Connect with us

Hi, what are you looking for?

Notebookspec

IT NEWS

NVIDIA ผนึกกำลัง Microsoft ลดการใช้ VRAM ได้ถึง 90% ด้วยเทคโนโลยี Neural Texture Compression

NVIDIA Neural Texture Compression

ในยุคที่การเล่นเกมระดับสูงต้องอาศัยหน่วยความจำกราฟิก (VRAM) จำนวนมาก NVIDIA ก็ได้พิสูจน์ว่า “ซอฟต์แวร์ก็สำคัญไม่แพ้ฮาร์ดแวร์” ด้วยการเปิดตัวเทคโนโลยี Neural Texture Compression หรือ NTC ซึ่งใช้เทคนิค AI เพื่อบีบอัดพื้นผิวกราฟิกให้มีขนาดเล็กลง โดยไม่กระทบต่อคุณภาพ พร้อมรองรับการทำงานร่วมกับ DirectX Cooperative Vector ของ Microsoft ได้อย่างลงตัว

Advertisement

ล่าสุดมีผู้ทดสอบจากบัญชี X (เดิม Twitter) @opinali เผยผลทดลองที่น่าสนใจว่า เมื่อเปิดใช้งาน NTC ร่วมกับฟีเจอร์ Cooperative Vectors บน DirectX Raytracing 1.2 (DXR 1.2) สามารถลดการใช้ VRAM ได้สูงสุดถึง 90% เลยทีเดียว


Neural Texture Compression คืออะไร?

NTC เป็นเทคโนโลยีที่พัฒนาโดย NVIDIA โดยใช้เครือข่ายประสาทเทียม (Neural Networks) ในการบีบอัดและถอดรหัสพื้นผิวของเกม ซึ่งปกติแล้ว texture หรือพื้นผิวภาพในเกมจะใช้พื้นที่ VRAM จำนวนมาก การใช้ AI มาช่วยทำให้สามารถเก็บข้อมูล texture ได้ในขนาดที่เล็กลง โดยยังคงรายละเอียดและความคมชัดของภาพไว้ได้เกือบเหมือนต้นฉบับ


Cooperative Vector ใน DirectX คืออะไร?

ฟีเจอร์ใหม่ของ DirectX 12 ที่ชื่อว่า Cooperative Vector หรือ Cooperative Matrix ช่วยให้ GPU สามารถแบ่งงานการคำนวณเป็นชุดเวกเตอร์ขนาดเล็ก ๆ และประมวลผลพร้อมกันได้อย่างมีประสิทธิภาพ เหมาะสำหรับการใช้งานร่วมกับโมเดล AI ที่ต้องการประสิทธิภาพสูงในเวลาอันสั้น

เมื่อผสานเทคโนโลยีนี้เข้ากับ NTC ทำให้ขั้นตอนบีบอัดและถอดรหัส texture ทำได้เร็วขึ้นภายใน shader ทั่วไปของเกม ลดภาระการใช้ VRAM และเพิ่มประสิทธิภาพการเรนเดอร์อย่างเห็นได้ชัด


ผลการทดสอบ: เฟรมเรตเพิ่มขึ้นเกือบ 2 เท่า

จากผลการทดลองของ @opinali ในฉากเรนเดอร์ตัวอย่าง “Shoe Render” พบว่าการเปิดใช้ NTC และ Cooperative Vector แบบ “Default” ทำให้ได้เฟรมเรตสูงถึง 2,350 FPS ขณะที่การปิดฟีเจอร์ทั้งหมดและใช้เพียงชุดคำสั่ง DP4A แบบเดิมจะได้เพียง 1,030 FPS เท่านั้น — หรือเฟรมเรตลดลงกว่า 80%

นอกจากนี้ยังพบว่าการใช้ VRAM ลดลงอย่างมาก โดยเฉพาะในฉากที่มีการโหลดพื้นผิวจำนวนมาก ซึ่งเป็นผลดีอย่างยิ่งสำหรับเกม AAA ที่ใช้ทรัพยากรหนัก


รองรับกับการ์ดจอรุ่นใดบ้าง?

ในขณะนี้ Neural Texture Compression รองรับเฉพาะการ์ดจอ GeForce RTX รุ่นใหม่ที่ใช้สถาปัตยกรรม Ada Lovelace (RTX 40 Series) เท่านั้น ได้แก่:

การ์ดจอที่รองรับ:

  • GeForce RTX 4090
  • GeForce RTX 4080 / 4080 SUPER
  • GeForce RTX 4070 Ti / 4070 / 4070 SUPER
  • GeForce RTX 4060 Ti / 4060

รองรับทั้งรุ่น Desktop และ Laptop
จำเป็นต้องใช้ Windows 11 และ DirectX 12 Ultimate พร้อมไดรเวอร์เวอร์ชัน 590.26 (Preview) หรือใหม่กว่า

การ์ดจอที่ยังไม่รองรับ:

  • RTX 30 Series (Ampere)
  • GTX Series ทุกรุ่น
  • การ์ดจอ AMD และ Intel ทุกรุ่น

เนื่องจาก NTC ต้องอาศัย Tensor Core รุ่นใหม่และฟีเจอร์เฉพาะใน DX12 Ultimate จึงมีแนวโน้มว่าจะจำกัดการใช้งานไว้เฉพาะ RTX 40 Series ขึ้นไปเท่านั้น

NVIDIA RTX Neural Shaders

ใช้งานได้แล้วบนไดรเวอร์รุ่น Preview

ฟีเจอร์ Neural Texture Compression และ Cooperative Vectors นี้สามารถเปิดใช้งานได้บนไดรเวอร์เวอร์ชัน 590.26 (Preview) ซึ่งเป็นชุดไดรเวอร์ทดสอบที่มาพร้อมฟีเจอร์ใหม่อย่าง Smooth Motion ด้วย อย่างไรก็ตาม NVIDIA เตือนว่าการใช้ไดรเวอร์ Preview อาจทำให้เกิดปัญหาความเข้ากันได้กับเกมหรือโปรแกรมบางตัว และยังไม่แนะนำสำหรับผู้ใช้ทั่วไปในเวลานี้


AMD และ Intel ยังตามไม่ทันในตอนนี้

แม้ AMD และ Intel จะพัฒนาเทคโนโลยีเกี่ยวกับ AI rendering ของตัวเองอยู่ แต่ก็ยังไม่มีระบบที่พร้อมใช้งานได้จริงในระดับเดียวกับ NTC ของ NVIDIA ในขณะนี้ นั่นหมายความว่าผู้ใช้การ์ดจอ RTX ของ NVIDIA จะเป็นกลุ่มแรกที่ได้สัมผัสกับการใช้ VRAM อย่างมีประสิทธิภาพสูงสุด พร้อมการเรนเดอร์ภาพที่ลื่นไหลและคมชัด


บทสรุป

การรวมพลังระหว่าง NVIDIA Neural Texture Compression และ DirectX Cooperative Vector ไม่เพียงแต่ลดภาระของ GPU ลงอย่างมหาศาล แต่ยังช่วยเปิดประตูสู่ยุคใหม่ของการเรนเดอร์ภาพในเกมที่ลื่นไหล รวดเร็ว และใช้ทรัพยากรน้อยลงอย่างเหลือเชื่อ — ซึ่งอาจเป็นหมากเด็ดของ NVIDIA ในการรองรับเกมยุคหน้าและ AI ที่กินทรัพยากรหนักมากยิ่งขึ้น


หากคุณใช้การ์ดจอ RTX 40 Series และอยากลองสัมผัสพลังของเทคโนโลยีใหม่นี้ อาจต้องติดตามการอัปเดตไดรเวอร์รุ่น Preview อย่างใกล้ชิด — เพราะอนาคตของการเล่นเกมอาจไม่ใช่แค่เรื่องของฮาร์ดแวร์อีกต่อไป แต่คือ “ซอฟต์แวร์ที่ฉลาดขึ้น”

ที่มา: wccftech

Click to comment
Advertisement

บทความน่าสนใจ

PR-News

กรุงเทพฯ, ประเทศไทย — ASUS (เอซุส) ผู้นำด้านเทคโนโลยีระดับโลก นำเสนอ ASUS Agent Computer ภายใต้แนวคิด “Powering Every AI Choice” ระบบนิเวศด้านฮาร์ดแวร์ที่ออกแบบมาเพื่อรองรับการทำงานของ AI Agent ครอบคลุมตั้งแต่โน้ตบุ๊ก NUC และมินิพีซี เดสก์ท็อปพีซีที่ปรับแต่งได้ ไปจนถึงเวิร์กสเตชันระดับมืออาชีพและ AI...

PR-News

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ  ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริง Advertisement แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI  เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย  และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ”  “การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง  แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต  ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ:  ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป  ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก  และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI”  ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์  สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ  ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ...

รีวิว Asus

ASUS TUF Gaming A16 FA608UHI จ่ายไม่แพง แรงพร้อมลุยทุกเกม ใช้งานดีรอบด้าน ASUS TUF Gaming A16 FA608UHI รหัสนี้เป็นเกมมิ่งโน้ตบุ๊กรหัสฝาแฝดกับ TUF Gaming F16 ซึ่งได้รีวิวไปก่อนหน้านี้ ดังนั้นทั้งสองรุ่นนี้จึงแชร์องค์ประกอบร่วมกันหลายอย่างตั้งแต่ดีไซน์เรียบง่ายน่าใช้, คีย์บอร์ดเกมมิ่งพร้อมไฟ 1-Zone RGB มีปุ่ม WASD...

PR-News

Prestige N16 Flip AI+ ประสิทธิภาพ AI สูงสุดระดับ 1 petaflop และ Unified Memory สูงสุด 128GB จับคู่กับหน้าจอสัมผัส 16 นิ้ว UHD+ Tandem OLED พร้อม MSI Nano Pen ตัวช่วยเสริมในการใช้งาน MSI ผู้นำระดับโลกด้านอุปกรณ์คอมพิวเตอร์อุตสาหกรรม AI ระดับไฮเอนด์ประกาศในวันที่ 8 ตุลาคม 2569 ว่า Prestige N16 Flip AI+ พร้อมเปิดให้สั่งซื้อล่วงหน้าผ่านตัวแทนจัดจำหน่ายที่ได้รับการรับรองจาก MSI แล้ว Prestige N16 Flip AI+ ขับเคลื่อนด้วย NVIDIA RTX Spark™ ซึ่งผสาน NVIDIA AI, RTX graphics และ Unified...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก