如果说在CES 2024上有哪些技术万众瞩目,那么毫无疑问便是如巨浪一般强势席卷全场的AI PC。
作为AI界的“扛把子”,NVIDIA毫无疑问没有缺席这场“潮头”。无论是炫目的RTX GPU到前沿的软件应用,还是创新的开发工具,这些几乎均与高性能生成式AI功能相关的新产品新技术,正让NVIDIA以一种“披着AI光环”的姿态轰然登场,再次描绘着科技世界的边界。
来源:NVIDIA官网
GeForce RTX SUPER GPU有多快?快得让你眼花缭乱!
NVIDIA新推出的 GeForce RTX SUPER GPU,不仅是PC上体验AI的极致选择,它专用的AI Tensor Core更是“性能怪兽”,达到了惊人的836 AI TOPS。这意味着无论是游戏、内容创作还是日常的生产力任务,AI的能力都得到了革命性的提升。
那么,基于RTX GPU构建的丰富软件堆栈,又如何能够进一步推动AI的加速?NVIDIA的TensorRT作为专门针对高性能深度学习推理的软件,其深度学习推理优化器和运行时环境,可以为推理应用程序提供低延迟和高吞吐量。
而对于那些最新的大型语言模型,TensorRT-LLM for Windows这一开源库则将其推理性能提升至一个新的水平。
从实际表现上看,在AI工作负载中,GeForce RTX 4080 SUPER在视频生成速度上比RTX 3080 Ti快了1.5倍,图像生成速度更是快了1.7倍。对于游戏爱好者来说,AI驱动的DLSS技术将游戏的沉浸感提升到了一个新的层次,让玩家仿佛置身于游戏世界之中。
对于那些如Photoshop用户等较为依赖生成性AI应用程序的创意工作者而言,Tensor Core的加速功能还能助力其提高生产力,保持创意工作流程的流畅性。同时,NVIDIA Broadcast能够消除背景噪音,并提供无缝的虚拟背景,真正实现了高效而清晰的通信。
事实上,这些突破性的技术创新,正改变着传统PC的使用方式,更能在AI领域中开辟新的可能性。
解锁AI潜力 GeForce RTX“超级战队”加入“战场”
如果说,要在Windows PC上展现AI的潜力,那么布局游戏毫无疑问是一个明智的选择。这一次,GeForce RTX SUPER GPU更是带着其超强的性能,以三位超级英雄的姿态,加入战场,为游戏玩家带来前所未有的算力体验。
“4K巨兽”——GeForce RTX 4080 SUPER
GeForce RTX 4080 SUPE以4K分辨率提供了全光线追踪的游戏体验,让游戏世界的细节和真实感达到了新的高度。与GeForce RTX 3080 Ti相比,在没有DLSS帧生成的情况下,RTX 4080 SUPER快了1.4倍,这简直是传统光栅化性能的一场革命。
而GeForce RTX 4080 SUPE那强大的836 AI TOPS加上DLSS帧生成,让它的速度比RTX 3080 Ti快了整整两倍。更多的核心和更快的内存,让它在性能上占据了绝对优势。
“精确大师”——GeForce RTX 4070 Ti SUPER
GeForce RTX 4070 Ti SUPER拥有1440p超高帧率游戏的理想选择,同时也完美支持4K。
比起RTX 4070 Ti,它拥有更多的核心和16GB的帧缓冲区,以及一个256位的内存总线,将内存带宽大幅提升至672 GB/秒。
相比之下GeForce RTX 4070 Ti SUPER比RTX 3070 Ti快了1.6倍,使用DLSS 3后更是快了2.5倍。
“完美平衡家”——GeForce RTX 4070 SUPER
比起RTX 4070,GeForce RTX 4070 SUPER多了20%的核心,让其性能超越了RTX 3090,而功耗却只是一小部分。使用DLSS 3后,其领先优势扩大到1.5倍。
官方消息显示,GeForceRTX 4080 SUPER,1月31日开始销售,价格999(美元) ;GeForce RTX 4070 Ti SUPER,1月 24日开始销售,价格799(美元);GeForce RTX 4070 SUPER,1月17日开始销售,价格599(美元)。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。