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
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。