همانطور که میدانید موتور رندرینگ V-Ray تا کنون به صورت یک قطبی پردازش های خود را انجام میداد. این بدان معناست که یا از توان CPU استفاده میکرد یا در بخش VRAY RT از توان GPU یا CPU به صورت جداگانه استفاده مینمود. اما به یکباره خبری از لابراتوار شرکت chaos group منتشر شد که خاصیت دوگانگی یا ترکیبی رندرینگ را در این موتور محبوب به نمایش گذاشت.
از این پس موتور رندرینگ VRAY در بخش Production میتواند همزمان از توان CPU و GPU به صورت مشترک استفاده نمایند. به این روش رندرینگ Hybrid Rendering میگویند. با توجه به اینکه دیباگینگ کدهای GPU دشوار می باشد، توسعه دهندگان موتور وی ری تصمیم گرفتند که کدهای CUDA را بروی CPU اجرا نمایند. در حقیقت در این روش CPU به کمک کارت پردازنده گرافیکی آمده تا بتوان به عنوان ابزاری برای دیباگ کردن آسانتر کدهای کودا از آن استفاده نمود.
در نتیجه بخش کوچکی از فرایند رندرینگ GPU را بروی CPU قرار خواهند داد. اینکار باعث میشود که CPU کمی در بهبود سرعت رندرینگ موثر باشد و فرایند رندرینگ GPU را تقویت کند. اما از آنجایی که فقط CPU ابزاری برای دیباگینگ CUDA می باشد( طبق گفته های شرکت ) نباید انتظار افزایش سرعت چندان زیادی را داشته باشیم. به عنوان مثال درتوسعه دهندگان با یک سیستم با مشخصات زیر اقدام به رندرینگ صحنه های زیر کرده اند و نتایج بدست آمده را دریافت کرده اند
سیستم تست : 2xintel Xeon 2687W V3 + 128GB Ram + 2x Nvidia Quadro GP100
 
تست اول

vrayrender vray hybrid rendering cpu gpu render رندر وی ری هایبرید dfmrendering renderway 01

Mars Rover scene
Engine: V-Ray 3.6 CUDA
Resolution: 1920×1080
Noise threshold: 0.01
GPUs + CPUs
Time: 4:27 (267s)
GPUs only
Time: 5:03 (303s)
13% longer than GPU + CPU
CPUs only
Time: 26:25 (1585s)
520% longer than GPUs alone

تست دوم

vrayrender vray hybrid rendering cpu gpu render رندر وی ری هایبرید dfmrendering renderway 02

Salt and Pepper scene
Engine: V-Ray 3.6 CUDA
Resolution: 1920×1080
Noise threshold: 0.01
GPUs + CPUs
Time: 9:11 (551s)
GPUs only
Time: 11:33 (693s)
25% longer than GPU+CPU.
CPUs only
Time: 40:52 (2452s)
354% longer than GPU alone.
همانطور که مشاهده میکنید این روش در اول راه است و باید منتظر آپدیت های بعدی باشیم. اما در همین جا نیز اقدام بسیار موثری صورت گرفته است و میتواند از تمام ظرفیت هسته های CPU و هسته های پردازشی GPU استفاده نماید. البته برای بدست آمده نتایج نهایی باید منتظر تست های بیشتری باشیم .