光线追踪技术已经不算新技术了,在PC上应用多年,但要把光线追踪技术应用到移动设备,比如手机和游戏机存在挑战,特别还要具有桌面级的体验就更好。日前, Imagination Technologies 宣布推出旗舰款图形处理器(GPU)知识产权(IP)产品IMG CXT,同时其PowerVR Photon光线追踪架构也随该IP首次亮相。光线追踪技术也是其最大的一个亮点。
通过增加Photon硬件光线追踪功能,IMG CXT实现了GPU IP的又一次重大飞跃,能够为游戏和其他图形处理应用场景提供令人难以置信的性能。Photon 是业界最先进的光线追踪架构,可以为移动和嵌入式应用带来桌面级质量的视觉效果,并已在多个市场中进行了授权。

光线追踪是一项改变游戏规则的技术,可以使图形真实感达到跃升式变化。通过模拟真实世界中光线的表现,它可以创造出与现实生活几乎无异的三维(3D)场景。由于其计算的复杂性,光线追踪不久前也只是应用在台式机和游戏机上,但凭借IMG CXT革命性的Photon架构,移动开发者和游戏玩家现在也能够利用这种令人难以置信的渲染技术和全面的硬件加速功能。Photon为那些最令人兴奋的应用提供了光线追踪功能,包括移动、游戏、增强现实(AR)、桌面、数据中心、云和下一代汽车等应用。
Photon架构代表了十年来推动光线追踪在低功耗设备上应用的发展成果,并且在视觉效果可能性方面,为智能手机、平板电脑、笔记本电脑和汽车解决方案带来了重要的飞跃式进展。Photon架构的主要特点是RAC,这是一种新的低功耗专用硬件GPU组件,相比效率较低的 RTLS 2级架构,它可以加速和卸载更多来自着色器内核的光线追踪计算。
光线追踪可以在不同的性能和效率等级下执行,为了明确这一点,Imagination 建立了光线追踪等级系统(RTLS),确定了从0级(Level 0)到5级(Level 5)共6个等级的光线追踪功能的要求。IMG CXT采用的Photon架构处于RTLS的4级(Level 4),这使其成为当前可用的最先进的光线追踪技术,提升了光线追踪的性能和效率,从而可为移动游戏玩家和开发者提供桌面级质量的体验。
IMG CXT-48-1536 RT3 内核具有三个光线加速集群(RAC),可提供总体高达1.3 GRay/s的性能。这可以在移动设备的功耗预算下,以高帧率提供逼真的光线追踪阴影、反射、全局照明和环境光遮蔽效果。
IMG CXT在光栅化图形处理性能方面也向前迈出了重要一步,与Imagination的上一代GPU IP相比,其计算、纹理和几何性能都提高了50%。它的低功耗超标量(superscalar)架构可在低时钟频率下提供高性能,从而实现卓越的帧率功耗比(FPS/W)效率,同时 Imagination图像压缩(IMGIC)技术可以大幅降低带宽需求。
值得一提的是,Imagination也将Photon架构应用于个人计算机(PC)和数据中心。实际上,得益于Imagination的多核技术,Photon架构可以扩展应用于云、数据中心和PC市场。这可以实现高达 9 TFLOPS(每秒万亿次浮点运算)的FP32光栅化性能和超过7.8 GRay/s的光线追踪性能,同时能够提供比当今的 RTLS 2 级或3级光线追踪解决方案高2.5倍的功耗效率。IMG CXT也非常适合于超高品质的汽车人机界面(HMI)平台。它可以实现环绕视图中逼真的车辆图像,卫星导航中密集城市区域的展示,以及具备混合现实功能的抬头显示器(HUD)、数字车速表和其他信息显示器。它还可以在车上人员等待车辆充电时提供优质的车内游戏和娱乐体验。
好文章,需要你的鼓励
总部位于休斯顿的GridFree AI公司宣布推出首个独立电网站点South Dallas One,专为高密度AI工作负载设计。该站点位于希尔县,是计划中South Dallas集群的一部分,三个站点总发电容量近5GW。公司采用天然气驱动基础设施,独立于本地电网运营,可在24个月内完成部署,为超大规模云服务商提供快速、可靠的AI就绪基础设施解决方案。
MBZUAI和法国综合理工学院联合开发的SchED算法能让AI写作速度提升3-4倍。该算法通过监测AI生成文本的置信度,采用进度感知的动态阈值策略,在保持99.8%-100%原始质量的同时显著减少计算时间。实验覆盖多种任务类型,证明了算法的有效性和鲁棒性。
国际数据公司IDC发布报告警告,由于AI基础设施建设对内存需求激增,2026年PC出货量可能下降8.9%。主要内存制造商已将生产重心从传统DRAM和NAND转向AI数据中心所需的高带宽内存,导致PC用内存价格上涨。这种内存紧缺对"AI PC"市场形成讽刺,原本用于提振PC行业的AI电脑反而受到AI产业自身影响。
西安交通大学研究团队发现,AI视觉语言模型容易受到功能词(如"是"、"的"等)的干扰而遭受攻击。他们开发了功能词去注意力(FDA)机制,让AI减少对这些词汇的关注。测试显示,该方法可将攻击成功率降低18%-90%,而正常性能仅下降0.2%-0.6%。FDA无需额外训练即可集成到现有模型中,为AI安全防护提供了简单有效的解决方案。