因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

今年Computex是前所未有的處理器廠商直接交鋒,除了AMD於發佈會上借CEO Keynote發表Ryzen 3000系列外,Intel搶在AMD的CEO Keynote前夜搶先宣告新一代的10nm平臺Ice Lake 、以及特別版、能夠預設8核心Turbo Boost達5GHz的Intel Core i9-9900KS將在今年內出貨。

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

Intel 更直接點出,業界使用的測試基準軟件雖亦基於特定軟件,但卻非一般消費者常用的軟件, 相較測試軟件的帳面數據, Intel 更重視使用者在真實情境的實際體驗,無論Ice Lake 可帶來革命性的真實使用體驗提升,帶來最高2 倍遊戲性能、 8 倍AI 性能,而i9-9900KS 則在當前消費級最強處理器的基礎之上帶來更高的是設性能。

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

在進入主題前, Intel 也不忘介紹他們今年GDC 大會與Epic Games 的合作成果Chaos 物理引擎,這項技術藉由讓SIMD 以近似GPU 的著色器方式運作,藉此提升物理特性運算的效能,且可兼容SSE4 、 AVX 與AVX2 等指令集,這項合作的成果Chaos 預計在近期內導入Unreal 4 Engine 。

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

Intel 在當前最強的消費級處理器i9-9900K 的基礎上,宣佈推出特別版的i9-9900KS ,除了具備4GHz 的基礎時鐘頻率,較當前的i9-9900KS 具備8 核心全5GHz Turbo Boost 的產品,對於追求極致的玩家或是需要更高多核工作負載的專業用戶提供更高性能的選擇。由於全核心Boost 的需求, i9-9900KS 需要搭配供電強制規範較嚴謹的Z 系列主機板才能正常運作。

第九代Core i 的Ice Lake 將是Intel 第一款在消費級產品導入10nm 製程的平臺,採用新世代的Sunny Cove 和Gen11 GPU ,對於15W 低電壓的第九代Core i Ice Lake-U 系列相較第八代Core i U 系列,在GPU 架構等同一口氣從Gen9 跨到Gen11 ,在實際遊戲fps 達到最高2 倍的性能提升。

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

Gen11 不僅在架構的基礎性能提升,更重要的是Gen11 GPU支持開放標準的可變速率著色/ VRS 技術,可針對不同場景對於動態物體與靜態背景進行分區演算,將運算資源集中在視覺容易察覺的區塊,有效應用運算運算能力,提升遊戲的順暢度,尤其對VR 內容有更顯主的提升。

Intel亦直接把競品的第二世代移動處理器平臺作為Ice Lake系列的對照組,強調在同級距於真實環境的使用性能皆能勝過同級競品甚至越級打怪,例如在PDF轉檔可借15W雙核產品比起競品四核心35W平臺更快,而同樣設定在25W下於遊戲內容體驗更佳,即便搭配同級的NVIDIA獨立GPU亦在遊戲的Benchmark有更優異的表現。

Ice Lake 也加入更多的連接能力,其一是首度在平臺內原生整合Thunderbolt 3 支持,以及具備Intel WiFi 6 ( Gig+ )

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

另外Intel 亦將用於第二代Intel Xeon 可擴充處理器的Intel DL Boost 技術,應用在消費級的Ice Lake 平臺,借DL Boost 搭配低功耗GPU 與AI 指令,提升在支持AI 技術的影像軟體的性能,應用於包括去模糊、影片風格等,能夠較同類產品達8.8 倍的AI 推理流量。

因特爾全 8 核 i9-9900KS搶先發布 狙擊AMD線程撕裂者

Intel也藉機在服務器應用領域向NVIDIA叫陣,表示第二代Xeon可擴充處理器對比第一代平臺於AI推理提升達14倍,在FP32能夠較NVIDIA的Tesla V100 GPU達2.4倍的性能,而在INT8的情境,更可藉由DL Boost技術達到比未開啟語法前1.9倍的提升;而Intel更領先競品將此技術應用在消費性平臺,同時若對比GPU AI加速, Intel的平臺更為直接易用。

此外,當被問及DL Boost 能否與GPU 或是其他加速器在AI 加速混合並用, Intel 發言人表示,這樣的跨硬體型態的AI 加速理論上是可行的,不過仍是取決在工作負載類型與軟件支持,即便GPU 可能較處理器本身有較高的AI 處理能力,然而若AI 模型處理量不大卻需要更快速的處理,則直接透過CPU 平臺的DL Boost 可較混合外部加速器更具效率。

相關推薦

推薦中...