北京
AMD正式发布了代号为“Redstone”的FSR技术最大规模更新，支持最新的RX 9000 RDNA 4系列显卡，支持超过200款游戏。FSR Redstone主要是两个部分的巨大改进，一方面是利用神经渲染技术，提供高画质和低延迟效果，另一方面则是利用机器学习生成额外的帧率，提供更平滑、更高的游戏帧率。当然，就连光线追踪都实现了ML大模型训练，从而提高光追效率。不过这一路走来，你知道为什么GPU、或者说图形技术要由原来“计算三角形”的光栅性能演进到AI帧生成吗？
先说答案，这是技术演进的必然
这是追求极致性能与画质的必然结果，因为传统光栅化（数三角形）已达物理瓶颈，而AI（特别是基于ML的生成式AI，如FSR Redstone）能通过智能预测、插帧和重建细节，绕过算力瓶颈，实现远超原生渲染的更高帧率、更佳画质、更高效的光追，满足4K/8K、高刷/超高刷、复杂光追大作的需求，驱动GPU从单纯的“像素绘制”向“智能内容创作”转变。
图片来自网络
光栅性能的瓶颈
传统GPU计算通过“数三角形”和像素填充来生成图形，但随着游戏画面精细度（多边形、纹理、光照）指数级增长，单纯提升GPU核心频率和流处理器数量已难以跟上，这就导致高分辨率/高画质下帧率不足。
图片来自网络
更致命的一点是堆砌更多传统计算单元，会导致功耗和热量迅速增加，实际效率是降低的——看看现如今显卡的功耗已经突破极限，如果一味堆砌计算单元，散热、供电都无法解决，这是不可回避的现实。
AI带来的魔法解决方案
AI带来的改变是通过AI模型学习推理，实现帧生产、超分辨率渲染、高阶光线追踪三个重大变化，这让GPU在不增加过多复杂的计算单元时，能够通过并行数据推理来实现更复杂的图形内容（让现有的晶体管能够以远超传统渲染方式的效率）。
帧生成（Frame Generation）：AI模型分析前后帧数据，智能预测并生成全新的中间帧，在不增加渲染复杂度的前提下，几乎翻倍提升帧率，实现丝滑体验（包括Low帧帧率的实质提升）；
超分辨率（Upscaling）：低分辨率渲染后用AI重建，利用机器学习模型修复细节，获得接近原生高分辨率的画质，大大降低GPU负载；
光线追踪（Ray Tracing）的效率革命：光追计算量巨大，但是AI（如Radiance Caching、光线重建）能高效缓存光照信息、推断缺失样本，大幅降低成本，实现更有效率的实时光追效果。
所以本质上，图形技术从光栅化转向AI，是算力不足的困境与用户高期望值共同催生，通过将计算密集型任务“外包”给AI模型（深度学习），GPU实现了从“画像素”到“创造内容”的质变，大幅度提升了性能、画质，并降低了复杂特效的实现门槛。所以，这也就不难理解为何AMD如此重视FSR Redstone了。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
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.
