AMD FSR Redstone będzie obsługiwać karty graficzne NVIDIA GeForce i Intel Arc: rdzeń renderujący neuronowo nie tylko dla kart Radeon

AMD FSR Redstone będzie obsługiwać karty graficzne NVIDIA GeForce i Intel Arc: rdzeń renderujący neuronowo nie tylko dla kart Radeon

Najnowsze osiągnięcia AMD w dziedzinie uczenia maszynowego (ML) wprowadziły technologię renderowania neuronowego, która może rozszerzyć jej kompatybilność poza karty graficzne Radeon. Ta innowacja podkreśla strategiczną adaptację technologii ML przez firmę, obiecując ulepszenie wrażeń z gier na różnych platformach.

FSR Redstone firmy AMD: szeroka kompatybilność z ulepszonymi efektami wizualnymi

Zaprezentowany na targach Computex 2025, FSR Redstone firmy AMD to przełomowy pakiet rozwiązań uczenia maszynowego stworzony z myślą o deweloperach. Umożliwia on integrację technologii renderowania neuronowego z grami wideo, znacząco poprawiając zarówno grafikę, jak i wydajność. Według raportu 4gamer.net, zawierającego spostrzeżenia Chrisa Halla, starszego dyrektora ds.rozwoju oprogramowania w AMD, FSR Redstone wykorzystuje potężny framework ML2CODE (Machine Learning to Code), który odgrywa kluczową rolę w tej technologii.

Podstawowa funkcja kodu ML2CODE firmy AMD jest prosta, a jednocześnie skuteczna: konwertuje wstępnie wytrenowane modele sieci neuronowych na kod shaderów obliczeniowych GPU. Ten proces generuje zoptymalizowany kod HLSL, który może być wykonywany na szerokiej gamie procesorów GPU obsługujących nowoczesne technologie shaderów. W związku z tym FSR Redstone wymaga inferencji ML w czasie wykonywania, a ML2CODE działa jak most, który tłumaczy neuronowy rdzeń renderujący na standardowe shadery obliczeniowe. Takie podejście gwarantuje, że wynikowy kod shadera może działać na wierzchołkach z procesorów GPU AMD, NVIDIA i Intel, oferując tym samym niezrównane wsparcie wieloplatformowe.

Karty graficzne AMD Radeon RX 9070 XT i RX 9070
Procesory graficzne AMD RX 9000 | Źródło obrazu: AMD

FSR Redstone został opracowany z wykorzystaniem technologii AMD ML2CODE (Machine Learning to Code), projektu badawczego ROCm. Rdzeń technologii renderowania neuronowego jest konwertowany na zoptymalizowany kod Compute Shader za pomocą technologii ML2CODE. Oznacza to, że rdzeń renderowania neuronowego FSR Redstone może działać również na procesorach graficznych innych firm.

W AMD wykorzystujemy HIP w procesie rozwoju wielu innowacyjnych technologii związanych ze sztuczną inteligencją. ML2CODE ma na celu integrację z najpopularniejszymi potokami renderowania grafiki, takimi jak język shaderów Vulkan „GLSL” i DirectX „HLSL”.

Jest wysoce prawdopodobne, że rdzenie AI różnych funkcji związanych ze sztuczną inteligencją, wykorzystywanych w FSR Redstone, są opracowywane z wykorzystaniem kodu HIP. Wynika to z faktu, że kod HIP może generować kod zoptymalizowany dla każdej generacji procesorów graficznych Radeon, a dzięki tej architekturze może działać również na procesorach graficznych innych niż AMD. Niezależnie od tego, czy ma to sens, jeśli kod HIP zostanie przekonwertowany do CUDA i skompilowany za pomocą kompilatora NVIDIA, prawdopodobnie będzie działał na procesorze graficznym NVIDIA.

Starszy dyrektor ds.rozwoju oprogramowania w AMD, Chris Hall ( za pośrednictwem 4Gamer )

W godnym uwagi oświadczeniu Hall potwierdził, że FSR Redstone nie wymaga akceleracji AI do swoich operacji. Ten wybór konstrukcyjny gwarantuje, że wszystkie udoskonalenia uczenia maszynowego mogą być wykorzystane na starszych modelach GPU, ponieważ system optymalizuje kod shaderów przed wykonaniem – eliminując w ten sposób zależność od zasobów obliczeniowych AI w czasie wykonywania. Chociaż starszy sprzęt może generować pewne obciążenie wydajnościowe, przewiduje się szerokie wsparcie dla tej technologii.

To osiągnięcie stanowi znaczący krok naprzód w technologii renderowania, szczególnie w ramach architektury RDNA firmy AMD. Poprzednie iteracje, takie jak FSR 4, były ograniczone do architektury RDNA 4, przez co starsze generacje nie były wspierane. Biorąc pod uwagę, że Redstone stanowi pionierską implementację AMD opartą na uczeniu maszynowym (ML), ma on potencjał, aby zapewnić znaczną poprawę wydajności również w systemach RDNA 3.

Źródło i obrazy

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *