3D动画、3D建模这些词汇已经过去，给很多人的第一印象是非常高端、遥不可及的存在。 这样的工作不仅对硬件有很高的要求，行业内的软件成本也是个人和小团队无法承受的，而近年来Blender这个开源3D动画软件的兴起，其易用性和免费普通学生和爱好者也可以接触和进入这个领域了。 在硬件方面，NVIDIA选择与Blender深入合作，利用RTX GPU提高软件的渲染速度。 现在，只需要一台RTX Studio笔记本电脑，就可以开始自己的3D动画制作生涯了。
与大型3D动画制作软件不同，利用RTX技术的Blender在进行仔细的反复更新的同时，由于开源的灵活优点，软件本身在几年内得到了迅速的发展。 特别是在对用户非常实用的硬件支持方面，Blender支持NVIDIA的CUDA通用计算技术由来已久，与传统的CPU渲染相比，可以大幅提高3D模型的渲染速度在基于Turing体系结构的RTX系列GPU中，NVIDIA与Blender深度合作，将利用光线跟踪技术的OptiX API嵌入到Cycles渲染器的后端，并与RTX系列GPU配合使用时
很多读者可能一看到这里就再也不知道发生了什么，所以需要先简单介绍3D动画制作的工作流程。 其实，这类工作可以分为两个主要阶段。 首先是画3D模型。 由于这一阶段大多由立体空间内的线、面来绘制，对计算机硬件的需求相对较低，主要使用的是CPU性能。 目前主流的六核、八核CPU已经足够好了，但三维建模完成后，可以添加贴图、材质和光照效果，并在渲染器中导出
在渲染器中，它分为CPU和GPU渲染引擎。 以前，CPU渲染是三维动画软件的最主流选择，它依赖于具有超多内核的CPU进行操作，但近年来，它完全支持使用GPU进行渲染，如Autodesk的Arnold和Redshift渲染器特别是Redshift渲染器完全支持使用GPU进行渲染
在最新版本的Blender中，渲染工作主要是EEVEE和Cycles，两种渲染器都可以支持GPU渲染。 其中，Cycles是上述渲染器，受NVIDIA的深入支持，可以最大限度地发挥RTX GPU的硬件性能，但当前基于Optix API的最新版本的Cycles渲染器支持该功能
技嘉AERO 17 HDR XB笔记本电脑能控制Blender吗？ 虽然NVIDIA的GPU在Blender上享有很高的优势，因为它具有本机硬件和软件级别的组合，但现在的笔记本市场上有了面向内容创作者用户的RTX Studio笔记本，NVIDIA RTX系列
因此，我们选择了技嘉的AERO 17 HDR XB设计师笔记本。 17.3英寸4K分辨率超窄边框屏幕，22mm厚的机身中融入了NVIDIA RTX 2070 SUPER with Max-Q GPU和英特尔酷睿i7-10875 h核心CPU的高规格硬件。 非常适合内容创作，并通过了NVIDIA RTX Studio认证。 有关详细说明和评估，请参考另一篇文章《技嘉AERO 17 HDR XB设计师笔记本评测：虚拟主播的加力推进器》。
产品规格参数
此次Blender的性能测试部分主要分为两部分，首先是Blender官方的运行软件Open data Benchmark。 它具有多个不同的模型、场景，很好地反映了Blender对硬件的支持和需求情况。 其实，大家也可以从网上下载这个benchmark，测试自己现有的平台，比较这里的成绩，获得更直接的体验
当然，benchmark只是一部分的考验，到实际的创作使用，还是不一样的，为了更好地结合3D动画从业者的实际情况，我们专门建立了一个专注于国内Blender学习和交流的网站，色彩缤纷的中国社区它被用作第二部分的项目
Open data Benchmark目前，Open data Benchmark的最新版已经和Blender的正式版一样拥有2.83，在技嘉AERO 17 HDR XB笔记本之上，有基于OptiX、CUDA运算的两款GPU渲染，以及这次的测试以命令行方式进行。 为确保最高的操作兼容性和稳定性，AERO 17 HDR XB笔记本电脑将CPU和GPU设置为最高性能，冷却系统设置为游戏模式，并安装最新的RTX Studio驱动程序。
这个测试的结果并不意外。 GPU渲染的速度完全压垮了CPU渲染。 这和Blender官方做出的成绩很相似。 此外，我们还发现，即使在相同的GPU渲染中，采用OptiX设置与CUDA相比存在数倍的差距，并且支持光线跟踪的GPU (如RTX 2070 SUPER with Max-Q )的性能优于Blender
实际项目的渲染测试与benchmark不同，只是毫不留情地提高渲染成绩。 在Blender的实际工作中，渲染主要分为“视口渲染”( Viewport render )和最终渲染，前者可以实时预览建模的大致渲染效果。 为了提高速度，动态BVH )某些动态模糊、块渲染等设置将被忽略，但最终的渲染是将当前帧导出到最终图像中。 这将渲染项目中的所有效果和设置，不仅耗时，而且对硬件的要求也很高。
我们在这个部分的渲染测试中使用了两个工程文件。 一个是色彩鲜艳的中国原创集团制作的NVIDIA标识项目，项目增加了很多灯光效果，软件测试使用了最新的Blender 2.83稳定版。 另一个是色彩鲜艳的中国古生物集团-FXZT制作的，排列pose的多个3D模型场景。 因为它使用了OptiX功能，所以测试需要Blender 2.90的每日更新版。 这个项目的复杂性实际上也更高。
熟悉视口渲染3D动画软件的读者应了解，其他渲染器的GPU渲染速度较快，但会产生明显的噪声，需要提高samples参数并添加降噪( denoise )处理最新版的Blender支持OptiX AI-Accelerated降噪，该功能用于NVIDIA RTX GPU的Tensor Cores，通过机器学习锻炼的AI提高了渲染质量，而且还支持传统的
在将GPU渲染设置为Cycles渲染器之后，现有Blender的视口渲染和最终渲染都可以启用光学加速降噪
将“OptiX”设置为GPU渲染，然后将“Shading”工作空间切换到视口渲染模式，Cycles渲染器可以看到灰度材质、照明和光反射效果，大多数情况下都是如此即使在场景的三维空间中拖动模型以改变观看镜头的视角，GPU渲染响应也非常快，可以在很短的时间内完成初始渲染并几乎实时预览
收集不同设备设置下的整个视口渲染处理过程，计算并比较各自花费的时间，发现基于OptiX的GPU渲染完成整个视口渲染所花费的时间远远快于在CPU上工作拖动上述模型进行变换操作时，验证了GPU渲染的响应速度快，可以获得接近实时预览的性能，但即使在CPU渲染中想要预览建模的基础
在最终渲染中，通过比较使用两个项目的不同设置创建的四个最终渲染图像，可以看到GPU渲染的质量非常好。 此外，意外的是，使用Blender进行CPU渲染的最终渲染图像没有GPU渲染那么漂亮。 即使不进行降噪，GPU渲染也具有画面的纯洁性，降噪后看起来很漂亮，但CPU渲染不太令人满意。 尤其是那个项目自不必说，CPU渲染还有一个优点，就是屏幕的清晰度会稍微提高一点。
在Blender中对Cycles渲染器设备的支持全面且灵活，可以支持CPU、OptiX GPU、CUDA GPU、OpenCL GPU、甚至多卡互连的渲染，虽然很有可玩性，但在实际应用中
最终的渲染速度成绩与benchmark的情况基本一致。 GPU呈现明显快于CPU呈现，且OptiX快于CUDA。 采用RTX系列GPU，真的可以节约很多时间成本。 另外，我们认为，即使增加AI噪声降低，绘制时间也不会变长是因为该AI功能。 因为使用了RTX系列GPU
测试总结，无论是Open data Benchmark，还是实际工程项目，都得益于Blender Cycles渲染器对NVIDIA RTX系列GPU的优化，像技嘉AERO 17 HDR XB一样高这适用于计划在Blender中进行业务项目的专业用户。 另外，对于希望学习和入门Blender的学生、初学者，可以一体解决硬件方面的需求。
当然，由于技嘉AERO 17 HDR XB主要面向高端专业设计用户，国内售价相对较高，但目前市面上的RTX Studio笔记本电脑还越来越多。 大家可以根据自己的预算和使用强度进行选择，只要看清RTX系列的GPU即可。 由于在Blender上的成绩太有效率了，所以也可以期待NVIDIA和Blender
五彩缤纷在对中国的采访最后，我们的网站本身是对计算机硬件的评估，所以在3D动画制作方面多少有些不好说。 所以，如果让实际员工也分享一些故事，我觉得更合适。 为此，我们和缤纷中国社区的裴哥交流了一些关系，说了Blender目前在国内的发展情况，帮助NVIDIA RTX GPU对这个3D有了更好的了解
)1) Blender目前在国内的接受程度如何？ Blender作为开源的3D动画制作软件，目前在国内的接受程度如何？ 中国社区是目前国内专注于与Blender交流的网站，目前用户的主要群体有哪些？ 他们主要用什么硬件做动画？
答：从个人用户的角度来说，在不考虑工具软件和数据资产知识产权保护的前提下，很多用户首先将工具软件与自己已经使用的工具软件进行比较，考虑哪个更简单。 很遗憾，几年前Blender处于下风，并没有积累太多的用户。
但从Blender2.8开始，在相同的前提条件下，Blender在效率、集成度、易用性、见即所得的实时性上超过了大多数用户使用的软件。 这1、2年Blender的认知度迅速提高，在认知度提高的前提下，学习并采用Blender的用户也呈几何级数增加，预计像Blender站那样有很多人开设，但供不应求，与图形有缘的行业用户也有所增加
特别是近半年多来，很多人被困在家里。 他们在这期间，从听Blender变成了接触Blender，然后接受Blender。 社区B网站几个成员开通的频道，过去两年数百条关注度也达到了目前的2、3万关注度，从中或许可以发现斑见豹在国内使用Blender的人增多的迹象。
由于很多文创企业自身不需要在3D动画这一部分形成核心竞争力，他们的盈利模式并不高度依赖软硬件技术创新，不需要软件来实现综合成本，因此现阶段企业内部技术或艺术总监级这部分用户有很强的技术路径依赖和很多利益捆绑，因此社区只能连接到部分已经具备相当能力的重要用户。 向更多的企业推进，社区没有合适的资源来说服和实施。
我们对Blender用户的基本信息是所有需要可视化的用户组。 星星点点，散布在各行各业。 从远处看闪闪发光，从近处看大家的业务差距有十万八千里之遥。 这也是社区为了应对这种需求不一致的用户群体必须积累非常多的知识，消耗大量的人力和资源，效果不理想的原因。
现在社区的活跃用户已经积累了很多Blender的知识和技能，在他们各自的行业依赖Blender，他们很多解决自身行业问题的方案都是基于Blender做的。 由于Blender涉及可视化和图形相关的工作，近一年超高速功能的更新使Blender在国内扩大了很多用户群。 例如，在游戏制作中的概念和原画设计这个领域有非常多的Blender的新用户。 Blender的实时渲染引擎和三维绘制立体图像的蜡笔工具以及许多辅助插件可以相当快地帮助他们完成项目。
大众化的电影广告业有很多专业的Blender用户，MC的同人视频制作有很多年轻用户。 珠宝设计既有用户利用了Blender的高速绘图功能，也有用户在短短几个月内就建立了相对于业界其他软件用户的绝对优势。 电商各自产品图案的高速渲染、考古学场景复原与生物复原、建筑行业BIM可视化的高速渲染、室内外场景基于RTX的高速渲染等等，大家都有
从2.8版开始，Blender将硬件支持时间从8年缩短到了5年。 这是因为许多新的软件功能依赖于新的硬件配置。 一部分已经更新到RTX显卡下，大部分硬件还停留在四五年前的水平。 但是，由于Blender具有渲染引擎Blender EEVEE，用于输出使用图形API渲染的图像，因此生成动画的功能在大多数用户无需硬件升级的情况下也能解决问题。
很多Blender EEVEE的用户都希望该引擎支持名为vulkan的新图形API，这样的软件升级会带来很多硬件升级需求。 显卡升级到RTX的用户反馈显示，基于RTX的Blender cycles渲染预览速度不如实时的Blender EEVEE，可以提供更好的灯光视觉反馈
)2) RTX技术的GPU渲染是如何在Blender上进行的？ 问：基于RTX技术的GPU渲染带来了光线跟踪技术。 这在当前版本的Blender中是如何利用和优化的？ 现有的Blender已经支持利用RTX GPU进行AI denoise降噪，在3D动画制作中，还能在哪些方面利用AI、机器学习的特性呢？
在2019年的SIGGRAPH上，Blender的顶级ton与NVIDIA首席执行官JHH进行了亲密的双边会谈。 这次会面非常有建设性，JHH宣布将使optix许可协议符合像Blender这样的开放源代码软件协议，也就是将这些先进技术输出到Blender并进行集成
在Blender的开发团队还不能很好地控制optix的情况下，JHH让NVIDIA的开发者PATRICK MOURS改造了Blender的cycles，并开放了相关的实现。 目前，Blender的RTX实现和优化正在工厂级进行，最近的2.90版更新还将optix SDK7.5中刚刚出现的毛发曲线实现纳入了Blender。 相信未完成的RTX功能的实现和技术转移将在后续的Blender版本中逐渐完成。
建议使用Blender的用户，即已经部署RTX显卡的社区用户，购买配备RTX显卡或RTX GPU的设计器笔记本，体验此工厂级的线程化支持。 此外，设计师PC、设计师笔记本等多种设备支持为Blender用户提供了更灵活的选择，以满足各种工作场景。
3D动画是计算机图形学应用方面的集大成者，有可能在很多方面使用AI、机器学习，数不胜数。 因为我们获得的知识和信息不够，视野可能很狭窄。 但是，也列举了一些我们可以看到的例子。 如下所示，以前通过动作捕捉进行动画制作，但在这几年的论文中，根据深度学习和相关命令，角色和其他动画角色自己与虚拟场景进行对话，并将其录制成视频
直接识别照片中物体、单摄像头识别各种物体生成三维物体的AI机器学习技术也在发展，现阶段这方面的技术可以加入到视频制作的前期策划中，作为各种简单的数字资产制作的补充技术。 将来，在硬件的进化过程中，这些技术将会进一步应用于动画制作的流程中吧。
通过AI计算，减少流体和烟雾的细节计算也是一个比较新的研究课题，近一两年在该领域也开始进行研究。 在不久的将来，烟流体特殊效果的模拟和渲染也可能会出现成百上千倍的高速化。
更深层的说，这张图也许能直观地理解今后的AI和机器学习技术是如何做到的。
