Comprando uma GPU AMD em vez de Nvidia? – Você sacrifica mais do que apenas o desempenho do ray tracing

Se você olhar histórica participação de mercado da Nvidia vs AMD No espaço de GPU de desktop discreto em 2018, você verá uma divisão saudável de 64-36. Isso foi antes do lançamento da série RTX 20, e a Nvidia ainda era a líder, mas a AMD tinha uma participação de mercado respeitável de 36%. Desde então, a participação da AMD tem diminuído constantemente, atingindo apenas 5% no final de 2025. Embora existam muitos motivos pelos quais as pessoas continuam a comprar Nvidia em vez de AMD, apesar de esta última oferecer mais VRAM e valor por dólar, estou me concentrando aqui nas compensações objetivas que você faz ao escolher a AMD. O desempenho inferior do ray tracing é provavelmente a primeira coisa em que os jogadores pensam, mesmo depois dos resultados amplamente melhorados da série RX 90. No entanto, poucos títulos com Ray Tracing são verdadeiramente transformadores, e a maioria das pessoas prefere FPS mais altos a melhores iluminação, reflexos e sombras. As compensações mais visíveis associadas às GPUs AMD estão relacionadas à maturidade do software, ao desempenho do ecossistema e à compatibilidade com programas de produtividade. Um gamer pode não se importar com esses fatores, mas eles são importantes para os consumidores que valorizam toda a infraestrutura em torno de suas placas gráficas.

4 coisas que mais sinto falta depois que a Nvidia abandonou as GPUs AMD

A transição para placas gráficas AMD não foi o processo mais tranquilo.

A superioridade do DLSS não é só marketing

Vantagem de pioneiro e mais recursos

Algumas pessoas argumentam, com razão, que a AMD é uma das piores máquinas de marketing na indústria de PCs. As tiradas clássicas “A AMD nunca perde uma oportunidade para perder uma oportunidade” e “A capacidade da AMD de tirar a derrota das garras da vitória” deixam o sentimento do consumidor contra a AMD bastante claro. No entanto, o domínio da Nvidia no lado do software não é apenas um sucesso ou fracasso de marketing, dependendo de qual campo você está falando. A Nvidia permaneceu na vanguarda da inovação de hardware e software durante décadas, mas esta última ganhou cada vez mais destaque nos últimos anos. O desenvolvimento de seu conjunto de upscaling e geração de quadros DLSS ajudou os jogadores a preferirem GPUs Nvidia em vez da concorrência. O DLSS sempre estreou e refinou tecnologias que a AMD e a Intel mais tarde tentaram replicar, com resultados mistos.

Embora o conjunto FSR da AMD tenha preenchido completamente a lacuna com o DLSS em 2026, ele ainda está perseguindo a Nvidia em áreas importantes. Por exemplo, a AMD ainda não é páreo para as tecnologias Multi Frame Generation (MFG) e Ray Reconstruction da Nvidia. A geração de quadros 4x e 6x da AMD pode chegar ao FSR em breve, mas agora o MFG está liderando o caminho. Além disso, a AMD ainda não tem uma resposta para a geração dinâmica de quadros. O recurso Ray Regeneration do Team Red ainda parece uma prévia, e falta suporte no jogo. Na verdade, o suporte a jogos também é um ponto sensível na discussão mais ampla sobre DLSS e FSR. Quase 97% dos jogos que suportam upscaling também suportam DLSS, em comparação com apenas 72% para FSR. Este último não é um número pequeno, mas o fato é que com uma GPU Nvidia você simplesmente obtém suporte mais universal para o seu aprimorador.

A Nvidia também está à frente no suporte para placas gráficas mais antigas, com seu modelo de transformador DLSS disponível até a série RTX 20. Por outro lado, a AMD só anunciou FSR 4.1 em GPUs mais antigas após a reação do consumidor ao suporte inicial exclusivo para a série RX 90. FSR 4.1 está atualmente disponível para GPUs da série RX 7000 com atualização de driver. Mesmo ao comparar opções de escala simples, o DLSS tem melhor desempenho em movimento, como muitos sugeriram. testes cegos realizados em jogadores. O FSR 4.1 é uma fera muito diferente em comparação até mesmo com o recente conjunto FSR 3, mas em termos de qualidade de imagem e estabilidade temporal, o DLSS ainda lidera. Afinal, o DLSS tem um conjunto de recursos mais maduro, enquanto o FSR parece estar sempre se atualizando e não parece que a história vá mudar tão cedo. Para ser justo, a Nvidia tem mais recursos e pode investir pesadamente em pesquisa de IA e engenharia de software. Também contribui para a posição de topo do DLSS.

O DLSS da Nvidia ainda é superior ao FSR da AMD, e isso provavelmente nunca mudará

Isso é alguma surpresa?

Cargas de trabalho de IA favorecem a pilha da Nvidia

Os jogos não são mais a única consideração

Ao comparar os ecossistemas de GPU atuais, é difícil ignorar a parte da história da IA ​​nativa. A plataforma CUDA proprietária da Nvidia ainda é preferida à plataforma ROCm de código aberto da AMD quando se trata de modelos de programação para pesquisa de IA. Quase todos os operadores personalizados e bibliotecas de quantização são construídos e testados usando CUDA primeiro, com suporte ROCm adicionado posteriormente. O ROCm amadureceu muito nos últimos anos e quase não há diferença de desempenho para inferência básica de LLM em CUDA. No entanto, o uso da Nvidia oferece compatibilidade plug-and-play com LLM, bibliotecas e pacotes personalizados de última geração.

Se você trabalha principalmente com inferência baseada em texto e não se importa com a configuração manual, as GPUs AMD não são problema. No entanto, se a geração de imagens, o suporte do sistema operacional e o suporte do primeiro dia estiverem fora de questão, usar a Nvidia ainda faz mais sentido. Quando se trata de escolher entre Nvidia e AMD, os entusiastas e profissionais domésticos de IA têm mais do que os jogadores. E o domínio do CUDA é difícil de ignorar.

A IA nativa está mais acessível do que nunca, mas com uma grande ressalva quanto ao tamanho da GPU

As especificações do seu sistema ainda são importantes se você deseja um desempenho decente de sua pilha de IA nativa

Cargas de trabalho criativas ainda são o forte da Nvidia

Mesmo o AMD Adrenalin não consegue fazer uma pausa

Mesmo que você não seja um consumidor ideal para cargas de trabalho de IA nativa, provavelmente você transmite jogos, edita vídeos e usa programas de renderização 3D. O codificador NVENC da Nvidia ainda é o padrão, oferecendo melhor qualidade do que o AMF da AMD nas mesmas taxas de bits, mesmo depois que este último obteve grandes melhorias com RDNA 4. Além disso, há o fato de que Nvidia Broadcast, ShadowPlay e Reflex se unem de uma forma que o pacote Adrenalin da AMD ainda não funciona. Se você navegar no Reddit, ainda poderá ver pessoas reclamando de tempos limite de direção, telas pretas e certas instabilidades no jogo. O aplicativo da Nvidia pode não ser tão sofisticado quanto o Adrenaline, mas parece mais estável por enquanto.

Nvidia CUDA está de volta em programas como Adobe Premiere Pro, After Effects e Blender, oferecendo melhor desempenho do que hardware AMD em muitos casos. Os profissionais envolvidos nesses fluxos de trabalho são essencialmente forçados a escolher a Nvidia com mais frequência. Os consumidores adorariam oferecer suporte a hardware mais acessível, mas não podem fazê-lo devido ao desempenho, estabilidade e compatibilidade. A AMD tem trabalhado duro para diminuir a diferença com a Nvidia em cada uma dessas áreas, mas a Nvidia tem uma vantagem real que não pode ser ignorada.

Velocidade do clock da memória

1750MHz

Arquitetura

Blackwell

Processo

TSMC4N

Entidades sombreadoras

6144

Aceleradores/núcleos de feixe

48

Aceleradores/núcleos de IA

192


As GPUs mais recentes da Nvidia e da AMD me fizeram perceber que o software é mais importante do que o hardware em 2026.

A lacuna não é mais apenas baseada em silício

A AMD não fica muito atrás, mas você deve conhecer as vantagens e desvantagens antes de comprar

Se você comparar onde a AMD está agora com onde estava há apenas alguns anos, a diferença é gritante. Vimos saltos reais de desempenho em ray tracing e dimensionamento, melhorias significativas no ROCm e viabilidade de aplicativos de produtividade. No entanto, a Nvidia ainda lidera em quase todas as áreas e, ao comparar hardware com preços semelhantes, essas diferenças tornam-se importantes.

Link da fonte