今年稍早，NVIDIA 終於推出了 Project G-Assist，這是一個你可以嘗試的真實產品，它的「概念」早在 2017 年 4 月就已出現。最初的想法（開玩笑地）圍繞著為玩家提供盡可能多的幫助，讓他們能夠順利通過卡住的關卡，而真正的產品依賴於 AI，並且比遊戲內助手的功能更多。
什麼是 Project G-Assist？
目前，Project G-Assist 使用 Meta 的 Llama-3.1-8B 小型語言模型 (SLM)，該模型在你的電腦本地運行，更具體地說，是在 RTX GPU 上運行。用 NVIDIA 的話來說：「隨著現代電腦變得越來越強大，它們的操作也變得越來越複雜。G-Assist 幫助用戶控制各種 PC 設置，從優化遊戲和系統設置、繪製幀速率和其他關鍵性能統計數據，到控制選定的外圍設備設置（例如照明）——所有這些都通過基本的語音或文本命令實現。」
這個想法與 Google 和 Apple 如何利用 AI 模型增強各自的數位助手並沒有太大的不同，這使它們能夠更好地理解人類語言並調整設置，而無需在系統的不同角落中瀏覽頁面深度的菜單。從理論上講，這對於休閒用戶尤其有幫助：就像我們這樣的人是極客，喜歡根據自己的意願調整旋鈕一樣，GPU 超頻或調整圖形設置對於他們來說可能過於令人望而生畏——這就是 Project G-Assist 發揮作用的地方。
設定
在安裝 Project G-Assist 之前，你需要了解一些事項，首先是系統要求。最重要的是，你必須擁有 RTX 30 系列或更新的 GPU，且至少具有 12GB 的 VRAM（目前不包括筆記型電腦 GPU）——不幸的是，由於過去幾代產品中一些奇怪的 VRAM 配置，這造成了一種情況，即 RTX 3060 12GB 的所有者可以運行該模型，而高端 RTX 3080（具有 10GB VRAM）的所有者則無法運行。哎呦。
假設你的 GPU 硬體滿足要求，你還需要 Windows 10 或 Windows 11 作業系統，以及 GPU 驅動程式版本 572.83 或更高版本；對於儲存，它需要至少 6.5GB 的磁碟空間才能使系統助手功能正常工作（語音命令將需要額外的 3GB）。目前，僅支援英語。
你還需要安裝 NVIDIA App 才能在你的系統上啟用 Project G-Assist；對於外圍設備相關的硬體要求，目前版本支援 MSI 主機板，以及來自 Logitech G、Corsair 和 Nanoleaf 的外圍設備。並非所有型號都受到這些品牌的支援——有關更多詳細資訊，請查看 Project G-Assist 主頁下的「系統要求」選項卡。
測試系統
- CPU：Intel Core i9-13900K
- 散熱：Cooler Master MasterLiquid PL360 Flux 30th Anniversary Edition
- 導熱矽脂：Thermal Grizzly Kryonaut
- 主機板：ASUS ROG Maximus Z790 Apex
- GPU：NVIDIA GeForce RTX 5090 Founders Edition
- 記憶體：Kingston FURY BEAST RGB DDR5-6800 CL34 (2x16GB)
- 配置為 DDR5-6400 CL32 XMP 配置文件
- 儲存：ADATA LEGEND 960 MAX 1TB
- 電源：Cooler Master MWE Gold 1250 V2 Full Modular (ATX12V 2.52) 1250W
- 機殼：VECTOR Bench Case (Open-air chassis)
- 作業系統：Windows 11 Home 24H2
測試
如上面的基準系統規範中所述，我們將使用 NVIDIA GeForce RTX 5090 Founders Edition 來演示此功能。這款旗艦級 Blackwell 驅動的 GPU 具有 32GB 的 GDDR7 VRAM、第 5 代 Tensor Core 和 21,760 個 CUDA 核心，所有這些組合在一起可提供 3,352 TOPS 的 AI 特定 FP4 性能（請注意，此數字無法與 RTX 4090 的 1,321 TOPS 直接比較，後者使用 FP8）。
注意：在測試時，Project G-Assist 仍處於預發布版本（版本 0.1.9），因此某些功能可能不完整。從下面執行的測試生成的结果將僅適用於此版本，因為隨著 AI 模型和功能隨時間更新，结果將有所不同。
首次使用
這是你通過 Alt+G 鍵啟用該功能後首先看到的内容，它將永久駐留在螢幕上的某個位置，直到你完全禁用它（可以通過 Alt+R 鍵通過快速設置來完成）。與 AI 語言模型一樣，免責聲明適用——可能會發生幻覺（語言模型可能會產生不正確的結果，通常會使不知情的用戶信服），因此請盡可能檢查錯誤。
首次輸入消息/命令時，也會顯示免責聲明消息，再次聲明不能完全保證 AI 生成的結果。看到此消息後，聊天機器人已準備好通過自然語言回應命令——也就是說，此版本中仍然只有一組有限的命令（自然語言或其他方式）可用，你可以在網站上參考這些命令。
系統信息和監控
從簡單的問題（例如系統的性質）開始，G-Assist 會以回應中列出的所有重要硬體信息做出適當的回應。但是，它似乎難以獲取我們的 BenQ 4K 顯示器的有效分辨率（即 4K 60Hz），但除此之外，它通過了我們的初步嗅探測試。
接下來，另一個（大概）常見的用例是監控 GPU 的功耗。我們在右上角有更傳統的遙測數據，但是除非你有 HWiNFO64 之類的第三方工具，否則它不會提供完整的圖形；因此，在這種情況下，休閒用戶可能會要求聊天機器人提供他們需要的信息。
我們向 Project G-Assist 聊天機器人提出了三個不同的問題，其中前兩個問題沒有問題地得到了回應；也就是說，第三個問題似乎超出了其能力範圍，因為我們最初希望它在可用時提供即時監控。相反，它給了我們目前的 GPU 功耗。
還值得注意的是，當 GPU 正在努力生成回應時，它將使用其可用的絕大部分功率，在這種情況下，每次向聊天機器人發出提示時，我們的 RTX 5090 FE 都會瞬間消耗超過 350 瓦的功率。在較舊或較弱的硬體上，生成回應所需的時間可能會更長（最壞的情況是 RTX 3060 12GB，因為它是具有足夠 VRAM 來訪問此功能的最低端型號），但在這種情況下，我們觀察到大約半秒的「思考」時間，然後生成回應。
遊戲和性能
讓我們轉換一下，看看遊戲。如果你在 Steam 中有太大的遊戲庫而無法篩選，則可以直接從聊天機器人啟動遊戲——假設你不知何故沒有將遊戲快捷方式放在桌面上或「開始」菜單中（在這種情況下，我們甚至不需要拼寫 Forza Horizon 5 的全名，它就可以找出要啟動哪個遊戲，儘管這是我們系統中唯一的 Forza 遊戲）。
巧合的是，驅動程式更新可能已經搞砸了遊戲中的設置，導致 FH5 卡在糟糕的 15 FPS 中。一個麻煩的休閒玩家可能會立即猛擊 Alt+G 熱鍵並開始詢問 G-Assist 「發生了什麼事」，但這就是 G-Assist 的局限性所在：它缺乏讀取遊戲設置的能力，而是提供了一個通用回應，為用戶提供了一些基本方向來診斷問題。
通過手動診斷，我們確實發現遊戲不知何故將其內部幀速率限制切換為僅 15 FPS，而 G-Assist 根本沒有檢測到這一點。它的回應顯示「幀速率限制器已禁用」，這可能指的是 NVIDIA App 中 NVIDIA 的驅動程式級別設置，但休閒用戶很可能無法自行解決此問題，並且最終可能會被這種不太理想的回應誤導。
接下來，我們將其帶到 Counter-Strike 2，看看 NVIDIA 是否能找到提高 PC 延遲的方法——這是競技遊戲玩家必須注意的指標，但並非每個人都能輕鬆理解。要求 G-Assist 提供平均延遲報告很容易做到，但它未能就進一步改進此指標提供任何具體建議（並且它給出了我們剛剛在 Forza Horizon 5 中看到的相同回應）。
這仍然很好，因為我們假設 NVIDIA 已經很好地推銷了其功能，以至於 NVIDIA Reflex 是一項 FPS 遊戲玩家最有可能知道的功能。那麼，如果他們無法在 CS2 相當複雜的遊戲內設置中找到該選項的位置，並選擇詢問聊天機器人會發生什麼？不幸的是，它完全沒有意識到 Reflex 實際上已啟用，而是告訴我們它已禁用。我想這就是為什麼我們被提醒要檢查其錯誤的原因。
其他場景
在下一個場景中，我們探測聊天機器人，看看它是否能找到一種方法來啟用 RTX 視頻超分辨率 (RTX VSR)，這是一種視頻升級技術，旨在提高有效分辨率並減少在線視頻（例如 YouTube 和 Twitch）中的壓縮偽影。現在，如果你熟悉 League of Legends，你就會知道有時一場團戰會使螢幕變得非常混亂，並導致所有以塊狀像素形式存在的視覺偽影；或者在其他情況下，你希望 1080p 流升級到你的 4K 顯示器。
公平地說，Project G-Assist 雖然我們沒有明確提及該功能的名稱，但它確實設法找出了我們正在尋找的功能；但它沒有能力檢測該功能是否已啟用。（這很奇怪，因為 G-Assist 檢查 NVIDIA App 的設置不會非常簡單嗎？）
好吧，那就這樣吧——我們也許只會要求聊天機器人將我們直接帶到設置頁面來啟用該功能，只是為了給它盡可能最好的機會。這也不起作用，聊天機器人沒有提供任何進一步的建議，讓任何休閒用戶都去問 Google（鑑於現在的情況，這很可能會給他們另一個 AI 生成的結果）。
深入解析 Project G-Assist：NVIDIA 的 AI 助手能達到目標嗎？
NVIDIA 的 Project G-Assist 承諾利用人工智能來簡化 PC 管理並增強遊戲體驗。通過 Meta 的 Llama-3.1-8B SLM 提供支持，該模型在本地運行，目標是通過語音或文本命令優化系統設置、監控性能和控制外圍設備。雖然這個想法很有前景，但實際的性能遠未達到完美。
設定難題：硬體和軟體的障礙
設定 Project G-Assist 提出了幾個障礙。首先，對 RTX 30 系列或更新的 GPU 的要求，以及至少 12GB 的 VRAM，大大限制了其潛在用戶群。這種限制排除了大量擁有性能較低 GPU 的玩家，包括許多 RTX xx60 系列所有者。此外，對特定作業系統版本和驅動程式的依賴增加了複雜性。
支援的外圍設備也僅限於 MSI 主機板以及來自 Logitech G、Corsair 和 Nanoleaf 的設備，進一步限制了那些沒有這些特定品牌硬體的用戶的實用性。
現實世界中的性能：混合的結果
在現實世界的測試中，Project G-Assist 在各種任務中的表現並不一致。雖然它能夠準確地檢索系統信息並監控 GPU 功耗，但它難以處理更複雜的查詢。例如，它未能識別 BenQ 4K 顯示器的正確分辨率，並難以提供有關優化遊戲設置的具體指導。
在遊戲方面，Project G-Assist 能夠在 Steam 中啟動遊戲，但它在解決性能問題方面的實用性有限。當 Forza Horizon 5 遇到幀速率問題時，G-Assist 無法診斷根本原因，而是提供了一個通用的回應，這對用戶沒有多大幫助。同樣，在 Counter-Strike 2 中，它未能提供有關減少延遲的具體建議，甚至錯誤地報告了 NVIDIA Reflex 的狀態。
缺少的功能和局限性
Project G-Assist 的局限性不僅僅在於其不一致的性能。它還缺乏關鍵功能，如讀取遊戲設置和檢測 RTX Video Super Resolution (RTX VSR) 的狀態的能力。這些遺漏大大限制了其作為全面 PC 助手的實用性。
此外，G-Assist 依賴本地運行的語言模型，這意味著它需要大量的計算資源。在測試過程中，每當聊天機器人生成回應時，RTX 5090 FE 都會消耗高達 350 瓦的功率。對於擁有較舊或性能較低硬體的用戶來說，這可能會導致性能問題。
更好的溝通和期望管理
鑑於其目前的狀態，NVIDIA 更好地溝通 Project G-Assist 仍處於測試階段。其有限的功能和不一致的性能可能會導致那些期望更完善體驗的用戶感到沮喪。通過對 G-Assist 的當前能力保持透明，NVIDIA 可以設定合理的期望並避免不必要的負面反饋。
未來潛力：有待觀察
儘管存在局限性，但 Project G-Assist 仍然具有未來潛力。隨著 AI 技術的不斷發展，NVIDIA 可以改進語言模型，擴展其功能並優化其性能。通過解決當前存在的局限性並添加新功能，Project G-Assist 有可能成為休閒用戶的寶貴工具。然而，在它達到這個潛力之前，它還有很多路要走。
就目前而言，Project G-Assist 感覺更像是命令控制台的更花哨、自然語言版本，而不是全面的 PC 助手。雖然它可能能夠勝任一些基本任務，但它還不夠完善，無法可靠地解決高級問題或提供個性化指導。只有通過持續的開發和改進，Project G-Assist 才能真正實現其簡化 PC 管理和增強遊戲體驗的承諾。
另一個需要解決的重要問題是系統要求。除非你擁有帶有 12GB 或更多 VRAM 的相當高端的 GPU，否則你根本無法使用此功能——這幾乎排除了所有 RTX xx60 系列的所有者（除非你擁有 RTX 3060 12GB、RTX 4060 Ti 16GB 或 RTX 5060 Ti 16GB），這些所有者佔據了近年來我們看到的許多 Steam 硬體調查中 NVIDIA 驅動的 PC 的很大一部分。我確實希望可以縮小語言模型以適應 8GB 甚至 6GB 的 VRAM，否則，除非 NVIDIA 從現在開始在 GPU 中安裝更多 VRAM，否則它不會得到廣泛使用。