AMD正式發布了代號為“Redstone”的FSR技術最大規模更新,支持最新的RX 9000 RDNA 4系列顯卡,支持超過200款游戲。FSR Redstone主要是兩個部分的巨大改進,一方面是利用神經渲染技術,提供高畫質和低延遲效果,另一方面則是利用機器學習生成額外的幀率,提供更平滑、更高的游戲幀率。當然,就連光線追蹤都實現了ML大模型訓練,從而提高光追效率。不過這一路走來,你知道為什么GPU、或者說圖形技術要由原來“計算三角形”的光柵性能演進到AI幀生成嗎?
![]()
先說答案,這是技術演進的必然
這是追求極致性能與畫質的必然結果,因為傳統光柵化(數三角形)已達物理瓶頸,而AI(特別是基于ML的生成式AI,如FSR Redstone)能通過智能預測、插幀和重建細節,繞過算力瓶頸,實現遠超原生渲染的更高幀率、更佳畫質、更高效的光追,滿足4K/8K、高刷/超高刷、復雜光追大作的需求,驅動GPU從單純的“像素繪制”向“智能內容創作”轉變。
![]()
圖片來自網絡
光柵性能的瓶頸
傳統GPU計算通過“數三角形”和像素填充來生成圖形,但隨著游戲畫面精細度(多邊形、紋理、光照)指數級增長,單純提升GPU核心頻率和流處理器數量已難以跟上,這就導致高分辨率/高畫質下幀率不足。
![]()
圖片來自網絡
更致命的一點是堆砌更多傳統計算單元,會導致功耗和熱量迅速增加,實際效率是降低的——看看現如今顯卡的功耗已經突破極限,如果一味堆砌計算單元,散熱、供電都無法解決,這是不可回避的現實。
![]()
AI帶來的魔法解決方案
AI帶來的改變是通過AI模型學習推理,實現幀生產、超分辨率渲染、高階光線追蹤三個重大變化,這讓GPU在不增加過多復雜的計算單元時,能夠通過并行數據推理來實現更復雜的圖形內容(讓現有的晶體管能夠以遠超傳統渲染方式的效率)。
幀生成(Frame Generation):AI模型分析前后幀數據,智能預測并生成全新的中間幀,在不增加渲染復雜度的前提下,幾乎翻倍提升幀率,實現絲滑體驗(包括Low幀幀率的實質提升);
![]()
超分辨率(Upscaling):低分辨率渲染后用AI重建,利用機器學習模型修復細節,獲得接近原生高分辨率的畫質,大大降低GPU負載;
![]()
光線追蹤(Ray Tracing)的效率革命:光追計算量巨大,但是AI(如Radiance Caching、光線重建)能高效緩存光照信息、推斷缺失樣本,大幅降低成本,實現更有效率的實時光追效果。
![]()
所以本質上,圖形技術從光柵化轉向AI,是算力不足的困境與用戶高期望值共同催生,通過將計算密集型任務“外包”給AI模型(深度學習),GPU實現了從“畫像素”到“創造內容”的質變,大幅度提升了性能、畫質,并降低了復雜特效的實現門檻。所以,這也就不難理解為何AMD如此重視FSR Redstone了。
![]()
![]()
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.