AMD กำลังสร้างนวัตกรรมใหม่ในภูมิทัศน์ของเทคโนโลยี graphics upscaling ด้วยเทคโนโลยี FSR Redstone ที่กำลังจะเปิดตัว ซึ่งสัญญาว่าจะส่งมอบการปรับปรุงภาพด้วยพลังของ machine learning ข้ามผู้ผลิต GPU หลายราย แตกต่างจากแนวทางแบบ vendor-locked แบบดั้งเดิม โซลูชันที่เป็นนวัตกรรมนี้อาจเปลี่ยนแปลงวิธีการทำงานของ AI upscaling ในอุตสาหกรรมเกมอย่างพื้นฐาน
 |
|---|
| การแสดงการ์ดจอ Radeon RX 9000 series ที่เน้นความมุ่งมั่นของ AMD ต่อเทคโนโลยีกราฟิกขั้นสูง |
สถาปัตยกรรมข้ามแพลตฟอร์มที่ปฏิวัติวงการ
FSR Redstone ของ AMD ใช้แนวทางที่แหวกแนวผ่านเทคโนโลยี ML2CODE (Machine Learning to Code) ซึ่งเป็นส่วนหนึ่งของ software stack ROCm ของบริษัท ระบบนี้นำโมเดล neural network ที่ได้รับการฝึกฝนแล้วมาแปลงเป็นโค้ด GPU compute shader ที่ได้รับการปรับแต่ง โดยเฉพาะโค้ด HLSL ที่สามารถทำงานบน GPU สมัยใหม่ใดๆ ที่รองรับ shader pipeline ร่วมสมัย Chris Hall ผู้อำนวยการอาวุโสฝ่ายพัฒนาซอฟต์แวร์ของ AMD อธิบายว่ากระบวนการแปลงนี้ช่วยให้ neural rendering core ทำงานได้อย่างราบรื่นข้าม graphics card ของ AMD , NVIDIA และ Intel
เทคโนโลยีนี้ทำงานโดยการแปลงฟีเจอร์ที่เน้น AI เป็น compute shader มาตรฐาน แทนที่จะต้องการฮาร์ดแวร์เร่ง AI เฉพาะระหว่างการทำงาน ความแตกต่างพื้นฐานนี้จากแนวทาง DLSS ของ NVIDIA ซึ่งอาศัย Tensor core เฉพาะทาง หมายความว่า FSR Redstone สามารถใช้ประโยชน์จาก GPU shader ทั่วไปสำหรับการดำเนินงาน machine learning
เทคโนโลยีหลักของ FSR Redstone :
- ML2CODE (Machine Learning to Code) - แปลงโครงข่ายประสาทเทียมเป็นโค้ด GPU shader
- การรวมระบบซอฟต์แวร์ ROCm stack
- รองรับภาษา shader HLSL และ GLSL
- ความเข้ากันได้กับ pipeline DirectX และ Vulkan
- รองรับ GPU ข้ามแพลตฟอร์ม ( AMD , NVIDIA , Intel )
 |
|---|
| การนำเสนอการ์ดจอ ASUS Radeon RX 9070 Prime ซึ่งมีบทบาทสำคัญในการสาธิตความสามารถของเทคโนโลยี FSR Redstone ใหม่ของ AMD |
ความเข้ากันได้ของฮาร์ดแวร์ที่กว้างขึ้น
หนึ่งในข้อได้เปรียบที่สำคัญที่สุดของสถาปัตยกรรม FSR Redstone คือความเข้ากันได้ที่เป็นไปได้กับ GPU รุ่นเก่า เนื่องจากเทคโนโลยีนี้ไม่ต้องการความสามารถในการเร่ง AI โดยเฉพาะระหว่างการทำงาน ผู้ใช้ที่มี graphics card รุ่นก่อนหน้านี้ยังคงสามารถเข้าถึงฟีเจอร์ขั้นสูงเหล่านี้ได้ แม้ว่าจะมี performance overhead บนฮาร์ดแวร์เก่าเมื่อเทียบกับสถาปัตยกรรมใหม่กว่า แต่ฟังก์ชันพื้นฐานควรยังคงเข้าถึงได้
แนวทางนี้อาจเป็นประโยชน์โดยเฉพาะกับผู้ใช้ RDNA 3 ของ AMD เอง ที่ก่อนหน้านี้ถูกทิ้งไว้นอกฟีเจอร์ขั้นสูงของ FSR 4 ที่ถูกจำกัดให้ใช้กับฮาร์ดแวร์ RDNA 4 เท่านั้น การใช้งานแบบ shader-based เปิดโอกาสสำหรับการรับรองที่กว้างขึ้นข้าม GPU lineup ที่มีอยู่ของ AMD
การเปรียบเทียบความเข้ากันได้ของฮาร์ดแวร์:
- AMD FSR Redstone: ทำงานบน shader cores รองรับผู้ผลิต GPU หลายราย เข้ากันได้กับฮาร์ดแวร์รุ่นเก่า
- NVIDIA DLSS: ต้องการ Tensor cores เฉพาะ จำกัดเฉพาะ RTX GPUs เท่านั้น
- Future AMD GPUs: อาจรวม AI cores เฉพาะพร้อมการรองรับ DirectX Cooperative Vector
การใช้งานทางเทคนิคและการพิจารณาในอนาคต
กลยุทธ์ปัจจุบันของ AMD มุ่งเน้นไปที่การปรับแต่งประสิทธิภาพ shader pipeline แทนที่จะใช้งาน AI core เฉพาะทาง อย่างไรก็ตาม Hall ยอมรับว่าสถาปัตยกรรม graphics ของ AMD ในอนาคตอาจรวม AI hardware เฉพาะทางที่เข้ากันได้กับเทคโนโลยี DirectX Cooperative Vector ของ Microsoft เฟรมเวิร์กนี้จะช่วยให้โปรแกรม shader ใช้ประโยชน์จาก AI accelerator เฉพาะทางภายใน GPU ซึ่งอาจให้ประสิทธิภาพที่ดียิ่งขึ้นสำหรับ machine learning workload
บริษัทมองว่าแนวทางที่ใช้ ML2CODE เป็นสิ่งที่เหมาะสมที่สุดสำหรับสถาปัตยกรรม GPU ปัจจุบัน รวมถึงฮาร์ดแวร์ NVIDIA แม้ว่า Hall จะสังเกตว่าแนวทาง shader-based และ AI core เฉพาะทางอาจรวมเข้าด้วยกันหรือบูรณาการในการใช้งานในอนาคตในที่สุด
ผลกระทบต่อตลาดและภูมิทัศน์การแข่งขัน
แม้ว่าความสามารถทางเทคนิคของ AMD ในการรัน FSR Redstone บนฮาร์ดแวร์คู่แข่งดูมั่นคง แต่การใช้งานจริงจะขึ้นอยู่กับการตัดสินใจเชิงพาณิชย์และกลยุทธ์ สำหรับผู้บริโภค เทคโนโลยี upscaling ที่ไม่ขึ้นกับแพลตฟอร์มจะเป็นสิ่งที่เหมาะสม ช่วยให้พวกเขาเลือกโซลูชัน upscaling ที่ดีที่สุดสำหรับแต่ละเกมโดยไม่คำนึงถึงผู้ผลิต GPU ของพวกเขา
ในปัจจุบัน DLSS ของ NVIDIA ยังคงถูกล็อคให้ใช้กับ RTX GPU ที่มี Tensor core เท่านั้น ซึ่งสร้างพลวัตการแข่งขันที่น่าสนใจ หาก AMD ดำเนินการตามแผนการรองรับข้ามแพลตฟอร์มสำหรับ FSR Redstone เจ้าของ NVIDIA GPU อาจสามารถเข้าถึงทั้งเทคโนโลジี DLSS และ FSR ในขณะที่ผู้ใช้ AMD และ Intel จะถูกจำกัดให้ใช้โซลูชัน FSR เท่านั้น
ความสำเร็จของแนวทางนี้อาจมีอิทธิพลต่อวิธีที่อุตสาหกรรมพัฒนาเทคโนโลยี graphics ที่ปรับปรุงด้วย AI ในอนาคต อาจผลักดันไปสู่โซลูชันที่เปิดกว้างและเป็นกลางต่อผู้ผลิตมากขึ้น ซึ่งจะเป็นประโยชน์ต่อระบบนิเวศเกมทั้งหมด