Connect with us

Hi, what are you looking for?

Notebookspec

IT NEWS

AMD Ray Regeneration ผ่าน Optiscaler เริ่มใช้กับ Cyberpunk 2077 ได้แล้ว และผลลัพธ์ดีกว่าที่คิด

AMD Ray Regeneration Optiscaler

ใครที่ติดตามฝั่งม็อดเกมและเทคโนโลยีอัปสเกลภาพ น่าจะคุ้นชื่อ Optiscaler กันอยู่แล้ว เพราะเครื่องมือนี้กลายเป็นของเล่นชิ้นสำคัญสำหรับสายแต่งเกมที่อยากสลับเทคโนโลยีภาพข้ามค่าย ไม่ว่าจะเป็น DLSS, FSR หรือ XeSS ให้ไปทำงานในเกมที่ไม่ได้รองรับแบบตรง ๆ

ล่าสุดมีความเคลื่อนไหวที่น่าสนใจมาก เพราะตอนนี้มีการทดลองนำ AMD Ray Regeneration ไปใช้งานใน Cyberpunk 2077 ผ่าน Optiscaler ได้แล้ว และผลที่ออกมาถือว่าน่าประทับใจพอสมควร โดยเฉพาะในเกมที่ใช้ Path Tracing หนัก ๆ แบบ Cyberpunk 2077 ที่คุณภาพของ denoiser มีผลกับภาพรวมอย่างชัดเจน

Advertisement

ประเด็นสำคัญคือ นี่ไม่ใช่ฟีเจอร์ทางการจากเกมหรือจาก AMD ที่ปล่อยให้ใช้กันแบบสำเร็จรูป แต่เป็นผลงานฝั่งม็อดเดอร์ที่กำลังพัฒนาอย่างรวดเร็ว จนทำให้ผู้ทดสอบมองว่า AMD มีของดีซ่อนอยู่ และถ้าภายหน้ามีการรองรับอย่างเป็นทางการมากขึ้น เทคโนโลยีตัวนี้อาจกลายเป็นอีกจุดแข็งของ Radeon ในยุคที่เกม Path Tracing เริ่มจริงจังขึ้นเรื่อย ๆ


Ray Regeneration คืออะไร และต่างจาก denoiser ทั่วไปยังไง

ก่อนอื่นต้องอธิบายแบบเข้าใจง่ายก่อนว่า เวลาเกมใช้ ray tracing หรือ path tracing ภาพที่เรนเดอร์ออกมาในแต่ละเฟรมจะมี noise หรือจุดรบกวนจำนวนมาก เพราะเครื่องไม่สามารถยิงแสงได้ละเอียดเท่าการเรนเดอร์แบบออฟไลน์ที่ใช้เวลานานหลายชั่วโมงต่อเฟรมได้ในเวลาจริง

ดังนั้นเกมจึงต้องมี denoiser เข้ามาช่วยเก็บรายละเอียด ลบรอย noise และทำให้ภาพสุดท้ายดูนิ่งและสะอาดขึ้น

สำหรับ AMD Ray Regeneration นั้น AMD อธิบายว่าเป็น ML-powered real-time denoiser หรือ denoiser ที่ใช้ machine learning เข้ามาช่วยประมวลผล เพื่อแปลงภาพ ray-traced ที่ยังมี noise ให้กลายเป็นภาพที่สะอาดและคมชัดขึ้นแบบเรียลไทม์ โดยถูกออกแบบมาให้ทำงานได้ดีกับชุดเทคโนโลยี FSR Redstone เช่น FSR Upscaling และ FSR Frame Generation

จุดต่างที่สำคัญคือ มันไม่ได้เป็นแค่การเบลอภาพเพื่อลด noise แบบหยาบ ๆ แต่ใช้โมเดลช่วยประเมินว่าควรเก็บรายละเอียดตรงไหน ลดสิ่งรบกวนตรงไหน และเชื่อมข้อมูลข้ามเฟรมอย่างไรให้ภาพดูดีขึ้น นี่จึงเป็นเหตุผลว่าทำไมหลายคนมองว่า Ray Regeneration คือคำตอบของ AMD ต่อแนวคิดเดียวกับ NVIDIA Ray Reconstruction


ทำไมการมาของ Optiscaler ถึงน่าสนใจมาก

ความน่าสนใจของข่าวนี้ไม่ได้อยู่แค่เรื่อง “เปิดใช้ได้แล้ว” แต่คือมันเปิดประตูให้เห็นภาพว่า เทคโนโลยีใหม่ของ AMD อาจไม่ได้จำกัดอยู่เฉพาะเกมที่รองรับจากโรงงานเท่านั้น

ตัวบทความต้นทางระบุว่า DarkHelmet ได้นำกระบวนการ Ray Regeneration ไปผูกเข้ากับ pipeline ของ upscaling และมี shader สำหรับแปลงอินพุตที่เดิมทำมาสำหรับ NVIDIA Ray Reconstruction ให้กลายเป็นข้อมูลที่ AMD Ray Regeneration ใช้งานได้ พร้อมมีงานด้าน composition และ input modulation เพิ่มเติมด้วย นั่นหมายความว่าในเชิงแนวคิด มันคือการ “แปลภาษา” ระหว่างระบบของ NVIDIA กับฝั่ง AMD เพื่อให้ฟีเจอร์คนละค่ายสามารถทำงานร่วมกันได้ในระดับหนึ่ง

image 20

ฟังดูอาจเป็นเรื่องเล็ก แต่ในโลกจริงมันไม่ง่ายเลย เพราะข้อมูลที่แต่ละระบบคาดหวัง รูปแบบ input และลำดับการประมวลผลมีความต่างกันมาก การที่ชุมชนม็อดสามารถทำให้มันใช้งานได้จริง แม้ยังไม่สมบูรณ์ ก็ถือว่าเป็นก้าวที่น่าสนใจมากสำหรับสายทดลองเทคโนโลยีกราฟิก


ตอนนี้ใช้ได้กับการ์ดอะไรบ้าง

จุดที่ต้องรู้ก่อนคือ เวอร์ชันทดลองนี้ยังจำกัดอยู่กับการ์ด RDNA 4 เท่านั้น โดยตัวบทความต้นทางระบุชัดว่า Ray Regeneration ผ่าน Optiscaler ในตอนนี้ใช้งานได้กับการ์ดกลุ่มนี้ และฝั่ง FSR 4.1 ก็มีข้อจำกัดใกล้เคียงกัน ส่วน RDNA 3 จะมีข้อยกเว้นบางกรณีบน Linux เท่านั้น

สรุปง่าย ๆ คือ ถ้าใครยังใช้ Radeon รุ่นเก่ากว่านี้ ก็ยังไม่ใช่เวลาของฟีเจอร์นี้ในทางปฏิบัติ และคนที่อยากลองต้องเข้าใจก่อนว่านี่คือของระดับทดลอง ไม่ใช่ฟีเจอร์กดเปิดแล้วใช้ได้เลยสำหรับผู้เล่นทั่วไป


วิธีติดตั้งแบบคร่าว ๆ สำหรับ Cyberpunk 2077

ในกรณีของ Cyberpunk 2077 ขั้นตอนที่บทความต้นทางอธิบายไว้คือ ต้องใช้ Optiscaler test build จาก Discord, ใช้ไฟล์ Optiscaler.dll เวอร์ชันที่คอมไพล์มาเฉพาะสำหรับ Ray Regeneration, ใช้ไฟล์ของ FSR 4.1 และดึง DLL ที่เกี่ยวข้องกับ Ray Regeneration จาก AMD FSR SDK v2.1.1 แล้วนำทั้งหมดไปวางในโฟลเดอร์เกม

หลังจากนั้นให้รันตัว setup โดยเปิดตัวเลือก Nvidia spoofing แล้วเข้าเกมไปเปิด Path Tracing กับ DLSS Ray Reconstruction ก่อนเลือกสลับเป็น FSR Ray Regeneration ผ่านเมนูของ Optiscaler

image 22

ตรงนี้ต้องย้ำว่า วิธีนี้มีไว้สำหรับคนที่อยาก “ลองของ” ไม่ใช่โซลูชันสำหรับผู้เล่นทั่วไป เพราะต้องใช้ไฟล์หลายส่วน และต้องมีพื้นฐานเรื่องการติดตั้งม็อดอยู่แล้วพอสมควร ถ้าไม่คุ้นกับการแตะไฟล์ระบบของเกม อาจต้องรอเวอร์ชันที่นิ่งกว่านี้ก่อนจะปลอดภัยกว่า


คุณภาพภาพออกมาเป็นยังไง

จากผลทดสอบที่ผู้เขียนต้นทางรายงานไว้ จุดเด่นของ Ray Regeneration คือมันให้ภาพที่ดูดีกว่า denoiser ปกติในหลายจุดอย่างเห็นได้ชัด

อย่างแรกคือ global illumination หรือแสงอ้อมในฉากดูมีมิติมากขึ้น แสงสะท้อนจากพื้นผิวและสิ่งแวดล้อมให้ความรู้สึกสมจริงขึ้น ภาพโดยรวมจึงดู “เต็ม” มากกว่าเดิม

อย่างที่สองคือ reflections โดยเฉพาะบนพื้นผิวโลหะ มีความชัดและสะอาดขึ้น ทำให้รายละเอียดของฉากเด่นขึ้นเวลามองพื้นผิวที่สะท้อนแสงจำนวนมาก

อีกจุดที่น่าสนใจคือการจัดการกับ volumetrics อย่างหมอกหรือแสงที่กระจายผ่านอากาศ ซึ่งดูดีขึ้นและมีการ diffusion ของแสงที่นุ่มกว่าเดิม จึงช่วยให้ฉาก Path Tracing ใน Cyberpunk 2077 ดูมีบรรยากาศมากขึ้นอย่างชัดเจน

ถ้ามองจากมุมคนเล่นเกม ภาพที่ได้จะไม่ใช่แค่คมขึ้นอย่างเดียว แต่เป็นความรู้สึกว่าฉากมีความ “เนียน” และ “สมจริง” มากขึ้น โดยเฉพาะเวลาขับรถตอนกลางคืนหรือเดินในฉากที่มีแหล่งกำเนิดแสงหลายทิศทาง


แต่ยังไม่สมบูรณ์ และมีข้อเสียชัดเจน

แม้ภาพรวมจะน่าสนใจ แต่ของแบบนี้ยังไม่ใช่ของพร้อมใช้จริง 100%

ข้อเสียหลักที่ผู้ทดสอบเจอคืออาการภาพลักษณะ wobbling หรืออาการวูบไหวกึ่ง ๆ ระหว่าง shimmering กับ noise ซึ่งทำให้บางจังหวะภาพดูไม่นิ่งเท่าที่ควร ทั้งที่ด้านหนึ่งรายละเอียดดีขึ้น แต่ความเสถียรของภาพกลับยังไม่ถึงระดับที่เรียกว่าสมบูรณ์

นอกจากนี้ กระบวนการแปล input จากระบบของ NVIDIA มาให้ AMD ใช้งานได้ ยังทำให้ฟีเจอร์นี้กินประสิทธิภาพค่อนข้างหนักในสถานะปัจจุบัน จึงยังไม่ใช่ทางเลือกที่คุ้มค่าที่สุดสำหรับทุกคน โดยเฉพาะคนที่ต้องการเฟรมเรตนิ่ง ๆ มากกว่าการลองของใหม่

อย่างไรก็ตาม ต้องไม่ลืมว่านี่เป็นเพียง preview build จากชุมชนม็อด ยังไม่ใช่ build ทางการของ Optiscaler ดังนั้น artifact บางอย่างอาจเกิดจากวิธีการแปลงข้อมูลชั่วคราว มากกว่าจะเป็นข้อจำกัดแท้จริงของ AMD Ray Regeneration เอง


ทำไมเรื่องนี้ถึงสำคัญกับอนาคตของ Radeon

สิ่งที่ทำให้ข่าวนี้น่าสนใจกว่าการเป็นแค่ “ม็อดใหม่ตัวหนึ่ง” คือมันสะท้อนว่า AMD เริ่มมีเทคโนโลยีฝั่ง neural rendering ที่จับต้องได้มากขึ้นแล้ว

เมื่อก่อนเวลาพูดถึงฟีเจอร์ภาพขั้นสูง หลายคนมักนึกถึง NVIDIA ก่อน แต่การที่ Ray Regeneration เริ่มถูกทดลองใช้งานข้ามเกมผ่าน Optiscaler ได้ แม้จะยังไม่สมบูรณ์ ก็ช่วยให้เห็นว่า AMD เองก็เริ่มมีเครื่องมือที่น่าสนใจในฝั่งนี้เหมือนกัน

ถ้าในอนาคตมีเกมรองรับอย่างเป็นทางการมากขึ้น และถ้า Optiscaler หรือเครื่องมือแนวเดียวกันพัฒนาเสถียรขึ้นอีก เราอาจเริ่มเห็นฝั่ง Radeon มีจุดแข็งด้าน Path Tracing ที่ใกล้เคียงกับสิ่งที่ผู้เล่นฝั่ง NVIDIA คุ้นเคยมากขึ้นเรื่อย ๆ

ตัวบทความต้นทางยังบอกด้วยว่า ณ เวลาที่เขาทดสอบ ฟีเจอร์นี้ยังมีเกมรองรับอย่างเป็นทางการน้อยมาก และหนึ่งในนั้นยังไม่ออกวางขายในวันนั้นด้วย ยิ่งทำให้การที่ Cyberpunk 2077 เรียกใช้ Ray Regeneration ผ่านม็อดได้ กลายเป็นเรื่องที่น่าตื่นเต้นสำหรับชุมชนสายแต่งเกมมากเป็นพิเศษ


สรุป

ถ้ามองแบบตรงไปตรงมา AMD Ray Regeneration ผ่าน Optiscaler ใน Cyberpunk 2077 ตอนนี้ยังไม่ใช่ของสำหรับผู้ใช้ทั่วไป แต่เป็นของที่ “น่าจับตา” มากสำหรับคนที่สนใจอนาคตของกราฟิกเกมบน Radeon

ข้อดีคือภาพดีขึ้นจริงในหลายจุด ทั้งแสงอ้อม แสงสะท้อน และบรรยากาศของฉาก Path Tracing

ข้อเสียคือยังมีอาการภาพวูบไหว และกินประสิทธิภาพหนักจากการแปลงข้อมูลข้ามระบบ

แต่ถึงอย่างนั้น สิ่งที่ชัดเจนมากคือ AMD ไม่ได้มีแค่เทคโนโลยีอัปสเกลภาพอีกต่อไป เพราะตอนนี้ฝั่ง denoising และ neural rendering ก็เริ่มมีของที่ดูมีอนาคตเช่นกัน และถ้าทีมพัฒนาหรือชุมชนม็อดขัดเกลาให้เสถียรกว่านี้ได้เมื่อไร สาย Radeon ที่ชอบเปิด Path Tracing น่าจะมีอะไรให้ตื่นเต้นอีกเยอะในปีนี้

ที่มา: wccftech

Click to comment

บทความน่าสนใจ

IT NEWS

ตลาดเครื่องเล่นเกมพกพา (Handheld Gaming Console) กำลังร้อนระอุ และมีข่าวการแข่งขันออกมาอย่างต่อเนื่อง และแฟนๆ ต่างเฝ้ารอคอยการมาของ Steam Deck 2 จากทาง Valve อย่างใจจดใจจ่อ ล่าสุดมีข้อมูลหลุดที่น่าสนใจอย่างมากจากฐานข้อมูลผลทดสอบประสิทธิภาพ OpenBenchmarking ปรากฏชื่อชิปประมวลผล Engineering Sample รุ่นใหม่ภายใต้รหัสพัฒนาของ AMD ซึ่งถูกคาดหมายว่าอาจเป็นชิป APU ขุมพลังหลักที่จะนำมาใช้ในเครื่องเกมรุ่นถัดไป...

Special Story

ชิปเซ็ต NVIDIA RTX Spark ถูกสร้างมาเพื่อตอบโจทย์ยุคที่ผู้คนหันมาใช้ AI Model ต่างๆ เพื่อช่วยลดขั้นตอนงานยุ่งยากและเรื่งจิปาถะในชีวิตประจำวันลงไป ไม่ว่าจะเป็น Chatbot หรือ Agent Model ก็ตาม ให้ผู้ใช้ได้โฟกัสกับงานและไอเดียสร้างสรรค์ใหม่ได้มากขึ้น แถมลดชั่วโมงการทำงานจากหลักร้อยหรือพันชั่วโมงให้เหลือไม่กี่สิบชั่วโมงโดยไม่ต้องรอรีเซ็ต Token ให้งานสะดุดอีกด้วย ซึ่งชิปเซ็ตตัวนี้ NVIDIA เคลมว่ามันรองรับโมเดลขนาดใหญ่ถึง 120B (120...

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...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก