在不久前刚刚落下帷幕的微软Windows硬件工程产业创新峰会(WinHEC)上,微软正式宣布将于今年夏天在全球190个国家和地区正式发布Windows 10操作系统。这将意味着,Windows 10将成为下一阶段,各大硬件厂商群雄逐鹿的平台。
Windows 10在为用户提供商务办公便利的同时,在游戏的体验上也有着很好的表现。凭借DirectX 12这一重大技术升级,可为用户提供更加流畅的游戏体验。然而,随着DirectX 12的普及,处理器与显卡的潜能将全面获得解放。而在这样的变革中,AMD凭借Radeon显卡的技术领先优势,已然取得了市场先机。
DirectX 12时代 AMD已抢占先机
提起Direct X12,就不得不提到此前AMD推出的革命性的Mantle技术,其与Direct X 12的产生,颇具渊源。在WinHEC技术分会场,来自AMD的技术专家详细的介绍了AMD Radeon显卡在未来的DirectX 12时代的优势。
AMD在DirectX 12中的出色表现得益于DirectX 12对多核CPU多线程处理能力的提升,同时CPU与GPU的交互效率也更高,GPU自身的执行效率也有极大提升。GPU当中负责物理模拟、光照计算以及显存操作的单元,在DirectX 12中可以同时进行,相比DirectX 11中的顺序执行,效率提升明显。除了多线程效率的大幅度提升,DirectX12还有很多的潜在优势,比如更高的帧速率、更平滑的游戏体验、对GPU硬件的利用更有效率以及减少系统能耗等等。
在活动现场,AMD现场演示了在配备AMD全新FX-8350处理器和AMD Radeon R9290X显卡的统一配置下,基于DirectX 11运行《奇点灰烬(Ashes of the Singularity)》和基于DirectX 12运行的状况。从现场演示效果看,二者性能差距较为明显,尤其是当游戏画面和人物复杂性及细节增加的时候,DirectX 11明显出现了卡顿,掉帧约在40%左右,而DirectX 12的运行则非常流畅。
有效解决画面撕裂 AMD FreeSync 同步技术
为了提升游戏体验,除AMD在DirectX 12上的优势外,在现场,AMD还展示了其刚刚发布的FreeSync 同步技术。
AMD FreeSync技术是一套完整解决方案,其包含:一个可兼容 AMD FreeSync技术的AMD Radeon显卡、一个启用AMD FreeSync技术的AMD Catalyst显卡驱动,和一个可兼容 DisplayPort自适应同步的显示器。三者相互配合,可有效避免画面撕裂、消除卡顿,并显著减少输入延迟,为玩家带来更完美的游戏体验,真正适合追求无缝视觉体验的每位用户。
更加强大的搜索功能 AMD人脸识别搜索技术
在WinHEC现场,AMD还带来一款基于HSA异构计算的视频内人脸识别搜索技术。通俗的说就是给电脑一张脸,让他去电脑里存储的所有视频资料里搜索哪些视频包含这张脸,也就是有这个人在该视频出现过,并在视频里定位出现的时间点。现场演示的效果看基本上立即可以搜索出结果。
强大的AMD APU 助力笔电化身游戏利器
另外,在WinHEC现场,AMD还带来了华硕刚刚推出的采用AMD 旗舰 APU 的笔记本电脑N551,并在现场演示了Dota2游戏的流畅运行。华硕N551采用AMD FX系列APU中的顶级FX-7600P,同时配备了R9 M280X显卡,支持AMD独有的双显卡交火技术,可以特效全开运行DOTA2等大型游戏。在AMD FX移动APU与R9显卡的帮助下,华硕N551笔记本成功化身游戏利器,为用户提供更多的使用便利。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。