微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 AMD在游戏主机和PC游戏找到蓝海 深拓中国市场

AMD在游戏主机和PC游戏找到蓝海 深拓中国市场

2014-06-19 10:51
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-06-19 10:51 CNET科技资讯网

近日,在台北国际电脑展Computex 2014上,AMD发烧级显卡产品技术沟通负责人Robert Hallock与AMD CTO隶属游戏科学家Richard Huddy接受CNET科技资讯网采访时表示,AMD不但在游戏主机市场获得好评,而且在PC游戏市场也拥有很多粉丝。AMD还将全面拓展中国游戏市场。

AMD在游戏主机和PC游戏找到蓝海 深拓中国市场

图为AMD发烧级显卡产品技术沟通负责人Richard Huddy(右)

如今,AMD是游戏市场上的翘楚,微软、索尼、任天堂等三大主机厂商都把AMD作为核心合作伙伴。而在PC游戏市场,AMD同样找到了空间,在本届Computex上,微星就与AMD合作展示了一系列游戏笔记本电脑,其他厂商也纷纷展示了与AMD合作的电脑设备。

在Computex 2014上,AMD发布了专为超轻薄和高性能移动式PC电脑设计的全新2014高性能移动式A系列APU(代号“Kaveri”)。该系列APU广受欢迎,在给笔记本带来更高能效的同时,将给个人和专业用户带来更高的性能和更丰富的特性。

包括宏碁、华硕、戴尔、惠普、联想、三星、东芝以及其它品牌厂商在Computex上,展出了基于AMD最新平台的笔记本电脑和台式机产品。

中国游戏主机正在逐渐放开,微软的Xbox One即将在中国开售,这将彻底引爆中国游戏主机市场的热潮。对于AMD在全球及中国游戏市场的策略,Robert Hallock指出,AMD在游戏市场有着整体战略,包括4个C,分别是客户端(Client)、内容(Content)、云端(Cloud)、游戏主机(Console)。旨在让不论是软件和硬件都可以互惠,达到最佳化。所有面向游戏主机开发的游戏,都基于AMD硬件进行了优化。这些游戏主机上的游戏登陆到PC上,Mantle技术将会使这些主机游戏更容易地在PC上运行,并且使游戏开发商能够够更容易地移植这些游戏。

Richard Huddy补充说,比如云端streaming在使用AMD显卡方面的技术,如果Mantle游戏在云服务器上运行,也可以让游戏运行得更快,对于使用者来说会有更好的体验。在四个C上面能达到一个“四赢”的局面。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-