锚定效能：能源行业可视化应用场景与 GPU 适配

能源产业智能化升级在加速，工程设计等应用场景中的工具、技术路径等发生了一些改变，同时 GPU 也在更新迭代，从过去大家所熟知的 NVIDIA Turing™ 架构、NVIDIA RTX™ Ampere 架构，已进阶到 NVIDIA Ada Lovelace 架构，算力已不可同日而语。鉴于很多朋友在选型新架构 GPU 的时候经常有疑惑，我们这里给大家整理了工程设计场景中的一些 GPU 适配建议。

1、3D建模

3D 建模软件目前仍主要集中于 AutoCAD, Revit, Maya, Max, Solidworks 等工具，这些软件近年来加速迭代，并且有些已增加了相应的AI 功能。

Maya、Max 三维建模软件在不同模型场景中所需要的算力差别比较大，目前项目中支持光线追踪是必需要的，所以我们可以选择 NVIDIA RTX 系列的图形 GPU 来跑任务。Solidworks 处理的模型相对简单，AutoCAD 对于图形处理要求不高，这两者使用目前 NVIDIA Ada Lovelace 架构的入门级专业显卡即可基本满足需求。Revit 2025 更新功能非常多，官方给出的配置建议为显卡显存 4GB 以上，但考虑到目前很多用户会同时将 Revit 与其他 AI 工具联动使用，这时候显存就建议选择在 16GB 及以上。

除显存这一考量因素之外，NVIDIA 专业显卡对于图形 API ，譬如 DirectX, OpenGL 均有专门优化，这能帮助设计师在建模过程中大大地减少操作不畅、系统崩溃的情况，这是消费级显卡所不能比拟的优势。

2、渲染

对于渲染场景来说，不同的渲染器、不同规模的场景、不同复杂度的模型，所需要的算力消耗并不相同。大型场景的渲染一般显存占用在 24GB 以上，中小型场景则在 8GB-16GB 范围内。由于各家情况不同，在购置之前，特别建议大家使用过往的项目提前跑些测试任务。

3、生成式AI

设计本地化部署 AIGC 模型的情况下，鉴于 AIGC 模型普遍的规模大小，显卡需要以 16GB 显存起步才能较为流畅地执行任务，若需要进行自有模型训练、质量要求较高的情况下，则建议尽量采用具有 24GB 及以上显存的模型来跑任务，保障任务的效率和质量。

这里列举一些目前普遍使用的软件平台，我们根据测试结果，提供适配的 NVIDIA RTX 专业显卡型号：

4、数字孪生

数字孪生能够在能源生产、管理、检测与优化过程中，发挥作用。虽然目前大家对数字孪生的理解不同，但普遍认为会涉及到大规模场景资产的载入、物联网、机器人仿真和 AI 功能，集合了可视化与机器学习的应用场景。

NVIDIA Omniverse™ 作为数字孪生的开发平台，基于 OpenUSD 的技术生态不断扩展，NVIDIA Omniverse™ 能够支持城市级的三维场景载入，与 Cesium, CityEngine 等软件可以实现协同，机器人仿真平台 NVIDIA Isaac Sim™，也已经能够辅助开发特种场景的检测机器人。

Omniverse 与 Cesium 互联

基于 NVIDIA Isaac Sim 训练机器人仿真

赞奇科技与合作伙伴正在针对特定的应用场景来开发 NVIDIA Omniverse 平台来实现更多的数字孪生功能。在开发过程中，主要使用的是 NVIDIA RTX™ 5000 Ada （32GB）显卡，在超大型场景应用中，则使用 AI 工作站搭载4张 NVIDIA RTX 5000 Ada 来运行，即使在复杂模型场景中，实时渲染模式下 FPS 依然保持在50左右。这个型号不仅图形性能超越安培架构时期的“卡皇” NVIDIA RTX™ A6000，强化学习和大模型训练推理能力也都有大幅提升，在成本优化的情况下性价比非常好。

NVIDIA RTX A6000 VS NVIDIA RTX 5000 Ada 在 Omniverse 中渲染实测

以上是依据我们之前跑的任务做的 GPU 适配建议，如有细节问题，欢迎复制下方链接来详细了解！

申请更多显卡测试报告

https://rlzqlo1asm.feishu.cn/share/base/form/shrcnCbOVoltOXPQ...​rlzqlo1asm.feishu.cn/share/base/form/shrcnCbOVoltOXPQjFxveqrrIQb

*与NVIDIA产品相关的图片或视频（完整或部分）的版权均归NVIDIA Corporation所有。