Asus introducerar NUC-klassad dator med AMD Ryzen 7 4800U under huven

"Vill ha"-begäret är större än behovet... fan!

Ja bättre att länka till Prisjakt, då behöver ju inte opartiskhet ifrågasättas

Se på tusan, en NUC som dessutom inte är skitful (jag tänker specifikt jämfört med Intels NUC:ar, åtminstone från när jag senast såg en).

Jag tror du överskattar. "Klara av" är förstås en definitionsfråga. I min bok är det på gnällen att ett 2080 Ti "klarar av" 4K.

30 fps i medioker kvalitetsnivå, som verkar vara en allmän definition av "klara av 4K", är bara dumt i min mening. Då är det bättre att köra med högre kvalitetsnivå i lägre upplösning istället. Men alla får ju tycka som de vill, så länge som ingen strikt definition av "klara av" finns.

Vet inte om du är allvarlig men Vega 56/64 var dedikerade grafikkort med bra prestanda.
Det AMD kallar Vega på deras laptopkretsar är strömsnåla, integrerade kretsar.

De är världar ifrån varandra i prestanda.

Exempelvis så har 4800U en TDP på 15W som CPU och GPU delar på.
Vega 56 har en TDP på 210W

"Är en stationär dator i den här storleksklassen något du är intresserad av att använda, eller redan använder, i hemmet eller på jobbet?"

Har ett gäng NUCs på jobbet, två som hemma-servers (en hemma och en i sommarstugan).

Skulle vara intressant att veta hur pass väl dessa system säljer. De måste vara en hyfsat smal nisch då spelriggarna måste ha dGPUer medan majoriteten av PC-användarna migrerat till bärbara. Personligen gillar jag NUC-formfaktorn då den tar väldigt lite plats, vilket är praktiskt när man har relativt många system hemma...

Kommer helt klart bli en sådan här när/om AMD får ordning på GPGPU-drivarna till Linux (kör Ubuntu på alla mina NUCs). Just nu är den detaljen en sorglig läsning.

"3 June 2020 - Radeon Open Compute 3.5 (ROCm 3.5) is now available with a number of improvements but surprisingly still no GFX10/Navi support. "

Är en person (bridman) som av allt att döma är AMD-anställd som svarar på frågor på forumet, hen säger detta

"We have been making some changes to APU support (using GPUVM-based dGPU code paths rather than the original APU-specific ATC/IOMMUv2 paths) in order to let APUs be a better development platform for dGPUs and you should see that code start to fetch up soon as well. "

Så kanske inte superbäst jobbat av AMDs GPU-team när både Vega-baserade APUer och alla Navi-baserade kort fortfarande saknar GPGPU-stöd i det ramverk som AMD själva anser vara det man bör använda framåt, det ett år efter lansering (samma GPU i förra generationen mobil CPUer).

Flera projekt där AMD lagt sina egna resurser för att fixa GPGPU-stöd, t.ex. TensorFlow och PyTorch har enbart stöd för GPGPU på AMD kort via ROCm, så är bara ROCm-stöd som känns relevant att lägga möda på att lära jobba med just nu.

Pillar en hel del med GPGPU just nu och saknar tyvärr en "modern" (d.v.s. GCN eller rDNA) baserad AMD GPU just nu. Funktionen är viktigare än prestanda, har gjort det mesta i CUDA på ett 1030 och mesta tiden i närtid har lagt på Intels oneAPI+Iris Graphics 655. Så Vega 8 i 3800U duger utmärkt, finns faktiskt en del fördelar med delat RAM för GPGPU!

Där har du en av flera exempel varför "stark iGPU" är rätt poänglöst om målet är spel: både bandbredd och för mobiler än mer TDP är rejäla flaskhalsar som både CPU och GPU måste dela på.

Men starka iGPUer har massor med poänger för GPGPU! Dels är det relativt vanligt att man då endera lastar GPU eller CPU. Vidare är delat RAM här en fördel i flera lägen, bl.a. är kommunikationslatens mellan GPU och CPU minimal samt ingen data behöver flyttals över en PCIe buss när olika delar processas av CPU alt. GPU.

Även om dessa iGPU inte kan tävla med high-end dGPU i råprestanda har ändå en Vega 8 ungefär samma beräkningskapacitet som 3900X~3950X när dessa använder alla kärnor och AVX! Skillnaden är att med GPGPU kan man få denna prestanda på 15-25 W.

Många fall (men dock inte alla) som är lämplig för GPGPU är primärt beräkningstunga, i det läget är det inget problem att iGPUerna har väldigt låg bandbredd. Finns självklart GPGPU fall som passar GPGPU just för att de behöver massive RAM-bandbredd, dessa fungerar då bara vettigt på dGPUer (men det är typiskt inte de saker som lämpar sig för GPGPU på skrivbordet)!