ati吧 关注：51,927贴子：636,772
- 11回复贴，共1页
要看你怎想
架構越寬延遲越高，或必須犧牲延遲的穩定性。
級數越高頻率越高，但總是有些部分的延遲必須拉高，如果計算週期被拉長寄存器不擴增規模就會溢出更慢。
重要的是單位成本內能做到多好的實際性能，除非很明確單一的指標否則沒意義。
AI目前就transformer這些顯存也就是VRAM帶寬影響太大了，其次就是堆足夠高的tensor core並且最好低精度。
遊戲則可以利用cache這些和更多固定管線部份改進效率，還有很多可以挖掘的空間但很難做，例如深度的剔除和半透明排序與幾何的數據等。
就我個人使用和分析來說AI更吃理論值而遊戲根本不是，你想要改善效率拉高頻率最直接感受就是AI性能提升更明顯，雖然提升規模更顯著。
遊戲要考慮的環節則太多了，每步多多少少都有影響沒那麼單純，畢竟AI完全難以靠cache除非純CNN，但現在早就大量混合transformer甚至全transformer架構了，誰GDDR7誰HBM4之類就更強。
架構越寬延遲越高，或必須犧牲延遲的穩定性。
級數越高頻率越高，但總是有些部分的延遲必須拉高，如果計算週期被拉長寄存器不擴增規模就會溢出更慢。
重要的是單位成本內能做到多好的實際性能，除非很明確單一的指標否則沒意義。
AI目前就transformer這些顯存也就是VRAM帶寬影響太大了，其次就是堆足夠高的tensor core並且最好低精度。
遊戲則可以利用cache這些和更多固定管線部份改進效率，還有很多可以挖掘的空間但很難做，例如深度的剔除和半透明排序與幾何的數據等。
就我個人使用和分析來說AI更吃理論值而遊戲根本不是，你想要改善效率拉高頻率最直接感受就是AI性能提升更明顯，雖然提升規模更顯著。
遊戲要考慮的環節則太多了，每步多多少少都有影響沒那麼單純，畢竟AI完全難以靠cache除非純CNN，但現在早就大量混合transformer甚至全transformer架構了，誰GDDR7誰HBM4之類就更強。
