手机就能弄个3A级数字人!中国团队一套“乾坤大挪移”搞定( 二 )


毕竟这要是“换算”到本地来实现 , 对硬件设备要求的“打开方式”都得是这样的:
高端PC机性能 , CPU(2.6GHZ主频、16线程) , 内存64G , RTX3080显卡 , TB级存储……
而且团队还说了 , 不仅要渲染一个3A级数字人 , 要在元宇宙里渲染数十万甚至更多的数字人 。
手机就能弄个3A级数字人!中国团队一套“乾坤大挪移”搞定
文章图片
欲达此境 , 就不得不涉及团队的核心“杀手锏”功夫了 。
一套“乾坤大挪移” , 了解一下话不多说 , 我们直接来揭晓答案:
云原生 。
在他们看来 , 这是能够让所有普通用户拥有3A级数字分身的唯一“解法” 。
因为绝大多数用户使用的消费级手机和PC , 性能根本没法满足3A级数字人实时渲染和交互 。
毕竟手机里可塞不了一张3080显卡 , 就算能塞下 , 万元起步的价格也确实让人肉疼 。
于是乎 , 团队便把所有的这些麻烦事 , 一套“乾坤大挪移”统统搬到云上去解决:
唯有如此 , 才能把3A级数字人变成消费级这件事彻底打穿 。
手机就能弄个3A级数字人!中国团队一套“乾坤大挪移”搞定
文章图片
但这并不仅仅是“挪过去”那么简单 。
因为数字人、元宇宙需要的云端环境 , 并不是传统公有云就能直接上手解决的 。
例如传统公有云还是以CPU为主的计算模式和计算逻辑为核心 , 但面向未来的数字人和元宇宙 , 还需要视觉层面和图形层面上发力 。
若是归拢一下来看 , 二者的区别便一目了然了 。 :
传统公有云:CPU+存储+网络数字人/元宇宙的云:CPU+GPU(+DPU)+AI+存储+网络那么具体的“解题步骤” , 又该是怎样的呢?
首先 , 面对复杂场景的不断迭代 , 云原生技术体系也在时刻演进中 , 例如从集中式中心场景到分布式的边缘场景拓展 。
边缘计算基础设施 , 便成为了“解题步骤”之一 。
为此 , 团队自建了云游戏领域最大的边缘计算网络:
在覆盖全国的三十多个边缘IDC中 , 放置了数万台自研服务器 。 并将自建的三十余个边缘IDC率先升级至100G 。如此一来 , 哪怕是面对千万级的实例 , 也能够轻松驾驭;并且边缘节点100G的升级 , 也可以应对高速增长的传输和存储压力 。
手机就能弄个3A级数字人!中国团队一套“乾坤大挪移”搞定
文章图片
除此之外 , 还需要应对大带宽超低延迟传输的实时流媒体传输技术 , 在传输系统层面来“解题” 。
例如基于GAN的AI自适应FEC算法 , 可以优化FEC缓冲和编码实现机制 , 在延时和丢包场景下寻找最佳平衡点 。
在整体带宽增加不超过5%的情况下 , 该算法可以让流畅度提升80% 。
再如UDP+TCP双通道传输策略 , 在复杂弱网场景下 , 结合UDP低延时和TCP高可靠的特性 , 可以将连通率提升到99.9% 。
以及智能动态分辨率算法 , 可以在带宽有限、网络不稳定的情况下 , 让画质提升1.2倍以上 。
但随着基础设施等条件的优化 , 再上面的平台层也成了老大难的问题 。
因为在如此庞大系统的实施过程中 , 资源如何调度 , 计算和存储又该如何分离等问题也会接踵而至 。
为此 , 团队自研了分布式百万容器的管理平台来应对 。
而细分数字人和元宇宙场景 , 团队做出的“解法”是行业内首个UEdocker的大规模分布式实施 。
如此一来 , 在全国实时渲染边缘计算节点 , 以及百万级的分布式UEDocker实例的加持之下 , 用户就可以就近接入 , 而且是超低时延和超高精度的那种 。
……