
科技行者 4月28日 北京消息(文/阡陌客):2019年4月18日上午,英偉達(NVIDIA)在北京嘉里大酒店舉行了GEFORCE UPDATE媒體見面會,NVIDIA中國區(qū)技術市場經理朱亮為現(xiàn)場媒體介紹了英偉達最新產品和技術進展,并回答了媒體提問。會上帶來了關于1660 Ti筆記本重磅消息:16系列TURING架構GPU即將被應用于筆記本平臺,且涵蓋了所有主流OEM品牌,各廠商會發(fā)布超過80款不同的設計。GTX 1660 Ti 比GTX 1060快32%,和GTX 1070持平;而GTX 1650可以提供比GTX 1050高70%的性能。GTX 1060對主流游戲筆記本電腦市場長達數(shù)年的統(tǒng)治即將結束。
現(xiàn)場展出了一大波來自各家硬件廠商的非公版GeForce GTX顯卡、游戲本,和光追游戲Demo。
三風扇雙風扇GTX 1660 Ti顯的實物,1660Ti芯片配合各家的經典散熱方案。如果超頻后性能提升明顯,加錢買三風扇版本比較劃算,配合上高端散熱的外觀和RGB,游戲體驗也會更好;如果超頻也不太提升性能的話,買雙風扇短卡組裝小機器會是更好的選擇,降壓降頻用還更省電。
能把這么大一坨三風扇顯卡塞進中端游戲本,很有可能要依靠NVIDIA Max-Q設計
GTX 1660Ti筆記本真機
RTX 2080游戲本,次旗艦RTX芯片配合出色的Max-Q設計,價格區(qū)間都在兩萬以上
除了預告發(fā)布1660Ti/1650筆記本外,另外一個比較新穎的話題是,宣布在Game Ready Driver(GRD)的基礎上提供面向創(chuàng)作者的Creator Ready Driver(CRD)。相比GDR,CRD會針對內容創(chuàng)作軟件去做更多的測試,來保證這些像Premier、Photoshop、Maya這些軟件不會存在兼容性的問題,并且向后兼容,確保所有的軟件(包括Adobe全家桶)工作是沒有問題的。
傳統(tǒng)話題方面,圖靈架構不僅為RTX顯卡引入了光線跟蹤,而且優(yōu)化了核心和緩存的體系結構。根據(jù)NVIDIA的介紹,CUDA core現(xiàn)在提供了浮點數(shù)和整數(shù)運算的并發(fā)執(zhí)行能力,以提高現(xiàn)代游戲計算量較大的工作負載下的性能。此外,對緩存結構進行了優(yōu)化,使得新的統(tǒng)一內存體系結構,數(shù)據(jù)位寬是Pascal的兩倍,容量也有幾倍的提升。與Pascal相比,這將使每個時鐘多執(zhí)行50%的指令,并提高電能利用率,以更低的功耗支持更高的性能。
另外NVIDIA還像到場媒體介紹了自適應著色技術的優(yōu)勢、RTX光線追蹤技術的應用細節(jié)和DXR游戲發(fā)行的進展。相比于DX9->DX10->DX11->DX12,此次DXR的技術升級和推廣速度已經比以往的歷次升級都要快了。
主流游戲開發(fā)商和編程接口都已經開始支持光線追蹤,這意味著技術的普及和游戲開發(fā)的難度降低,市場上很快就可以看到更多的光線追蹤游戲。
小字部分翻譯成中文就是“黃教主我們挺你”
硬件氪金可以提高競技水平
深表贊同。沒吃到雞真不只是因為我手殘,主要還是屏幕太閃了
G-SYNC Compatible放低姿態(tài)打FreeSync,買得起的G-SYNC
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)不同問題靈活調整內部專家配置。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量視頻,延遲僅0.76秒,質量漂移指標從傳統(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。