El verano pasado, AMD presentó la última versión de su tecnología de ampliación FidelityFX Super Resolución (FSR). Mientras que la versión 2.x se centró principalmente en hacer que las imágenes de menor resolución se vieran mejor en resoluciones más altas, la versión 3.0 se centró en los «Fluid Motion Frames» de AMD, que intentan aumentar los FPS generando cuadros interpolados para insertar entre los que su GPU realmente está procesando. .

Hoy, la compañía anuncia FSR 3.1, que, entre otras mejoras, desacopla las mejoras de escalado en FSR 3.x de la función Fluid Motion Frames. FSR 3.1 estará disponible «más adelante este año» en los juegos cuyos desarrolladores decidan implementarlo.

Fluid Motion Frames y la generación de cuadros DLSS equivalente de Nvidia generalmente funcionan mejor cuando un juego ya se está ejecutando a una alta velocidad de cuadros, e incluso entonces pueden ser más propensos a errores y artefactos visuales extraños que la mejora FSR o DLSS normal. FSR 3.0 era una propuesta de todo o nada, pero la versión 3.1 debería permitirle elegir qué funciones desea habilitar.

También significa que puede utilizar la generación de fotogramas FSR 3.0 con otros escaladores como DLSS, especialmente útil para las GPU Nvidia GeForce series 20 y 30 que admiten la mejora DLSS pero no la generación de fotogramas DLSS.

«Cuando se utiliza FSR 3 Frame Generation con cualquier modo de calidad mejorada O con el nuevo modo ‘Native AA’, se recomienda encarecidamente ejecutar siempre a un mínimo de ~60 FPS antes de aplicar Frame Generation para una experiencia de juego óptima de alta calidad. y para mitigar cualquier latencia introducida por la tecnología», escribió Alexander Blake-Davies de AMD en la publicación que anunciaba FSR 3.1.

En general, la calidad de imagen mejorada de FSR está un poco por debajo de la del DLSS de Nvidia, pero FSR 2 cerró un poco esa brecha y FSR 3.1 va más allá. AMD destaca dos mejoras específicas: una para la «estabilidad temporal», que ayudará a reducir el efecto de parpadeo y brillo que a veces introduce FSR, y otra para la reducción de imágenes fantasma, que reducirá los efectos borrosos involuntarios de los objetos que se mueven rápidamente.

El mayor problema con estas nuevas mejoras de FSR es que deben implementarse juego por juego. FSR 3.0 se anunció en agosto de 2023, y AMD ahora anuncia que hay 40 juegos «disponibles y próximos» que admiten la tecnología, de los cuales solo 19 están disponibles actualmente. Hay muchos títulos AAA de renombre en la lista, pero todavía no son muchos en comparación con la suma total de todos los juegos de PC o incluso los 183 títulos que actualmente admiten FSR 2.x.

AMD quiere ayudar a resolver este problema en FSR 3.1 introduciendo una API FSR estable para desarrolladores, que según AMD «facilita a los desarrolladores la depuración y permite la compatibilidad con versiones actualizadas de FSR». Con el tiempo, esto puede llevar a que más juegos obtengan futuras mejoras de FSR de forma «gratuita», sin el esfuerzo del desarrollador.

AMD no mencionó ningún requisito de hardware para FSR 3.1, aunque presumiblemente la compañía seguirá admitiendo una gama razonablemente amplia de GPU recientes de AMD, Nvidia e Intel. FSR 3.0 es formalmente compatible con las tarjetas Radeon RX 5000, 6000 y 7000, la serie RTX 20 de Nvidia y posteriores, y las GPU Intel Arc. También traerá características de FSR 3.x a los juegos que usan la API Vulkan, no solo DirectX 12, y el kit de desarrollo de juegos de Xbox (GDK), para que pueda usarse en títulos de consola y en juegos de PC.

Hasta hace poco, muchos Las startups han priorizado el crecimiento a toda costa, utilizando abundante capital de riesgo para adquirir usuarios y dominar los mercados sin tener en cuenta la rentabilidad o la sostenibilidad. Sin embargo, las condiciones recientes del mercado se han inclinado hacia un “crecimiento eficiente”, equilibrando el crecimiento con la rentabilidad para crear un camino sostenible hacia la escala.

Como inversores, estamos muy centrados en identificar un crecimiento eficiente en las primeras etapas de la trayectoria de la empresa. ¿Cuáles son los primeros indicadores del éxito a largo plazo y del crecimiento eficiente de una startup? Mientras intentamos encontrar la respuesta a esta pregunta, utilizamos varios análisis, algunos de los cuales cubrimos en este artículo.

Los defectos de utilizar LTV/CAC: por qué utilizamos cohortes para evaluar la eficiencia de las ventas

Antes de comenzar con nuestros análisis, queremos explicar por qué una métrica utilizada comúnmente podría ser engañosa. A menudo, los inversores evalúan el motor de salida al mercado de una empresa con la métrica LTV/CAC (valor de vida/coste de adquisición de clientes), pero esta métrica suele ser irrelevante para las empresas en etapa inicial por varias razones:

1. Hay demasiadas formas de calcular el LTV.
2. La tasa de abandono no es lo suficientemente estable como para pronosticar con precisión la vida útil del cliente. Como empresa en etapa inicial, la tasa de abandono de un cliente fluctúa a medida que la empresa busca lograr la adecuación del producto al mercado. Con un producto que mejora con el tiempo al agregar funciones que abordan las necesidades de los clientes, esperaríamos que la tasa de abandono disminuya. A pesar de una mejora en un producto, existen factores externos que escapan al control de una empresa, como los obstáculos macroeconómicos, que pueden fomentar una mayor tasa de abandono.
3. Hay un desajuste temporal dentro de la relación: el LTV/CAC vincula el gasto actual en ventas y marketing con los flujos de efectivo futuros descontados proyectados de un cliente, que es inherentemente una estimación. Por ejemplo, el uso de métricas recopiladas durante la COVID-19 para predecir el futuro probablemente daría como resultado pronósticos inexactos.

Dadas las diversas formas en que se puede calcular el LTV, la falta de datos sobre la tasa de abandono en estado estable y el valor estimado del cálculo del LTV/CAC, es posible que no haya una idea real de lo que impulsa la adquisición y retención de los clientes de una empresa. Teniendo en cuenta las deficiencias del cálculo LTV/CAC, proponemos utilizar un análisis de cohorte para trazar cuánto tiempo lleva recuperar el gasto inicial en ventas y marketing para adquirir cada cohorte.

¿Qué son las cohortes y por qué son importantes?

Un análisis de cohorte es un método para evaluar empresas agrupando a los clientes en grupos (cohortes) comenzando en diferentes puntos de adquisición y observando cómo se comportan durante intervalos de tiempo definidos. Los comportamientos rastreados incluyen la cantidad de pedidos realizados, la cantidad de gasto y la cantidad de funciones utilizadas durante períodos.

Se puede aplicar este análisis a varios modelos de negocio, como SaaS, fintech e incluso mercados (en aquel entonces, lo usábamos para analizar una empresa de transporte compartido). Un análisis de cohortes es valioso porque observar una variable particular con el tiempo permite comprender la narrativa empresarial de los ingresos, los costos de adquisición y la rotación en una sola cohorte y entre cohortes.

Así es como realizamos el análisis:

A medida que avanzamos en marzo, el espacio de la capa 2 de Ethereum continúa experimentando una fuerte demanda: una de sus soluciones de mayor escala, Arbitrum, está experimentando un crecimiento exponencial renovado a través de subsectores en el ecosistema.

Si bien las cadenas de bloques base (capa uno, o L1 en lenguaje criptográfico) siguen siendo la base del panorama web3, la tecnología construida en la parte superior (cadenas de capa dos, o L2) está explotando. Arbitrum superó recientemente a la cadena Ethereum en la que se basa en términos de transacciones totales procesadas.

Arbitrum es una solución de escalamiento centrada en L2 Ethereum que pretende actuar como Ethereum pero con transacciones que cuestan mucho menos y un procesamiento mucho más rápido. Constituye aproximadamente el 54% de la participación de mercado en Ethereum y tiene un valor total bloqueado de aproximadamente $ 3.38 mil millones, según datos de L2Beat. El TVL, que se rastrea a través de la cantidad de tokens bloqueados en todos los contratos de depósito en garantía para un L2, está cerca de su punto más alto desde mayo de 2022, según muestran los datos.

Las soluciones de escalado L2 como Arbitrum, Optimism, Immutable X, StarkWare y otras están construidas sobre cadenas de bloques de capa 1 como Ethereum. Pero los L2 funcionan de una manera más rápida y económica y reducen la carga en los L1 al agrupar las transacciones y solo registrar los resultados finales en la cadena de bloques principal. De esa manera no obstruye la red.