英特尔杀入游戏显卡市场：支持光追和AI超分辨率，挑战AMD英伟达
点上方计算机视觉联盟获取更多干货
仅作学术分享，不代表本公众号立场，侵权联系删除
转载于：量子位
AI博士笔记系列推荐
周志华《机器学习》手推笔记正式开源！可打印版本附pdf下载链接
千呼万唤始出来，在游戏显卡一卡难求（原价）的今天，英特尔给玩家们带来了一个好消息：
正式发布高性能游戏显卡品牌Arc（中文名：锐炫）。
这次，英特尔不再只是“画饼”，而是放出了多款游戏的实机演示画面，包括《极限竞速：地平线4》、《地铁：离去》等3A大作。
△ 极限竞速：地平线4
△ 地铁：离去
英特尔表示，第一代显卡代号为Alchemist（炼金术士），以后每一代显卡将分别以B、C、D开头单词命名：Battlemage（战斗法师）、Celestial（天神）和Druid（德鲁伊）。
从命名就能看出浓浓的游戏显卡味儿。
Alchemist显卡将于2022年第一季度正式发售，支持台式机和笔记本两种平台。
性能如何？
看过了游戏实机演示画面，那么英特尔Alchemist显卡的性能究竟如何呢？
不好意思，英特尔官方并没有给出具体参数，我们只知道它应该比英特尔去年发布的DG1强上不少。
因为Arc GPU将基于英特尔的Xe-HPG高性能微架构，而DG1是基于Xe-LP低功耗微架构。
至于光线追踪、AI超分辨率、可变刷新率这几项游戏显卡的重要功能，Alchemist显卡都具备（英伟达的超分辨率技术叫做DLSS，AMD的叫做FSR）。
△ 光线追踪
△ AI超分辨率
据知情人士透露，Alchemist显卡主要是与400~600美元之间的游戏显卡进行竞争，也就是与RTX 3060Ti/3070或RX 6700 XT（原价）争夺市场，因此Alchemist显卡应该与这些显卡性能相近。
20年后重回独显市场
其实，早在1998年，英特尔曾经发布过一款极为短命的独立显卡i740，由于这款产品的失败，英特很快退出了独显市场。
由于GPU在计算中地位越来越重要，英特尔决定重回显卡市场。
到目前为止，英特尔已经推出过一款使用Xe LP架构的Iris Xe显卡，代号为“DG1”，于今年下半年出货。
DG1为低功耗卡，主要是为工作站设计的，而非游戏设备。DG1游戏性能一般，据外媒报道，其性能甚至不如英伟达的GTX 1050或AMD的RX 560。
而且DG1也非一般用户可以使用，因为它只支持一些特殊BIOS的主板，若BIOS不支持，那么显卡就无法点亮。
从第11代酷睿笔记本CPU开始，英特尔开始在集成显卡中使用Iris Xe架构，游戏性能相比之前的集显有不小的提升，能以1080p流畅运行不少低负载游戏。
会不会是空气卡
现在，游戏玩家最关心的问题是，英特尔显卡是否也会像N卡一样成为空气卡。
不幸的消息是，有可能。
今年年初，路透社曾报道，DG2——也就是Alchemist显卡——会由台积电代工，并使用7nm工艺，果真如此的话，那我们可能要空欢喜一场了。
虽然显卡你可能买不到，但是你可以在英特尔官网上买到印有显卡品牌LOGO的T恤衫。
不过好消息是，相比RTX 30系列使用的三星8nm工艺，台积电7nm工艺显然更优。而且到了2022年，芯片紧缺的情况应该有所缓解。
无论如何，台积电7nm对三星8nm，这波优势在英特尔。英特尔的游戏显卡值得期待。
参考链接：
[1]https://www.intel.com/content/www/us/en/architecture-and-technology/visual-technology/arc-discrete-graphics.html
[2]https://www.youtube.com/watch?v=3RHYgNQD8-c&ab_channel=IntelGaming
[3]https://www.theverge.com/2021/8/16/22626912/intel-arc-gpu-brand-alchemist-codename-release-date
[4]https://www.reuters.com/article/technologyNews/idUSKBN29H0EZ
-------------------
END
--------------------
我是王博Kings，985AI博士，华为云专家、CSDN博客专家（人工智能领域优质作者）。单个AI开源项目现在已经获得了2100+标星。现在在做AI相关内容，欢迎一起交流学习、生活各方面的问题，一起加油进步！
我们微信交流群涵盖以下方向（但并不局限于以下内容）：人工智能，计算机视觉，自然语言处理，目标检测，语义分割，自动驾驶，GAN，强化学习，SLAM，人脸检测，最新算法，最新论文，OpenCV，TensorFlow，PyTorch，开源框架，学习方法...
这是我的私人微信，位置有限，一起进步！
王博的公众号，欢迎关注，干货多多
王博Kings的系列手推笔记（附高清PDF下载）：
博士笔记 | 周志华《机器学习》手推笔记第一章思维导图
博士笔记 | 周志华《机器学习》手推笔记第二章“模型评估与选择”
博士笔记 | 周志华《机器学习》手推笔记第三章“线性模型”
博士笔记 | 周志华《机器学习》手推笔记第四章“决策树”
博士笔记 | 周志华《机器学习》手推笔记第五章“神经网络”
博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（上）
博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（下）
博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（上）
博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（下）
博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（上）
博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（下）
博士笔记 | 周志华《机器学习》手推笔记第九章聚类
博士笔记 | 周志华《机器学习》手推笔记第十章降维与度量学习
博士笔记 | 周志华《机器学习》手推笔记第十一章稀疏学习
博士笔记 | 周志华《机器学习》手推笔记第十二章计算学习理论
博士笔记 | 周志华《机器学习》手推笔记第十三章半监督学习
博士笔记 | 周志华《机器学习》手推笔记第十四章概率图模型
点分享
点收藏
点点赞
点在看