Rijetko koja hardverska komponenta je u proteklih 20-tak i više godina doživjela takvu značajnu transformaciju poput grafičke kartice, odnosno grafičkog procesora. Od prilično skromnih početaka u ulozi 3D ubrzivača grafičkog prikaza i uređaja koji nam je prije svega služio za prikaz slike, pa sve do danas ključne pogonske snage svih najmodernijih superračunala.
Danas se grafički procesori koriste za najzahtjevnija znanstvena istraživanja, a odigrali su i ogromnu, neprocjenjivu ulogu u ubrzanom razvoju umjetne inteligencije i strojnog učenja. Današnji moderni AI je nezamisliv bez grafičkih procesora, odnosno grafičkih kartica.
Da Vinci Resolve jedna je od najpopularnijih aplikacija za obradu videa koja se u velikoj mjeri oslanja na mogućnosti grafičke kartice
GPU - najmoćniji i najkompleksniji čip današnjice
Ovakav status grafičkih procesora, koji su danas nedvojbeno postali - mogli bismo reći - ključna komponenta svih računala, posljedica je dugogodišnjeg ubrzanog razvoja i konstantnog unaprjeđivanja same tehnologije grafičkih procesora. Moderni grafički procesori su zapravo skupovi ogromnog broja iznimno naprednih procesora velike snage koji mogu iznimno brzo i efikasno izvršavati veliki broj operacija paralelno. Ukoliko svemu pridodamo kompleksni sustav brzih priručnih memorija i iznimno brzu videomemoriju koju grafički procesor ima na raspolaganju, posve je jasno zbog čega su danas grafički procesori ključan dio superračunala, ogromnih podatkovnih centara te velikih sustava za umjetnu inteligenciju i strojno učenje koji ponajviše utječu na ukupne performanse.
Korištenje računalne snage grafičkih kartica, odnosno grafičkih procesora, za daleko manje zanimljive i zabavne zadatke od renderiranja modernih 3D igara, dostupno je već dulji niz godina. Ponajprije zahvaljujući raznim GPGPU (General Purpose GPU) inicijativama koje su tijekom godina postavile temelje za korištenje grafičkog procesora u svim drugim zahtjevnim aplikacijama koje ne uključuju 3D grafički prikaz. U osnovi ovdje govorimo o softverskim platformama koje omogućuju korištenje grafičkog procesora za izvođenje računalnih operacija u aplikacijama gdje inače koristimo glavni procesor (CPU).
Blender je jedan od najpoznatijih softverskih alata za 3D animaciju, a već dulji niz godina aktivno koristi računalnu snagu modernih grafičkih procesora
Ponajprije ovdje govorimo o renderiranju, 3D animaciji, kodiranju i dekodiranju zahtjevnog video sadržaja visoke kvalitete, obradi slika i videa, kao i sve popularnijem streamingu video sadržaja i igara uživo. Jasno, u posljednjih nekoliko godina u prvom planu je svakako generativni AI, odnosno korištenje snage grafičkih procesora za kreiranje slika i videa putem AI-ja u stvarnom vremenu.
Samim time, s vremenom su grafički procesori postajali sve kompleksniji, pa tako danas posjeduju zasebne AI hardverske sklopove upravo za potrebe što bržeg procesiranja AI operacija.
Mainstream kartice za profi zadatke
U svakom slučaju, mnogi korisnici danas grafičke kartice koriste za brojne druge profesionalne zadatke i zahtjevne aplikacije, bilo da govorimo o renderingu, obradi videa ili AI-ju. Na ovaj način se danas dobrim dijelom izbrisala granica između klasičnih profesionalnih i uobičajenih mainstream grafičkih kartica. Profesionalne grafičke kartice i dalje, dakako, postoje. Međutim, s obzirom na njihove iznimno visoke cijene, danas ih u pravilu koriste veće korporacije i korisnici koji se bave specifičnim poslovima koji zahtijevaju korištenje ovakvih kartica. Svi ostali, što uključuje kreativne profesionalce i poluprofesionalce, te hrpu ostalih korisnika koji se bave kreiranjem sadržaja, video obradom, renderiranjem i sličnim poslovima, zapravo koriste uobičajene mainstream grafičke kartice.Zbog toga smo smatrali kako je konačno došlo vrijeme za jedan sasvim drugačiji test brzine grafičkih kartica. U kojem nećemo testirati niti jednu igru. Odlučili smo se određen broj novijih grafičkih kartica testirati u nekima od aplikacija za rendering, animaciju, video obradu i generativni AI. Ovakve aplikacije u pravilu pred grafičke kartice postavljaju pomalo drugačije zahtjeve u odnosu na moderne 3D igre. Zbog toga je bilo zanimljivo vidjeti kakve su performanse nekih od popularnih Nvidijinih i AMD-ovih grafičkih kartica novije i nešto starije generacije. Intelove kartice ovog puta nismo testirali. Prije svega zbog činjenice što ih ima relativno malen broj na tržištu. Također, softverska podrška za ove kartice unutar aplikacija koje smo planirali koristiti za testiranje nije još na zadovoljavajućoj razini.
AMD je sa svojom RDNA 3 generacijom grafičkih procesora osjetno poboljšao AI mogućnosti, s obzirom da ova generacija čipova posjeduje zasebne AI akceleratore
AI boom - ništa bez grafičkog procesora
Zapravo, softverska podrška na razini operacijskog sustava i pojedinih aplikacija je ključna kako biste na pravi način mogli iskoristiti sve mogućnosti moderne grafičke kartice u zahtjevnim profesionalnim aplikacijama.
Kako su grafički procesori postajali sve moćniji, pokazalo se kako su ove mogućnosti posebno pogodne za korištenje, primjerice, kod superračunala ili posebno intenzivnih znanstvenih aplikacija.
Danas možemo reći kako grafički procesori omogućavaju daleko bolje performanse od glavnih procesora u profesionalnim i industrijskim aplikacijama, matematičkim i fizičkim izračunima ili primjerice, kod umjetne inteligencije (AI), odnosno dubokog i strojnog učenja (deep learning).
Grafički procesor također igra ključnu ulogu prilikom razvoja aplikacija za virtualnu i proširenu stvarnost (VR i AR).
Posljednjih nekoliko godina imali smo priliku svjedočiti dvama fenomenima koji su u velikoj mjeri promijenili tržište grafičkih kartica, a direktno su povezani uz korištenje snage grafičkih procesora u cilju financijske zarade ili značajnog poboljšanja i razvoja AI mogućnosti.
Prvi primjer se odnosi na famozno rudarenje kripto valuta pomoću grafičkih kartica. S druge strane, imamo korištenje grafičkih kartica za sve ove napredne AI modele kao što su ChatGPT ili DeepSeek. U oba slučaja su se ove pojave negativno odrazile na mainstream tržište grafičkih kartica u smislu nedostupnosti kartica i velikog povećanja cijena.
Vratimo se, međutim, odgovarajućoj softverskoj podršci koja je ključna za korištenje snage grafičkog procesora u raznim aplikacijama. Po tom pitanju su tradicionalno kroz povijest dva najveća proizvođača, AMD i Nvidia, imala poprilično drugačiji pristup. AMD se oduvijek oslanjao ponajprije na open source softverska rješenja kao što je OpenCL. U svojoj osnovi, OpenCL je standardiziran od strane neprofitne organizacije Khronos Group, a riječ je o open source platformi s podrškom za grafičke procesore različitih proizvođača poput AMD-a, Nvidije, Intela, ARM-a.
Nvidijina najnovija generacija grafičkih procesora temeljenih na Blackwell arhitekturi donosi još bolje i naprednije AI mogućnosti
GPU akceleracija - CUDA, OpenCL i ostalo
S druge strane, Nvidia je u velikoj mjeri još tamo od 2006. godine razvijala svoju softversku platformu CUDA koja danas uključuje set poprilično robusnih alata za korištenje Nvidijinih kartica u raznim profesionalnim i drugim aplikacijama.
Ovakva softverska osnova omogućila je Nvidiji da se daleko brže i bolje prilagodi korištenju svojih grafičkih procesora za potrebe umjetne inteligencije i strojnog učenja. U konačnici, ovo Nvidiji omogućuje trenutno dominantnu poziciju na tržištu kada govorimo o GPGPU i AI aplikacijama.
Dakako, kada govorimo o GPU akceleraciji, trenutno na tržištu postoji veliki broj aplikacija koje na ovaj ili onaj način mogu iskoristiti snagu grafičkog procesora ili zasebnih AI akceleratora. U većini slučajeva, brzinu unutar pojedinih aplikacija određuje velik broj stvari, od odgovarajuće softverske podrške, optimizacija, upravljačkih programa i drugih faktora. Zbog toga nam ovdje nije bio cilj detaljno usporediti veći broj grafičkih kartica. Više smo ovdje htjeli na konkretnim primjerima pokazati na koji način je moguće iskoristiti snagu grafičkih kartica u drugim aplikacijama i koja je nekakva osnovna razina performansi koju možete očekivati.
U tom smislu, primjerice, jedan od vrlo važnih parametara koji određuje performanse u AI aplikacijama je količina dostupne videomemorije. AI aplikacije u pravilu danas traže minimalno 16 GB videomemorije za optimalne performanse, a neki LLM modeli zahtijevaju i osjetno više videomemorije.
U slučaju nekih drugih aplikacija, konačna brzina će pak biti ponajprije ovisna o broju računalnih jedinica i shaderskih procesora, odnosno o sirovoj računalnoj snazi.
Nova verzija popularnog testnog alata Cinebench uključuje i zaseban test performansi grafičke kartice prilikom renderinga
Nvidia RTX - AI, ray tracing i gomila računalne snage
Pogledamo li tehnološke osobine i samu arhitekturu modernih grafičkih procesora, posve je jasno kako je Nvidia itekako arhitekturu svojih grafičkih čipova unatrag zadnjih nekoliko godina posebno prilagodila profesionalnom korištenju i AI aplikacijama. Prije svega, ovo je vidljivo po konstantnom povećanju računalne snage uslijed sve većeg broja FP32 jedinica, odnosno shaderskih procesora. Također, ovi su shaderski procesori iz generacije u generaciju sve fleksibilniji, pa tako danas velika većina njih može izvršavati kompleksne izračune pri cjelobrojnim operacijama (integer) ili operacijama s pomičnim zarezom (floating point). Također, s vremenom je znatno unaprijeđen i poboljšan naredbeni procesor koji je zadužen za što efikasniju raspodjelu zadataka između velikog broja shaderskih procesora kakve nalazimo kod modernih grafičkih procesora. Nadalje, Nvidia je s prošlom generacijom Ada Lovelace grafičkih čipova osjetno povećala količinu brze priručne memorije, odnosno L2 cachea. Velika količina L2 cachea donosi svakako osjetan porast performansi, posebno u aplikacijama koje se oslanjaju na sirovu računalnu snagu.
Dakako, velik i značajni dio Nvidijine arhitekture u zadnjih nekoliko godina čini poseban naglasak na ray tracing i AI mogućnosti. Već od RTX 2000 serije Nvidia kod svojih grafičkih procesora integrira zasebne AI hardverske sklopove prozvane Tensor jezgrama.
Tensor jezgre su u svojoj osnovi zadužene za što efikasnije i brže procesiranje svih operacija vezanih uz umjetnu inteligenciju. Ponajprije su korištene za poboljšanje kvalitete slike Nvidijine upscaling tehnologije, popularnog DLSS-a.
Međutim, Tensor jezgre su zadnjih godina osjetno unaprijeđene, pa najnovije verzije omogućuju značajnu akceleraciju u svim aplikacijama za generativni AI. Najnovija generacija Nvidijinih Blackwell grafičkih čipova donosi daljnja poboljšanja AI mogućnosti. Prije svega, ovo se odnosi na podršku za nove formate podataka manje preciznosti (FP 4) koji omogućuje još efikasnije izračune povezane s AI operacijama.
Posebno naglasimo kako najnovija generacija Nvidijinih kartica dolazi s najbržom GDDR7 videomemorijom koja omogućuje veliku memorijsku propusnost, što je od ključnog značaja kod AI aplikacija.
Sve popularniji generativni AI omogućuje nam generiranje slika i videa zahvaljujući računalnoj snazi modernih grafičkih procesora
Kako smo testirali – Sve, samo ne igre!
Za razliku od uobičajenih testova performansi grafičkih kartica kakve obično radimo, u ovom slučaju nismo testirali niti jednu igru.
Ovdje je sav fokus bio na aplikacijama koje koriste snagu grafičke kartice u neke druge svrhe. Ponajprije kada govorimo o renderingu, 3D animaciji, obradi videa, generativnom AI-ju. Pritom smo koristili široko dostupne testne aplikacije koje se oslanjaju na softver koji profesionalci koriste u svakodnevnom radu.
Primjerice, kada je u pitanju rendering, koristili smo vrlo popularni Blender open benchmark, kao i V-Ray benchmark. Za mjerenje AI performansi poslužio nam je UL Procyon sa svojim Inference AI testom, kao i testom generativnog AI-ja koji se oslanja na Stable Diffusion.
Kao test mogućnosti kartica prilikom obrade videa koristili smo Da Vinci Resolve, odnosno Puget Systems benchmark za ovu popularnu aplikaciju. Od općenitijih testova koristili smo PCMark 10, odnosno Digital Content Creation test.
Također smo koristili aktualne verzije upravljačkih programa za AMD-ove i Nvidijine kartice u trenutku testiranja. Sva testiranja provedena su na računalima s Windows 11 Pro 23H2, kao i uključenom opcijom Resizable Bar.
Test performansi prilikom generativnog AI-ja u popularnom alatu UL Procyon oslanja se na poznati softver Stable Diffusion
AMD RDNA - sve bolje AI mogućnosti
S druge strane, AMD je tek sa svoje dvije najnovije generacije grafičkih procesora temeljenih na RDNA 3 i RDNA 4 arhitekturama značajno poboljšao prije svega AI mogućnosti svojih grafičkih procesora. Po prvi put AMD s RDNA 3 grafičkim procesorima uvodni zasebne AI akceleratore, koji su s novom RDNA 4 generacijom osjetno unaprijeđeni.
AMD-ova arhitektura se također ponešto razlikuje od Nvidijine po pitanju same organizacije računalnih jedinica, kao i u ukupnom broju shaderskih procesora. Primjerice, AMD-ove računalne jedinice uključuju skalarne i vektorske jedinice, kao i dual issue SIMD 32 jedinice. Premda AMD-ov pristup i arhitektura potencijalno imaju svoje prednosti, nekako je dojam kako zahtijeva osjetno više optimizacija za postizanje optimalnih performansi kada govorimo o općenitim i GPGPU aplikacijama.
Značajnu ulogu za postizanje što boljih performansi, osim broja i efikasnosti shaderskih procesora, svakako igra i radni takt grafičkog procesora. Najnovije generacije grafičkih procesora mogu raditi na vrlo visokim radnim taktovima većim od 3 GHz.
Međutim, ovdje dolazimo do određenog problema s kojim se susrećemo posljednjih godina kada govorimo o najnovijim grafičkim procesorima i grafičkim karticama. Naime, zahtjevi za što većom računalnom snagom doveli su i do osjetnog povećanja potrošnje energije najnovijih grafičkih procesora. Nerijetko danas grafičke kartice visoke klase troše preko 300, 400 W energije, što znači i potrebu za korištenjem sve većih i kompliciranijih rashladnih sustava za efikasno hlađenje. Konačno, veća potrošnja uvjetuje i korištenje napajanja sve veće i veće snage za stabilan rad. Sve ovo je posebno izraženo prilikom korištenja grafičkih kartica u profesionalne svrhe, odnosno u zahtjevnim aplikacijama koje uključuju dugotrajno, višesatno neprekidno korištenje.
Nove Nvidijine grafičke kartice, poput RTX 5070 Ti, pogodne su za korištenje u profesionalnim aplikacijama gdje postižu odlične performanse
AMD-ove mainstream kartice poput Radeona RX 7800 XT ističu se većom količinom videomemorije, što može biti od velike koristi u nekim aplikacijama
Nvidijina RTX 4000 generacija kartica donijela je unaprijeđene performanse i poboljšane AI mogućnosti, a ove kartice postižu i odlične rezultate u profesionalnim aplikacijama
Kakve su performanse?
Za potrebe ove teme testirali smo nekoliko novijih i starijih AMD-ovih i Nvidijinih kartica u zahtjevnim testnim aplikacijama za rendering, generativni AI i video obradu. Pritom smo testirali nešto veći broj Nvidijinih kartica, s obzirom na bolju podršku u većini aplikacija i naprednije mogućnosti.
Što se tiče AMD-ovih kartica, testirali smo nešto starijeg Radeona RX 6800 temeljenog na arhitekturi RDNA 2, kao i novijeg Radeona RX 7800 XT koji koristi napredniju RDNA 3 arhitekturu. Kada govorimo o Nvidijinim karticama, ovdje je riječ o RTX 4080 Super, RTX 4070 Ti koje predstavljaju stariju
Ada Lovelace arhitekturu, kao i najnovijoj RTX 5070 Ti koja se oslanja na najnoviju i najnapredniju Blackwell arhitekturu.
Ponovo naglašavamo kako cilj nije bio isključivo i jedino usporedba performansi između raznih kartica, već kako bismo dobili određeni uvid u mogućnosti i performanse popularnih kartica više srednje i visoke klase u ovakvim zahtjevnim aplikacijama za profesionalno korištenje.
Bacimo li pogled na performanse koje su testirane kartice ostvarile u testnom setu profesionalnih aplikacija s naglaskom na rendering, 3D animaciju, generativni AI i video obradu, odmah je jasno vidljivo kako najstarija testirana kartica Radeon RX 6800 pomalo zaostaje za svima ostalima. Ne čudi nas ovo previše, s obzirom da je ova kartica predstavljena pred više od 4 godine. Općenito gledano, AMD-ova RDNA 2 arhitektura je bila vrlo energetski učinkovita, ali primarno fokusirana na performanse u igrama. Također, RDNA 2 grafički procesori ne posjeduju zasebne AI jedinice, što ih samim time čini manje pogodnima za korištenje u AI aplikacijama. Glavna prednost Radeona RX 6800 svakako je činjenica kako posjeduje 16 GB videomemorije što ga i dalje čini relevantnim, posebno u aplikacijama za video obradu koje se oslanjaju na grafičku karticu.
Premda je Radeon RX 6800 star već više od 4 godine, još uvijek omogućuje vrlo dobre performanse u igrama i drugim aplikacijama zahvaljujući velikih 16 GB videomemorije
Što više (video)memorije, to bolje!
Nešto bolju razinu performansi mogu vam ponuditi nešto novije kartice gornje srednje klase kao što su RTX 4070 Ti, odnosno Radeon RX 7800 XT. Ove kartice sada već polako spadaju u prethodnu generaciju, ali i dalje su vrlo često prisutne u naprednijim računalima više klase.
RTX 4070 Ti, zahvaljujući Ada Lovelace arhitekturi, omogućuje respektabilne performanse u zahtjevnim aplikacijama, posebno s naglaskom na rendering i AI. Posebno moramo naglasiti odlične performanse kada govorimo o generativnom AI-ju za karticu mainstream klase. Napredna arhitektura, visok radni takt i velika količina L2 cachea, uz Tensor AI jezgre tehnološki naprednih mogućnosti, ključni su razlozi zbog kojeg je RTX 4070 Ti vrlo dobar odabir za profesionalno korištenje.
Iz novije generacije slične performanse omogućit će vam RTX 5070. Ključni nedostatak ovih Nvidijinih kartica svakako je „samo“ 12 GB videomemorije. Napredni AI LLM modeli zahtijevaju više videomemorije, a i u nekim drugim aplikacijama ovo će biti značajno ograničenje.
S druge strane, Radeon RX 7800 XT nema takvih problema, s obzirom da dolazi s 16 GB videomemorije. Temelji se na RDNA 3 arhitekturi koja po prvi puta, kada govorimo o AMD-u, donosi zasebne AI akceleratore. Zbog toga je 7800 XT daleko bolji od kartica RX 6000 serije u pogledu generativnog AI-ja. Općenito gledano, 7800 XT omogućuje solidnu razinu performansi u profesionalnim aplikacijama, premda zaostaje za Nvidijinim karticama mainstream kategorije.
Kada govorimo o karticama više klase, jasno je da RTX 4080 Super, te najnovija kartica koju smo ovdje uključili, RTX 5070 Ti, omogućuju nedvojbeno osjetno bolje performanse u zahtjevnim aplikacijama od ostalih testiranih kartica. Dakako, to se odrazilo i na njihovu cijenu.
AMD je s RDNA 3 generacijom svojih grafičkih čipova značajno tehnološki unaprijedio mogućnosti svojih grafičkih procesora, tako da su postali pogodniji za profesionalno korištenje
Nvidia je bolji odabir za rendering i AI
Ključan razlog za osjetno bolje performanse ovih Nvidijinih kartica visoke klase svakako su napredne arhitekture, veliki broj shaderskih procesora i posebno posljednje generacije Nvidijinih Tensor odnosno AI jezgri. Ipak, moramo primijetiti kako je nešto starija RTX 4080 Super postigla bolje rezultate u većini testova od RTX 5070 Ti. Razlika nije značajna, ali se RTX 4800 Super pokazala najbržom karticom od ovdje testiranih za profesionalnu primjenu. Međutim, kao i u slučaju nekih drugih Nvidijinih kartica mainstream kategorije, ključno ograničenje kod RTX 4080 Super i RTX 5070 Ti zapravo predstavlja količina videomemorije. 16 GB videomemorije možda je danas dovoljno za većinu igara, no u profesionalnim aplikacijama ovakva količina memorije ne izgleda osobito impresivno. Posebno kada govorimo o AI aplikacijama gdje na performanse osjetno utječe količina i brzina videomemorije.
U tom smislu ne čudi kako modeli grafičkih kartica isključivo namijenjenih profesionalnom tržištu dolaze s 32, 48 ili više gigabajta videomemorije.
Nvidijina arhitektura Ada Lovelace predstavljala je značajan korak naprijed, prije svega kada govorimo o AI mogućnostima Nvidijinih grafičkih procesora
U konačnici možemo zaključiti kako su po pitanju profesionalnog korištenja i općenito računalne snage Nvidijine kartice zadnje dvije generacije, dakle RTX 4000 i 5000 serije, osjetno bolji odabir za korištenje u takvim aplikacijama. Slično se može ustvrditi i za neke mainstream modele. Međutim, s druge strane, AMD-ove kartice u pravilu posjeduju više videomemorije, posebno kada govorimo o mainstream modelima. Ova osobina ih čini pogodnijima za profesionalnu uporabu ukoliko želite jeftiniju karticu za takvu namjenu.
Sve ovo napisano vrijedi prije svega za performanse, odnosno korištenje ovih kartica s Windowsima. Ukoliko planirate koristiti neki drugi OS, poput Linuxa, situacija može biti nešto drugačija. Također, softverska optimizacija i općenito softverska platforma je jača strana Nvidijinih kartica. Što svakako ne treba zaboraviti, čak i ako manjak videomemorije nećete moći nadoknaditi softverskim optimizacijama. Također napomenimo kako Nvidia osim klasične verzije svojih upravljačkih programa, namijenjene prije svega optimalnim performansama u najnovijim igrama, nudi i Studio verziju svojih upravljačkih programa koja je više prilagođena optimalnim performansama u drugim aplikacijama.
Imaju li smisla uopće više profesionalne grafičke?
Moderne: grafičke kartice danas, osim za igranje igara, mnogi koriste prvenstveno u profesionalne svrhe za potrebe renderinga, video obrade ili u AI aplikacijama
Ovisno o korištenoj aplikaciji, ova verzija upravljačkih programa može donijeti određene prednosti ukoliko se primarno bavite kreativnim aplikacijama, razvojem igara i slično. Nvidijini upravljački programi za profesionalne grafičke kartice sadrže dodatne detaljne optimizacije i profile za pojedine profesionalne aplikacije, premda je danas razlika između ovih upravljačkih programa i upravljačkih programa za ostale kartice sve manja. Uostalom, arhitektura grafičkih procesora koji se koriste kod profesionalnih i ostalih kartica se u pravilu više uopće ne razlikuje. Upravo ova činjenica kako danas profesionalne i consumer grafičke kartice koriste u pravilu istovjetne grafičke procesore iste generacije, odnosno arhitekture, čini klasične mainstream kartice traženima od strane profesionalnih korisnika. U velikoj većini slučajeva, ove će vam kartice ponuditi sličnu razinu performansi kao profesionalni modeli, a pritom im je cijena znatno niža.
Međutim, ovakva situacija ne ide na ruku gamerima koji traže što isplativije kartice za igranje igara. Naime, profesionalni korisnici su na neki način konkurencija gamerima u svijetu mainstream kartica, a često su spremni potrošiti više na karticu novije generacije. Sve skupa se dakako odrazilo na tržište i cijene kartica.
Kako sada stvari stoje, ovo se neće značajno promijeniti u bližoj budućnosti. Štoviše, očekuje se još veća potražnja za modernim grafičkim karticama te daljnji razvoj AI aplikacija i drugih aplikacija koje se prije svega oslanjaju na snagu grafičkog procesora. Zbog svega se čini kako je vrijeme cjenovno pristupačnih kartica srednje i više klase definitivno prošlost.
