市场需要通用GPU
GPU是计算机系统的必需组件,而且随着应用场景的多样化,GPU已经成为智算时代最为重要的生产力组件。一颗标准的GPU不仅能满足日常的桌面显示、图形渲染功能,而且可以提供AI智算的加速能力,同时对功耗与发热的要求还很高。
象帝先专注于高性能通用图形处理器的开发,提供“通用、好用、高性能、自主可控”的GPU芯片与完整的软件驱动,同时积极推动生态系统的建立与发展。通过在桌面端与服务器端部署通用GPU显卡,将图形渲染能力与AI算力带入到不同形态的计算平台间和场景,加速AI智算生态的建立、发展和普及。
针对不同应用场景,象帝先GPU发挥通用赋能优势,与各种系统配合的成熟度较高,从而提升企业用户的生产效率。象帝先推出的XDX 120/150S/180/190 系列GPU芯片,不仅能满足日常的桌面显示、图形渲染功能,而且可以提供AI智算的加速能力,同时具备优秀的性能功耗比。
XDX系列GPU芯片具备“通用、好用、高性能、自主可控”的特点,不仅满足了信创市场对于桌面PC和服务器的高要求,而且可以支持丰富的AI应用场景。同时,完全自主可控的研发与生产优势,确保了用户使用的安全可靠。
要“显卡”不要亮机卡
象帝先做的是真正的 GPU(显卡),而不是只具有显示功能的ASIC芯片。目前国内信创市场热度较高,很多企业推出针对AI加速的ASIC芯片,虽然也冠以GPU的字眼,但并不具备完整的图形渲染能力。
当前真正的显卡都用GDDR (Graphic DDR)。AMD、NVIDIA、Intel的显卡都是用GDDR5/6,主流显卡不会使用普通DDR或LPDDR。象帝先XDX系列显卡的GDDR6显存频率高达16Gbps,带宽是DDR3/DDR4的4~6倍。
象帝先天钧一号GPU芯片的渲染算力与带宽之比为21:1,业界公认的理想比例是小于25:1,再次印证XDX系列是非常专业的显卡。
服务信创:好用、高性能、低功耗
对信创场景而言,一款GPU首先需要满足好用的标准。象帝先XDX系列显卡兼容能力强,对国产信创体系内的飞腾、龙芯、兆芯、海光的CPU适配都非常好,对麒麟、统信OS的适配也很好。
象帝先XDX系列显卡具备强大的图形渲染能力,完整支持CAD、GIS、设计类等图形应用。XDX显卡提供4.8TFLOPS FP32运算能力,19.2TOPS INT8运算能力,算力站稳第一梯队,而功耗低于行业平均21%。
同时XDX全系列显卡具备优秀的GDDR6显存带宽设计,所有显卡输出都支持4K 60FPS。最大支持4K 170FPS视频解码、4K 90FPS视频编码。独家支持在广电行业广泛采用的具有国产自主知识产权的AVS/AVS+/AVS2.0系列标准。
此外,象帝先XDX系列显卡具备优秀的AI加速能力。支持PaddlePaddle,PyTorch,Tensorflow,Caffe/Caffe2,CNTK,Theano,Transformer,MXNet,ONNX等主流AI框架。
如何评定一款GPU是否具备高性能?象帝先一直强调,需要开展面向应用的性能综合测评。显卡的优劣不是简单的参数比较,而是要基于面向应用的综合测评,同时看性能功耗比。比如针对CAD、设计类应用,综合评测的性能。再比如业界公认的跨平台3D测试基准GFXbench和典型的3D渲染和游戏基准Unigine,象帝先的GPU都取得了综合测评的性能优势。
最后,对于信创八大行业看重的安全性,象帝先也是遵循完全自主正向研发,知识产权清晰。所有部件安全可控、生产环节安全可控。
象帝先建立国产GPU的智算生态系统(从GPU 微架构、工具链、AI框架到应用)与基于国产GPU的游戏和渲染生态系统(从渲染引擎、游戏引擎,到游戏开发商、运营商、云游戏等),从生态端就实现自主可控。
象帝先XDX系列显卡成功加入国家信创工委会,完成麒麟、统信、中科方德等主流操作系统及平台认证,适配信创生态。
好文章,需要你的鼓励
Jabra 推出 PanaCast 40 VBS:首款专为小会议室设计的 180° Android 智能音视频一体机
这是一项关于计算机视觉技术突破的研究,由多家知名院校联合完成。研究团队开发了LINO-UniPS系统,能让计算机像人眼一样从不同光照下的照片中准确识别物体真实的表面细节,解决了传统方法只能在特定光照条件下工作的局限性,为虚拟现实、文物保护、工业检测等领域带来重要应用前景。
字节跳动智能创作实验室发布革命性AI视频数据集Phantom-Data,解决视频生成中的"复制粘贴"问题。该数据集包含100万个跨场景身份一致配对,通过三阶段构建流程实现主体检测、多元化检索和身份验证,显著提升文本遵循能力和视频质量。
这篇文章介绍了北京人工智能研究院开发的OmniGen2模型,一个能够同时处理文字转图像、图像编辑和情境生成的全能AI系统。该模型采用双轨制架构,分别处理文本和图像任务,并具备独特的自我反思机制,能够自动检查和改进生成结果。研究团队还开发了专门的数据构建流程和OmniContext评测基准,展现了开源模型的强大潜力。