英特尔锐炫正式推出DirectX 11驱动更新,为PC游戏玩家带来更强劲性能,同时发布全新工具帮助发烧友和游戏社区更好地衡量和评估系统性能。准备好一起进入极客世界吧!
去年英特尔锐炫台式机产品发布时,我们承诺过英特尔锐炫显卡会持续优化升级,带来更出色的体验。现在,英特尔锐炫的DirectX 11 游戏的性能得到了提升,性能更强劲,体验更流畅,正如今年年初 DX9游戏获得重要提升一样。
通过最新Game On驱动的发布,英特尔提升了英特尔锐炫显卡在运行一系列备受欢迎的 DX11 游戏的性能——为游戏玩家带来平均约19%的帧率提升,平均约20%的99th Percentile帧率流畅度提升。对于拥有英特尔锐炫A750显卡的用户,可以直接下载最新驱动,在《守望先锋 2》、《DOTA 2》、《Apex Legends》等游戏中获得体验升级。而对于正在寻找游戏升级体验的用户,现在就是入手英特尔锐炫显卡的绝佳时机。
此次更新揭开了英特尔锐炫DX11优化的序幕,上述游戏只是本次优化的开始,英特尔将陆续为用户带来更多游戏的体验升级。
英特尔不会止步于此,将致力于持续优化英特尔锐炫显卡。此次DX11的优化升级是英特尔在软件优化和游戏技术集成方面践行对玩家承诺的又一力证。自台式机显卡发布以来,英特尔累积发布了30次驱动更新,为57款新游戏提供发售首日(Game on)优化支持,并为众多游戏提供了很多其他方面的改进。由AI驱动的英特尔XeSS技术在游戏领域发展势头迅猛,现已获得超过70款游戏的支持。
英特尔还为发烧友带来了一款名为“PresentMon”的工具,可能大家之前就有所耳闻,这是一款英特尔在多年前开发的工具。“PresentMon”可以为许多用于图形性能分析的软件提供支持。今天,英特尔发布了英特尔® PresentMon 的第一个测试版本,通过对该工具的全面优化升级,为发烧友们带来更加易于使用的体验。此外还添加了新功能,方便玩家进行游戏性能分析。
英特尔 PresentMon 可以提供一些炫酷功能,首先是全新的Overlay(叠加视图)。
7
Overlay可以在运行游戏时在屏幕上显示性能数据,帮助玩家实时遥测GPU 的电压和温度等,实时分析大量信息。同时也可以查看99th Percentile帧时间与 GPU 占用率图表。对于想要了解系统运行情况,探究背后技术的玩家,英特尔 PresentMon 能够带来令人惊艳的体验。
PresentMon Beta带来的另一个炫酷功能是称为“GPU Busy”的全新指标。它不仅非常“极客”,而且反应迅速。简而言之,用户通过它可以看到GPU实际使用了多少时间进行实际渲染而不是处于等待状态,或者在运行游戏的PC是否处于CPU和GPU平衡,这些都让“GPU Busy”指标看起来既实用又有趣。欢迎大家深入了解这个指标,未来英特尔也会带来更多这方面内容的分享。
英特尔® PresentMon 所采集的数据可以用于赛后分析,适用于评估所有 GPU厂商,并可以在DirectX 9、11、12和Vulkan 上运行,也包含许多用于PresentMon的命令行工具。开发人员可以在自己的应用程序上独立使用PresentMon,英特尔也会持续对该工具提供支持。
对使用Overlay和该工具有兴趣的用户,可以通过英特尔® PresentMon 产品页面等方式获取快速演示并了解概要。
总结一下,这是英特尔锐炫显卡迈出的重要一步。新发布的驱动为 DX11 游戏带来平均约19%的性能提升。在英特尔锐炫A750 显卡上,《守望先锋 2》的游戏性能提升高达 33%。英特尔也发布了用于评估游戏性能的全新工具——英特尔® PresentMon。英特尔锐炫从未停止前进脚步,英特尔锐炫A750现在的表现更加出色!
通知和免责声明
实际性能受使用情况、配置和其它因素影响而异。更多信息参见www.Intel.com/PerformanceIndex。
没有任何产品或组件能保证绝对安全。
您的费用和结果可能会有所不同。某些结果是基于估计或模拟。
英特尔技术可能需要支持的硬件、软件或服务激活。
所有产品计划和路线图可能变更,恕不另行通知。
©英特尔公司,英特尔、英特尔logo及其它英特尔标识,是英特尔公司或其分支机构的商标。
文中涉及的其它名称及品牌属于各自所有者资产。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。