ZDNet至顶网服务器频道 10月21日 新闻消息:一台性能优异的游戏主机是畅玩PC游戏的前提,作为熟悉DIY装机之道的用户自然能够凭“久经沙场”的经验和对众多型号参数不同硬件的挑选能力,为自己打造出一台适用的高性能游戏PC主机。但是对于那些不精通DIY的玩家来说,这一切似乎就没那么容易了。我们都知道不少品牌机中显卡与CPU搭配不均衡会造成系统瓶颈不能畅玩游戏,那么去电脑城装机呢?又怕不良商家被冷淡的市场逼得丧心病狂,转型+忽悠最终到手还是个“畸形”配置……
时下,通过电商渠道购物成为了省时省力并且安全有保障的方式。今年,AMD携手像是宁美国度等一批知名DIY定制机电商,强力推出了基于Super PC理念打造的众多DIY定制机产品,一时间成为了广大游戏玩家追求高性能、高性价比和安心主机的首选。不同于整机品牌厂商的台式机产品,AMD Super PC DIY定制机均以游戏玩家、发烧友的思路搭配,最大程度保证整机性能避免瓶颈产生,同时在整机外观上强调个性化,其他周边硬件选择上也都以DIY知名产品为主,从而全面保证了DIY玩家在选择主机时对于个性化和高性能的实际需求。
得益于AMD近期发布的多款全新处理器产品,比如针对高性能用户推出的低功耗八核FX 8300处理器,以及针对主流独显平台玩家打造的Athlon X4 860K,它们的身影在AMD Super PC上均有所体现。同时,这些为游戏玩家打造的Super PC定制机还搭配了像是R9 270X/280这样高性能的显卡,甚至是市面上最强的R9 290X显卡也出现在了部分Super PC上。拥有如此高性能硬件配置的DIY定制机产品,在品牌台式机中是完全不可能出现的。
像是在今年ChinaJoy2014上,AMD与宁美国度联手推出的Super PC:乌骓——一款以项羽战马命名的DIY定制主机则绝对可以称得上Super PC。他搭载了主频高达4GHz,自动超频达4.2GHz的FX-8350八核处理器,一线品牌的990FX芯片主板,SSD+高性能机械硬盘的搭配完美地解决了存储的速度与容量。当然,这款Super PC的最大的亮点是于他使用了顶级的Radeon R9 290X显卡,确保最高特效运行市面上任何游戏均不在话下。同时,它的性能甚至可以在组建多屏,或是连接4K显示器的超高分辨率下依旧可以让玩家流畅享受游戏快感。
针对普通游戏爱好者,AMD的另一款Super PC——赤兔,则是成本与性能均衡的选择。这款Super PC采用FX-8320处理器,八核打桩机架构,处理性能依然不俗。对于游戏主机来说,最重要的显卡当然也不会马虎,Radeon R9 270X作为主流游戏显卡中性价均衡的代表产品,自上市起一直受到好评,于FX-8320一同组建3A平台也是再合适不过了。
配置的均衡加上安全、放心的售后服务以及一站式方便购买的体验优势,都让基于AMD Super PC理念打造的DIY定制机会越来越成为今后消费者选购的重点。
AMD与多家知名装机电商联手推出的Super PC产品,今后也无疑会把更多更优秀的产品带给消费者,让消费者感受到AMD平台整体解决方案的强大优势,让用户足不出户即可享受到高性价比,配置均衡,外观出众的个性化主机。同时,AMD全力打造的Super PC理念,也是顺应了未来DIY的消费趋势,也符合AMD一贯的、全新全意服务DIYer的经营理念。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。