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 联想ThinkStation 3D动漫视效的幕后推手

联想ThinkStation 3D动漫视效的幕后推手

2014-07-17 15:33
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-07-17 15:33 CNET科技资讯网

作为计算机产品的一个分支,相信很多人对工作站缺乏了解,原因是这个产品的属性有些偏向专业级。不同以往传统PC,工作站不再是一个简单的,由一些高配硬件堆积成台的机器,而是一个完整的独立平台。它是一种以个人计算机和分布式网络计算为基础,主要面向专业应用领域,具备强大的数据运算与图形、图像处理能力,为满足专业领域而设计开发的高性能计算机。

在行业应用方面,工作站就以其强劲的数据处理能力和出色的运算能力区别与传统PC。以影视动漫制作行业为例,电影视效处理意味着许多大数据量的工作将被处理。因为对精细度的要求较高,每一帧图片的数据量都很巨大,而在对如此多的海量数据进行处理的时候,整体工作站解决方案的优势就体现了出来。

联想ThinkStation 工作站家族

就在前不久亮相于2014年戛纳电影节的3D动漫电影《龙之谷之破晓奇兵》,凭借高质量的制作水准和故事情节编排向人们展现了中国影视动漫产业近几年飞速发展的成果。其中,联想作为其制片公司米粒影业IT基础架构合作厂商,以ThinkStation为核心构建的渲染集群完美地承担了《龙之谷:破晓奇兵》从前端视觉设计,到后端渲染制作的重要任务,组建了249台ThinkStation专业图形工作站为核心组成的强大渲染集群,其中入门级的ThinkStation E系列和主流的ThinkStation S30作为绘图工作站,旗舰型的联想ThinkStation D30工作站负责动画扩展,而渲染和后期制作则是交给了ThinkStation C30。

米粒影业CTO徐喆谈及与联想的合作理由,“联想ThinkStation工作站有着Think的高端品牌理念,丝毫不逊于国外产品,且通过联想自主研发,在各方面的技术领域已经达到国际相当高的标准,这也是米粒影业选择联想ThinkStation工作站的主要原因。” 联想ThinkStation不仅为米粒影业搭建了从前端视觉设计,到后端渲染制作的计算机硬件系统,还解决了因制作周期短而带来的时间成本和如何降低存储、设备维护等带来的挑战。

3D动漫电影《龙之谷之破晓奇兵》剧照

联想ThinkStation专业图形工作站继承了Think家族的高品质表现出不凡实力。双路英特尔至强四核处理器在开启CPU超线程技术后,系统响应速度大幅提升,全面加速前后端整体制作流程,而Kepler架构NVIDIA Quadro显卡可实现基于GPU的渲染硬件加速,能够让专业人员最大限度提升了画面中人物、环境的逼真与还原度。同时,ThinkStation拥有效能出色的多路散热设计,使其能够在高负荷的集群工作条件下仍能稳定运行。

作为3D动漫电影,《龙之谷:破晓奇兵》的制作对工作站的性能和品质要求都极为严苛,制片高峰期时通常会出现超过2,000亿次的数据请求,并要求100TB以上的7x24h全时数据存储能力。作为中国动漫产业创新的视效幕后推手,联想ThinkStation为3D动漫视效呈现提供了可靠助力。

据悉,《龙之谷:破晓奇兵》将于7月31日登陆中国各大影院,届时不妨让我们一同去品味联想ThinkStation为我们带来的精彩视效大戏。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

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