作為計(jì)算機(jī)產(chǎn)品的一個分支,相信很多人對工作站缺乏了解,原因是這個產(chǎn)品的屬性有些偏向?qū)I(yè)級。不同以往傳統(tǒng)PC,工作站不再是一個簡單的,由一些高配硬件堆積成臺的機(jī)器,而是一個完整的獨(dú)立平臺。它是一種以個人計(jì)算機(jī)和分布式網(wǎng)絡(luò)計(jì)算為基礎(chǔ),主要面向?qū)I(yè)應(yīng)用領(lǐng)域,具備強(qiáng)大的數(shù)據(jù)運(yùn)算與圖形、圖像處理能力,為滿足專業(yè)領(lǐng)域而設(shè)計(jì)開發(fā)的高性能計(jì)算機(jī)。
在行業(yè)應(yīng)用方面,工作站就以其強(qiáng)勁的數(shù)據(jù)處理能力和出色的運(yùn)算能力區(qū)別與傳統(tǒng)PC。以影視動漫制作行業(yè)為例,電影視效處理意味著許多大數(shù)據(jù)量的工作將被處理。因?yàn)閷?xì)度的要求較高,每一幀圖片的數(shù)據(jù)量都很巨大,而在對如此多的海量數(shù)據(jù)進(jìn)行處理的時候,整體工作站解決方案的優(yōu)勢就體現(xiàn)了出來。
就在前不久亮相于2014年戛納電影節(jié)的3D動漫電影《龍之谷之破曉奇兵》,憑借高質(zhì)量的制作水準(zhǔn)和故事情節(jié)編排向人們展現(xiàn)了中國影視動漫產(chǎn)業(yè)近幾年飛速發(fā)展的成果。其中,聯(lián)想作為其制片公司米粒影業(yè)IT基礎(chǔ)架構(gòu)合作廠商,以ThinkStation為核心構(gòu)建的渲染集群完美地承擔(dān)了《龍之谷:破曉奇兵》從前端視覺設(shè)計(jì),到后端渲染制作的重要任務(wù),組建了249臺ThinkStation專業(yè)圖形工作站為核心組成的強(qiáng)大渲染集群,其中入門級的ThinkStation E系列和主流的ThinkStation S30作為繪圖工作站,旗艦型的聯(lián)想ThinkStation D30工作站負(fù)責(zé)動畫擴(kuò)展,而渲染和后期制作則是交給了ThinkStation C30。
米粒影業(yè)CTO徐喆談及與聯(lián)想的合作理由,“聯(lián)想ThinkStation工作站有著Think的高端品牌理念,絲毫不遜于國外產(chǎn)品,且通過聯(lián)想自主研發(fā),在各方面的技術(shù)領(lǐng)域已經(jīng)達(dá)到國際相當(dāng)高的標(biāo)準(zhǔn),這也是米粒影業(yè)選擇聯(lián)想ThinkStation工作站的主要原因。” 聯(lián)想ThinkStation不僅為米粒影業(yè)搭建了從前端視覺設(shè)計(jì),到后端渲染制作的計(jì)算機(jī)硬件系統(tǒng),還解決了因制作周期短而帶來的時間成本和如何降低存儲、設(shè)備維護(hù)等帶來的挑戰(zhàn)。
聯(lián)想ThinkStation專業(yè)圖形工作站繼承了Think家族的高品質(zhì)表現(xiàn)出不凡實(shí)力。雙路英特爾至強(qiáng)四核處理器在開啟CPU超線程技術(shù)后,系統(tǒng)響應(yīng)速度大幅提升,全面加速前后端整體制作流程,而Kepler架構(gòu)NVIDIA Quadro顯卡可實(shí)現(xiàn)基于GPU的渲染硬件加速,能夠讓專業(yè)人員最大限度提升了畫面中人物、環(huán)境的逼真與還原度。同時,ThinkStation擁有效能出色的多路散熱設(shè)計(jì),使其能夠在高負(fù)荷的集群工作條件下仍能穩(wěn)定運(yùn)行。
作為3D動漫電影,《龍之谷:破曉奇兵》的制作對工作站的性能和品質(zhì)要求都極為嚴(yán)苛,制片高峰期時通常會出現(xiàn)超過2,000億次的數(shù)據(jù)請求,并要求100TB以上的7x24h全時數(shù)據(jù)存儲能力。作為中國動漫產(chǎn)業(yè)創(chuàng)新的視效幕后推手,聯(lián)想ThinkStation為3D動漫視效呈現(xiàn)提供了可靠助力。
據(jù)悉,《龍之谷:破曉奇兵》將于7月31日登陸中國各大影院,屆時不妨讓我們一同去品味聯(lián)想ThinkStation為我們帶來的精彩視效大戲。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊(duì)提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。