7月27日,由米粒影業(yè)(MILI PICTURES)出品的中國首部3D動畫巨制《龍之谷:破曉奇兵》在北京藍色港灣傳奇時代影城搶先上映。該片由迪士尼金牌制作人比爾·伯頓領銜,好萊塢主創(chuàng)與中國本土一線動畫團隊并肩作戰(zhàn),最終打造了這部中國動畫電影史上,投資最大,制作最精良的視效動畫大片。聯(lián)想作為米粒影業(yè)IT基礎架構合作廠商,以ThinkStation工作站為《龍之谷:破曉奇兵》提供獨家IT技術支持,承擔了計算機圖形(CG)動畫制作的重任,以完美技術將藝術靈感化為現(xiàn)實。
聯(lián)想集團中國區(qū)大客戶事業(yè)部PC產(chǎn)品營銷總經(jīng)理王立平在首映禮上表示:“聯(lián)想ThinkStation工作站自2008年問世以來,就以創(chuàng)新、高品質(zhì)的產(chǎn)品獲得了客戶的認可,保持了19個季度在中國的業(yè)績快速增長,在2013年底,聯(lián)想ThinkStation中國區(qū)市場份額達到了32.8%。而DCC領域是我們今年重點發(fā)力的市場,此次與米粒影業(yè)合作,無疑將強化聯(lián)想ThinkStation在DCC領域的領導力,我們也期待與米粒影業(yè)通過技術+藝術的創(chuàng)新,推動國內(nèi)動漫電影與國際的接軌。”
米粒影業(yè)CTO徐喆介紹到,在《龍之谷:破曉奇兵》影片制作過程中,每一幀的文件大小約為1~2GB,每一個特效鏡頭的文件大小在50~100GB左右,而整部電影有大約500個特效鏡頭,僅特效鏡頭的渲染就是一項極為繁重的處理任務,如果在傳統(tǒng)平臺上進行渲染,很難在有限時間內(nèi)完成。而通過聯(lián)想ThinkStation搭建的集群渲染農(nóng)場,渲染效率得到了25%的提升,《龍之谷:破曉奇兵》的制作周期縮短至18個月,領先于國際公司同品質(zhì)作品24個月的制作周期。
無疑,《龍之谷:破曉奇兵》頂尖的制作水準和故事情節(jié)編排是其兩大殺手锏,這也使其在今年5月法國戛納電影節(jié)大放異彩,贏得國際眾多專業(yè)人士的一致好評。而光環(huán)的背后,少不了制作團隊的辛苦耕耘,以及頂級技術平臺的鼎力支持。根據(jù)米粒影業(yè)創(chuàng)作團隊的分工,聯(lián)想ThinkStation工作站家族為其提供了量身定制的產(chǎn)品,基于英特爾至強E3-1200v3、E5-1600v2、E5-2600v2處理器, 聯(lián)想ThinkStation工作站以更加穩(wěn)定、強大的計算性能滿足從美術、形象設計、場景設計到特效等不同部門的多樣化需求。比如,前期的美術設計對硬件的要求相對不高,但需要超高的穩(wěn)定性,聯(lián)想提供了入門級的ThinkStation E系列和主流的ThinkStation S30工作站;而作為整個動畫電影制作的核心部門,動畫部門對顯卡要求極高,因此配備了旗艦型的聯(lián)想ThinkStation D30工作站,用戶可隨需輕松擴展;而對于后期渲染和片段合成,聯(lián)想為其提供了靈活性最強的ThinkStation C30集群,最高配備24核的英特爾至強E5-2600v3處理器,以滿足渲染對CPU線程數(shù)量、超大內(nèi)存和海量存儲的需求。在后端,以249臺聯(lián)想ThinkStation工作站為核心構建的渲染集群可輕松應對制作高峰期超過2,000億次數(shù)據(jù)請求,以及100TB以上的7×24小時數(shù)據(jù)存儲需求。 “兩年多的時間里,ThinkStation工作站故障率不超過3%,在幾百臺工作站里只有幾臺發(fā)生過返修和調(diào)整。” 米粒影業(yè)負責特效制作的宋志遠對聯(lián)想工作站的穩(wěn)定性表示了肯定。
據(jù)悉,《龍之谷:破曉奇兵》將于7月31日正式登陸全國院線。未來,聯(lián)想ThinkStation工作站還將參與米粒影業(yè)后續(xù)作品的創(chuàng)作,加速中國動漫影視產(chǎn)業(yè)的創(chuàng)新,讓靈感加速實現(xiàn)。
好文章,需要你的鼓勵
浙江大學團隊提出動態(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、編程等任務上顯著提升推理準確率,且不增加計算成本。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。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(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。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。