RTX50系顯卡AI特性解析，看看英偉達如何重塑遊戲體驗

大家好，我是黃昏百分百，1月15日，我獲邀前往英偉達辦公室參加 RTX50顯卡及技術體驗活動，在活動現場，英偉達的PM現場爲我們講解了關於RTX 50系顯卡的一系列詳細內容，包括但不限於Blackwell架構、RTX神經網絡渲染、DLSS 4技術，NVIDIA ACE等等。

今天我就將我在會場的所見所得整理成文字分享給各位，讓我們一起探討新的顯示技術對遊戲畫面與遊戲體驗的提升，那麼廢話不再多說，我們開車吧。

大家最關心的DLSS 4幀生成

在我身後呢，就是國產遊戲神作《黑神話：悟空》的DLSS 4實機展示，我手裏拿的便是本次演示使用的RTX 5080公版卡，不過因爲開箱尚未解禁，我就只能先打個馬賽克了，完整圖等顯卡開箱解禁後再放出來吧，大家還是把目光放在我身後的遊戲畫面上吧。

這兩臺顯示器的畫面幾乎一模一樣，不過兩塊屏幕顯示的並不是同一臺電腦的鏡像畫面，而是爲了大家更直觀的感受DLSS 4技術對遊戲幀率的提升所採取的控制變量法——兩臺配置完全一樣的高端電腦（AMD Ryzen 9-9800X3D CPU搭配RTX 5080顯卡），在同畫面配置（4K分辨率，影視級畫質，超高光線追蹤）下，開啓DLSS 4與關閉DLSS 4時的畫面，可以看到，在這個距離時，DLSS 4所渲染的畫面與選勝畫面幾乎無差異，完全不用擔心超分辨率技術對遊戲畫面的影響。

讓我們來揭曉答案吧，右側爲未開啓DLSS時的原生分辨率，此時遊戲幀率爲22 FPS，大家幾乎可以體驗到電影般的遊戲幀率，而左側開啓DLSS後，遊戲幀率飆升至194 FPS，遊戲非常的絲滑流暢，也給足了我們升級4K 240Hz高端遊戲顯示器的理由。

我們來看NVIDIA官方給的RTX 5090在不同版本DLSS下的遊戲幀率表現，在4K分辨率下，未開啓DLSS時，遊戲幀率爲27 FPS，PC延遲爲71ms，而在開啓DLSS 2、DLSS 3.5、DLSS 4後，遊戲幀率分別爲71 FPS、140 FPS、248 FPS，且延遲均爲34 ms左右。

同時，DLSS 4所渲染出的畫面，相較於前代DLSS甚至相較於原生渲染時，其細節都有明顯的提升，大家可以注意外賣盒子上的褶皺，DLSS 4所渲染的畫面明顯細節更加豐富。

因此，我們可以得出結論，在4K分辨率，最高光線追蹤畫質下，DLSS 4技術能提供高達8倍以上的幀率提升，同時還能使得電腦延遲減半，進而大幅提升玩家的遊戲體驗。

DLSS 4最直觀的提升，自然是多幀生成技術，目前每個實際渲染的幀可通過AI生成額外的3幀，大幅提升遊戲的流暢度。

DLSS還可通過 Super Resolution超分辨率技術，進一步降低實際渲染畫面時顯卡的壓力，比如顯卡在輸出4K分辨率的遊戲畫面的時候，便可使用原生渲染方式，先渲染一幅1080P分辨率的畫面，再由 Super Resolution超分辨率技術將其提升至4K分辨率，然後再由多幀生成技術，最多生成出3個額外的幀。

因此，由GPU實際渲染的工作量僅爲輸出畫面的1/16，而其餘的15/16均由AI進行生成，進而大幅降低了高分辨率、高幀率遊戲下，顯卡的壓力。

DLSS 4多幀生成技術嚴重依賴Blackwell架構CPU中的張量運算核心等專有部分，所以其目前爲RTX50系獨佔。DLSS Mutil Frame Generation 潛在多幀生成技術與DLSS Ray Reconstrucion 光線重構技術、DLSS Super Resolution 超分辨率技術與Deep Learning Anti-Aliasing 深度學習抗鋸齒技術共同構建了DLSS 4。

除了潛在多幀生成技術之外，NVIDIA 還在DLSS 4中將之前的CNN Model改爲了更爲先進的Transformer Model，在使用DLSS 2與DLSS 3上的CNN卷積神經網絡是將本地像素數據聚合在一起，並以一個樹形結構進行分組分析，其計算效率已經很高，遊戲畫質提升很明顯。

而最新使用的Transformer Model中，如何使用與分析數據這件事，將由數據本身進行驅動，神經網絡上將會集中注意力在更有趣的數據特點上，從而做出更好的決策。DLSS 4正式引入了Transformer Model，NVIDIA增加了模型的大小，在更大的數據集上進行訓練，並且記住在訓練期間的更多案例，因此，DLSS 4的計算效率高的令人難以置信。

Transformer Model其能夠參考2倍的參數，並提供4倍的計算量，進而提供更爲令人驚訝的畫面質量，尤其在光線重構與超分辨率技術的提升尤爲明顯。

比如在照明環境很差的場景中，Transformer Model的光線重構功能在處理網格狀柵欄的細節處理的穩定度表現就要優秀，畫面明顯更加清晰，沒有了糊的感覺。

而在Transformer Model在超分辨率方面，也證明了其有更好的穩定性，更少的鬼影，更高的運動細節。

爲了除了非常複雜的多幀生成過程，Blackwell架構的GPU採用了全新的硬件AI Management Processor，它可以將幀同步的邏輯轉移到顯示引擎上，能使GPU更加精確的管理現實的時序。

得益於全新的Blackwell架構，DLSS 4在部分場景下幀率提升高達八倍，相較於DLSS 3，幀生成到多幀生成的速率也提升了1.7倍。

目前已確認，將有75款遊戲在RTX50發售時即支持DLSS 4，這是一個極其誇張的數字。

當然，對於將DLSS 4的開關集成到遊戲的UI中並正確運行還是需要一定時間打磨的，所以NVIDIA直接在其新版的驅動管理軟件NVIDIA App中增加了DLSS Overrides開關，玩家可以直接在此軟件中開啓DLSS 4並調整其各項參數。

當然，遊戲開發者也可以選擇將此功能到遊戲內菜單中並進行鍼對性優化，據我所知《黑神話：悟空》便會如此操作，遊戲科學果然是一個有理想的公司，希望他們能再接再厲，爲我們帶來更多更好的遊戲。

NVIDIA ACE 平臺，AI讓遊戲NPC更加真實

▲我喜歡英偉達這家公司，很重要的原因是其真的會把自己畫的餅做熟並端到你面前，比如我在CES 2024的新技術解析上便提及了ACE平臺，當時還只演示了語音對話方面的Demo，而現在則已經有3款可以深度體驗的遊戲或者遊戲Demo供大家享用了。

▲NVIDIA ACE是PC端AI與雲端AI同時配合的混合式AI應用，其核心目的是“賦予遊戲與NPC靈魂”，讓玩家的遊戲體驗更加真實，沉浸感更強。

▲NVIDIA ACE平臺的運行邏輯如下：玩家通過語音與遊戲中的NPC對話，使用RTX GPU的電腦會在本地將語音轉換爲文字，並上傳到使用NVIDIA ACE 的雲端平臺，雲端平臺會使用大語言模型處理文字並給出NPC的回應，再通過文字轉語音模型給出NPC的語音回答，或者通過文字轉動作模型使NPC做出對應的動作，讓其活得更像真人。

▲說到讓NPC像真人並不容易，首先他要能從遊戲以及玩家的語音、視頻、文字以及遊戲狀態等接收到有用的信息，並且對信息有着正確的認知並作出諸如對話、移動、交流計劃等諸多回應，同時其還要有記憶功能，自己之前做了什麼，做這些的目的又是什麼，只有這樣，NPC才能夠“活過來”。

▲因此，ACE平臺實現了玩家通過語音、攝像頭、文本輸入與電腦NPC對話，而ACE 平臺則可以通過本地小語言模型對信息進行處理，並給與語音反饋、策略制定、相關遊戲性的動作進行回應。

這部分我們現場重點體驗了《永劫無間手遊》PC 版 (NARAKA: BLADEPOINT MOBILE PC VERSION) 的AI 隊友功能，演示中玩家可以直接用麥克風與AI隊友進行對話，就像和真實玩家對話交流一樣。

期間，AI確實有類似人的性格，比如你要點補血的藥品她很爽快的就給了，但是要裝備她未必捨得給你，她會主動報點，甚至你沒去幫她打怪，她還會怪你，遊戲期間你還可以與她共同商議遊戲策略，可以說AI的擬人程度已經非常之高了，更爲重要的是，此模型爲中文模型，玩家可以使用中文與NPC自由交流，在這點上，我必須給網易點個贊。

與之類似的，還有之前火爆全球的喫雞遊戲《絕地求生：大逃殺 PUBG》，ACE平臺同樣支持AI隊友，玩家可以與AI隊友交談，通過指定遊戲的長線策略，同時可以做到真人隊友般的交流與輔助。礙於場地與時間關係，本次活動並沒有提供這款遊戲的體驗。

而現場第二款體驗的遊戲Demo則來自《暗影火炬城》開發商鈦核遊戲的全新遊戲《動物朋克 (ZooPunk)》，目前Demo有兩部分，一部分是直接與NPC面對面交流，討論在任務中收集到的情報，這裏主要考驗了AI的對文字、視頻輸入的分析處理能力，以及反饋信息時的逼真能力。

鈦核遊戲的 AI 技術 demo 採用 NVIDIA ACE、Audio2Face 技術，在其中Audio2Face 技術中，本地PC端會通過SLM小語言模型的AI算法爲語音回答匹配對應的NPC口型與動作並傳輸迴游戲引擎，這些幾乎都是完全實時的反饋，因此在使用NVIDIA ACE平臺的遊戲中，NPC會更加智能，更加真實的與玩家互動，而不是像現在多數遊戲那樣只是簡單的讀稿機器，玩家遊玩的沉浸感會更強。