Microsoft와 AMD의 파트너십으로 차세대 Xbox를 위한 고급 신경 처리 도입

글로벌 디지털 엔터테인먼트 산업은 새로운 시각적 최적화 플랫폼의 개발로 구조적 발전을 기록하고 있습니다. 기술 분야의 거대 기업들이 공동으로 주도하는 이 프로젝트는 차세대 가정용 콘솔에 중점을 두고 있습니다. 이 이니셔티브는 고급 기계 학습을 사용하여 실시간 그래픽 처리의 한계를 재정의합니다.

이 아키텍처의 기술적 세부 사항은 최근 디지털 부문 회의에서 소프트웨어 엔지니어와 프로그래머에게 제시되었습니다. 협업의 핵심 목표는 데스크톱 장치에 뛰어난 컴퓨팅 용량을 제공하는 것입니다. 목표에는 장기간 연속 사용 중에도 열 안정성과 에너지 효율성을 보장하는 것이 포함됩니다.

신경망을 기반으로 한 새로운 구조는 장치의 통합 생태계 기능을 근본적으로 변화시킵니다. 이 메커니즘은 이미지의 유동성에 직접적으로 작용하는 복잡한 알고리즘을 통해 작동하여 최종 소비자에게 지속적이고 중단 없는 사용자 경험을 제공합니다.

새로운 신경 아키텍처의 기술적 맥락

이 도구는 인공 지능을 사용한 최신 이미지 생성 기술에 대한 작업에 중점을 둡니다. 이 방법을 사용하면 시각적 정보를 1초도 안 되는 순간에 처리할 수 있어 콘솔의 기본 그래픽 처리 장치에 대한 작업 부하를 완화하고 더 큰 작동 안정성을 보장할 수 있습니다.

함께 읽기: Microsoft와 AMD의 새로운 시각적 아키텍처는 차세대 Xbox 콘솔에 인공 지능을 통합합니다.

프로젝트에 참여한 부품 제조업체의 Jack Huynh 임원은 혁신이 시장에 있는 기존 소프트웨어 라이브러리와의 호환성을 유지하기 위한 장기 계획을 통합한다고 설명했습니다. 이 시스템은 이미지의 유동성에 직접적으로 작용하는 복잡한 알고리즘을 통해 작동하여 시각적 처리를 재정의하는 기본 특성을 제공합니다. 이러한 계산 역학은 만족스럽고 왜곡 없는 시각적 품질을 제공하기 위해 높은 새로 고침 빈도가 필요한 최신 모니터와 TV에서 탁월한 유동성을 보장하여 전 세계 크리에이티브 스튜디오를 위한 새로운 개발 표준을 설정합니다.

신경망을 기반으로 한 새로운 구조는 장치의 통합 생태계 기능을 근본적으로 변화시켜 다음과 같은 직접적인 작동 기능을 제공합니다.

– 중앙 프로세서에 과부하를 주지 않고 초당 프레임 속도를 늘립니다.

– 소프트웨어가 실행되는 동안 실시간으로 픽셀 간격을 채웁니다.

– 낮은 기본 해상도에서 매우 높은 정의로 이미지를 재구성합니다.

– 최첨단 신경 렌더링 프로세스를 기본적으로 지원합니다.

전체 보도: News (KR)

시각 처리 및 동적 조명

이 플랫폼은 기계 학습 업샘플링과 다중 프레임 생성을 결합하는 신경 렌더링 프로세스에 대한 지원을 도입합니다. 인공지능은 장비의 그래픽 엔진에 의해 전통적인 방식으로 렌더링된 프레임 사이에 새로운 중간 이미지를 삽입하는 방식으로 작동합니다.

또한 이 시스템에는 전역 조명 효과와 복잡한 동적 그림자를 향상시키도록 특별히 설계된 광선 재생 기능이 통합되어 있습니다. 이러한 재생성을 통해 스튜디오는 실행 중인 타이틀의 전반적인 성능을 저하시키지 않고 다양한 표면에 사실적인 반사를 적용할 수 있습니다.

사건 배경: Microsoft는 구성 요소 상승을 피하기 위해 다음 Xbox를 더 저렴하게 만들 계획입니다.

개발에 직접 통합

이 도구는 콘솔의 소프트웨어 개발 키트에 직접 통합되어 크리에이티브 팀의 일상 작업을 용이하게 합니다. 이러한 직접 액세스는 역사적으로 새로운 시각적 기술의 구현을 지연시켜온 기술적 장벽을 제거합니다.

이 기능을 통해 프로그래머와 이미지 엔지니어는 생산 주기 동안 시각적 개선을 보다 빠르고 효율적으로 구현할 수 있습니다. 코드 라이브러리의 표준화를 통해 글로벌 시장에서 사용할 수 있는 다양한 그래픽 엔진 전반에 걸쳐 기술을 균일하게 적용할 수 있습니다.

극한의 해상도에서의 그래픽 성능

새로운 인공 지능 도구는 그래픽 요구 사항이 매우 높은 가상 시나리오에서 성능 향상에 직접적으로 기여합니다. 이 소프트웨어를 사용하면 콘솔이 초당 60프레임을 초과하는 일관된 속도로 4K와 같은 해상도에 도달할 수 있습니다.

이러한 인상적인 수치는 광선 추적 및 고밀도 다각형 기하학을 집중적으로 사용하는 가상 환경에서도 달성됩니다. 알고리즘의 효율성은 시각적 처리의 중요한 순간에 프레임 속도 안정성을 유지하는 데 정확하게 작용합니다.

자세히 보기: Nvidia는 RTX 50 그래픽 카드에 6배의 성능 배율을 제공하는 DLSS 4.5 기술을 제공합니다.

이 기술을 적용하면 일반적으로 이러한 극한 해상도에서 기존 렌더링에 수반되는 열 병목 현상이 줄어듭니다. 이렇게 하드웨어에 가해지는 스트레스가 줄어들면 엔터테인먼트 장치 내부 구성 요소의 수명이 연장됩니다.

발생하는 열을 줄이면 냉각 팬을 최대로 활성화할 필요성도 최소화됩니다. 결과적으로 소비자는 매우 복잡한 가상 장면을 처리할 때에도 훨씬 더 조용한 사용 환경을 경험하게 됩니다.

컴퓨터 생태계 확장

그래픽 칩 개발을 담당하는 회사는 인공 지능 플랫폼이 데스크톱 콘솔에서 볼 수 있는 것과 동일한 형식으로 개인용 컴퓨터에 도달할 것인지 아직 공식적으로 확인하지 않았습니다. 그러나 가정용 장치와 휴대용 컴퓨터 간의 기술 융합이 증가함에 따라 가까운 미래에 일반 하드웨어 시장에 적합한 버전의 소프트웨어가 출시될 수도 있습니다. 게임 전용 모바일 장치는 기술 부문에서 상당한 공간을 확보했으며, 장시간 연속 사용 중에 배터리 수명을 보존하고 적절한 열 성능을 유지하기 위해 점점 더 효율적인 최적화 솔루션이 필요합니다.

인공 지능 작업 전용 하드웨어 구성 요소에 대한 강조는 이전 시스템에서 기술의 광범위한 호환성에 대한 적절한 질문을 제기합니다. 컴퓨터 시장은 기계 학습을 기반으로 하는 새로운 렌더링 도구의 안정적인 작동을 보장하기 위해 비디오 드라이버에 대한 매우 구체적인 적응이 필요한 구성 요소의 자연스러운 단편화를 나타냅니다. 이전 세대 그래픽 카드에는 새로 제정된 표준에서 요구하는 효율성으로 고급 프레임 생성 및 광선 재생을 수행하는 데 필요한 신경 처리 코어가 없을 수 있습니다.

이 주제 더 보기: 인공지능 중심, 전례 없는 그래픽 처리 아키텍처 테스트 단계로 진입

전용 하드웨어로의 업계 전환

반도체 업계의 자세한 비하인드 정보에 따르면 이 기술을 완전히 구현하려면 차세대 그래픽 아키텍처가 필요하며 이는 향후 소비자 시장에 도달할 것으로 예상됩니다. 현재 시판 중인 그래픽 처리 장치는 새로운 시각적 최적화 플랫폼에 필요한 모든 기계 학습 기능을 완벽하게 기본적으로 지원하지 못할 가능성이 높습니다. 이러한 전환 시나리오를 고려할 때 제조업체는 기존 하드웨어에서 사용할 수 있는 이전 버전의 오픈 소스 도구를 유지하여 설치된 사용자 기반이 공간 해상도를 높이는 전통적인 방법에 대한 액세스를 잃지 않도록 해야 합니다. 전적으로 인공 지능에 의존하는 렌더링 모델로의 전환은 회사의 칩 설계 전략에 큰 변화를 의미하며, 회사는 시각 기술 분야의 다른 거대 기업이 이미 채택한 독점 솔루션에 더 가까워졌습니다. 전용 하드웨어에 대한 요구 사항은 최신 소프트웨어 실행 중에 수백만 개의 픽셀을 1/1000초 단위로 예측, 생성 및 수정하는 데 필요한 수학적 계산의 극도의 복잡성을 반영하여 고성능 디지털 엔터테인먼트를 목표로 하는 반도체 제조에 대한 수요의 새로운 표준을 확립합니다.

창작 엔진에 대한 접근의 민주화

이 기술을 타사 그래픽 엔진에 기본적으로 통합하는 것은 독립 개발자와 대기업의 대량 채택을 향한 근본적인 단계를 나타냅니다. 이러한 간편한 직접 액세스 덕분에 최첨단 비주얼을 구현하는 데 필요한 프로그래밍 시간과 운영 비용이 크게 줄어들어 소규모 스튜디오에서 이전에는 대규모 예산으로 제작할 수 없었던 수준의 그래픽 충실도를 달성할 수 있습니다.

디지털 컬렉션의 보존

이전 세대의 방대한 게임 카탈로그와의 하위 호환성은 새로운 처리 시스템 아키텍처의 최우선 과제로 남아 있습니다. 오래된 타이틀은 지속적으로 자동 해결 및 유동성 개선의 혜택을 누릴 수 있습니다.

이러한 성능 향상은 운영 체제가 새 하드웨어의 유휴 기계 학습 리소스를 관리하는 방법에 따라 전적으로 달라집니다. 이 기술적 접근 방식을 사용하면 수동 업데이트 없이 텍스처 활성화 및 프레임 속도 향상이 가능합니다.

이 메커니즘은 디지털 라이브러리에 대한 소비자의 사전 투자가 새로운 하드웨어 생태계에서 보존되고 가치가 있도록 보장합니다. 원래 소프트웨어 제작자가 직접 개입할 필요가 없기 때문에 사용자가 차세대 장치로 쉽게 전환할 수 있습니다.