從最早的PCMAC,到后來的紅色警戒,再到魔獸世界,PC產(chǎn)業(yè)發(fā)展壯大的歷程,其實也是游戲市場蓬勃發(fā)展的旅程。
從千禧年以來的十多年里,正是游戲市場蓬勃發(fā)展的時期,中國眾多的游戲玩家強烈的需求,推動著游戲市場的爆炸式增長,這種浪潮催生了眾多的游戲巨頭,同時也給IT產(chǎn)業(yè)帶來新氣象。
品牌認知度根深蒂固
上世紀九十年代,當時DIY市場一派繁榮,每一個家庭、用戶都以攢機為榮,那個時候位于北京海淀區(qū)中關村的電腦市場林立,走在中關村的大街上,你會被琳瑯滿目的電腦配件所吸引。
DIY是絕對的主流,那個時候人們攢一臺電腦,主要訴求是學習、工作、玩游戲。那個年代不單是家庭用戶攢機,很多企業(yè)用戶也喜歡這種方式,因為DIY的價格要比品牌機便宜太多,而且配置和性能要高很多。
那個時代,網(wǎng)吧市場也異常繁榮,聚三五好友,一起去網(wǎng)吧大打一場、切一頓某個游戲,也是很痛快淋漓的事情。
在PC游戲時代,人們對PC的偏好,會看它是不是采用了某家的處理器和顯卡,因為這兩個配件對于游戲玩家而言,是至關重要的。
AMD的處理器和顯卡在DIY市場積攢出來的人氣,很自然地延續(xù)到了DIY的高端市場——游戲市場,很多人在攢機時主動要求選配AMD的產(chǎn)品。
在2011年3月,AMD推出了融合了CPU和GPU的APU,這一舉措很大程度上改變了游戲市場的格局,APU為游戲用戶帶來更高的性能和流暢的視覺體驗,性價比也更佳。
如今,品牌機橫行天下,眾多品牌PC廠商選擇AMD的APU作為游戲電腦的標配,甚至有很多廠商選擇APU來推出高端的定制化游戲電腦。
蓬勃發(fā)展的中國游戲市場
2014年,對于中國游戲市場而言,是里程碑式的一年。這一年,中國對國外游戲主機全面解禁。9月份,微軟的XBOXOne游戲主機率先在華開售。游戲主機解禁,這是眾多游戲主機發(fā)燒友翹首期盼的事情。
隨著這一事件的升溫,人們對游戲主機的熱衷也持續(xù)升溫。隨之而來,三大主機背后的技術提供商AMD也再次成為話題的焦點。
如今,網(wǎng)游、手游等都非常流行,但是游戲主機帶來了特殊的游戲體驗仍然讓很多游戲玩家癡迷。隨著中國對國外游戲主機的開放,相信游戲主機市場將迅速迎來新一輪增長,這也將給本就熱鬧非凡的中國游戲市場添加更多爆炸點。
AMD除了跟微軟、索尼、任天堂這三大游戲主機巨頭合作之外,還積極探索PC游戲市場,與諸多電腦廠商一起合作開發(fā)了游戲筆記本電腦、游戲電腦,其憑借多年在游戲市場的積累,已經(jīng)從一家芯片提供商搖身轉變成為一家游戲解決方案提供商。
如果說前些年,AMD面向游戲市場的策略是提供CPU、GPU以及APU之外,那么現(xiàn)在AMD為游戲產(chǎn)業(yè)帶來的遠不止這些。今年6月份,AMD在Computex 2014上宣布了統(tǒng)一游戲戰(zhàn)略,簡稱“4C”,這是AMD對游戲市場全新的整體戰(zhàn)略。它包括4個“C”,分別是客戶端(Client)、內(nèi)容(Content)、云端(Cloud)、游戲主機(Console)。
AMD旨在通過統(tǒng)一游戲戰(zhàn)略,來打造一種無縫的游戲體驗。解釋一下就是說,用戶可以在PC上得到游戲主機的游戲體驗,AMD通過在軟件和硬件方面的努力,從而讓PC和游戲主機的游戲體驗都達到最佳。
目前,所有面向游戲主機開發(fā)的游戲,都基于AMD硬件進行了優(yōu)化。這些游戲主機上的游戲登陸到PC上,Mantle技術將會使這些主機游戲更容易地在PC上運行,并且使游戲開發(fā)商能夠更容易地移植這些游戲。
與此同時,云端streaming在使用AMD顯卡方面的技術,如果Mantle游戲在云服務器上運行,也可以讓游戲運行得更快,對于使用者來說會有更好的體驗,在四個”C”上能達到“四贏”的局面。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。