式のフラストレーションの側面がよくわかります。 2.7Ghz Core i7-12700H のみで動作するこのモデルは、14 fps という非常に扱いにくい速度で回転します。 一方、NVIDIA RTX 3070 ラップトップは、118 fps でバターのように滑らかです。 これは純粋に審美的なことのように聞こえるかもしれませんが、リアルタイムで複雑なモデルを繰り返しローテーションして構築する必要がある場合、ワークフローを本当に最適化できます。
「これをグリッチのある遅延体験で設計しようとしていると想像してみてください」と Clayton 氏は言います。 「あなたはそれをしないでしょう。 それほど複雑でないプロジェクトに目を向けるか、大学のシステムを使用するコンピューター ラボで立ち往生するかのどちらかです。」
2D 波動伝搬シミュレーションが 1 秒あたり 6 サイクルを管理する MATLAB でも、同様のパフォーマンス ギャップが見られます。 RTX 3070 は毎秒 77 を管理し、実際には 1 期間で数時間または数日にもなります。 「学生へのここでの質問は、宿題に 12 倍の時間をかけてほしいかということです。」 とクレイトンは尋ねます。
あるいはそれ以上かもしれません。 もう 1 つの例を示します。TensorFlow では、画像データ セットでネットワークをトレーニングするのに i7 CPU で 16 分かかりますが、RTX 3070 を使用すると 1 分強かかります。 「そして、これはわずか 60,000 枚の画像のデータ セットに対する非常に基本的なニューラル ネットワークです」と Clayton 氏は説明します。 「何百もの画像を含む複雑なネットワークでは、これは何時間もの節約につながります。」
明らかに、これはハイエンドの RTX 3070 向けですが、エントリー レベルの 3050 および 3060 モデルも、下のグラフが示すように、GPU のないラップトップよりも大幅に向上します. 最上位の RTX 3080 Ti は、学生にさらに優れたパフォーマンスを提供します。
明らかに、必要なツールなしで学生を行かせる価値のある大学はなく、多くの大学が学生にハードウェアを提供していますが、落とし穴があります。 これは通常、共有コンピューター ラボの形式で行われるか、各学生に限られた数のクレジットが割り当てられるリモート クラウド サーバーを介して行われます (「通常、課題に最低限必要なことを行うのに十分であり、トピックを完全に探索するのではなく、 」と Clayton は嘆きます。) 言い換えれば、ハードウェアは高品質ですが (「AI とデータ サイエンスの場合、ほぼ常に NVIDIA です」と Clayton は述べています)、アクセスはそうではありません。