AICAN 平台将带来原生兼容性和高性能,大幅加快云端移动游戏的传输速度。
北京 - 2022 年 8 月 29 日 – NVIDIA 和 Ampere Computing 于今日宣布推出 AICAN 服务器平台。该平台能够将位于云数据中心的移动游戏流式直接传输至终端用户,使用户无需下载。
AICAN 服务器平台(Android-in-Cloud-with-Ampere-and-NVIDIA)是由 Ampere Computing 和 NVIDIA 所共同打造,它采用 Ampere® Altra® 云原生处理器和 NVIDIA® GPU,不需要修改或模拟就能原生运行兼容 Arm 的移动游戏。该平台内置双插槽 Ampere Altra Max CPU,提供行业领先的 256 个内核,并可配置多达 4 个 NVIDIA A16 或 6 个 NVIDIA T4 GPU,每台服务器最多可支持 160 个并发用户(CCUs)。
NVIDIA GeForce 高级副总裁 Jeff Fisher 表示:“移动游戏是最大且增长最快的游戏市场,已有数千部游戏针对 Arm 指令集进行了优化。AICAN 平台旨在原生运行移动游戏,实现最佳的兼容性、性能、成本和用户体验,助推云端流式传输移动游戏市场的发展。”
NVIDIA 的云游戏堆栈可提供最高的密度和服务质量。该堆栈专为低延迟端到端渲染、编码和流式传输进行了优化,为安卓平台带来了最新的游戏进展。公司还专门成立了专业工程和质量保证团队,使合作伙伴能够轻松、快速地进行集成并满足所有最新游戏的需求。NVIDIA ConnectX® SmartNIC 或 BlueField® DPU 网络解决方案通过流畅的流式传输与高服务质量完善了该平台。
Ampere Computing 首席产品官 Jeff Wittich 表示:“凭借 Ampere Altra Max 领先的核密度,单机架 AICAN 服务器可以同时向大约 2,500 多个移动用户传输串流。这不仅使得广大消费者更容易从云端流式传输优质移动游戏,也同时首次为服务提供商提供极具竞争力的基础设施成本。”
图1:AICAN 平台架构
Ampere Computing 和 NVIDIA 一同对 AICAN 平台进行认证和支持,使云服务提供商和游戏开发商可以轻松构建和运营大规模的游戏串流服务。浪潮和华勤等多家领先的 OEM 服务器制造商都在构建 AICAN 服务器平台。
图2:浪潮 AICAN 服务器
浪潮服务器部门总经理赵帅表示:“浪潮与 Ampere 和 NVIDIA 紧密合作,共同设计的 Aoqin AICAN 服务器内置两个 Ampere Altra Max CPU 和多达四个 NVIDIA A16 GPU 以及两块 NVIDIA SmartNIC,机箱尺寸却只有 2U 大小。我们十分高兴能够与 Ampere 和 NVIDIA 一起帮助客户推广移动游戏流式传输解决方案。”
图 3:华勤 AICAN 服务器
华勤的 AICAN 服务器在 2U 空间内兼容 Ampere Altra 和 Altra Max 两代 CPU,并联合NVIDIA 率先适配 T4 GPU ,提高客户收益,作为在中国首发 AICAN 服务器厂商之一,华勤与 NVIDIA 及多家客户一起致力于探索云游解决方案。未来,华勤会一如既往的和 NVIDIA 紧密合作,共同助力全球云游市场发展。
图 4:腾讯先锋云游戏 APP 首页截图
全球对移动游戏流式传输的关注日益增加。腾讯先锋云游戏提供的服务正在为腾讯吸引越来越多的游戏玩家。腾讯先锋云游戏负责人方亮表示:“在 Ampere Computing 和 NVIDIA 的支持下,腾讯先锋云游戏将达到新的高度。”
图 5:腾讯先锋云游戏品牌海报
腾讯先锋云游戏负责人方亮还表示:“现在通过在 Ampere Computing 和 NVIDIA 的 Arm 服务器平台上运行云游戏,我们将多款腾讯精品游戏由 3-10G,压缩储存空间到 20M 左右,用户即便使用存储空间有限的手机也能畅玩精品游戏,这让我们能够接触和覆盖到更广泛的用户,并且提升了增量收入。”
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。