AMD的FSR技術，現在也變成了AI的形狀

如今對於整個遊戲行業來說，不斷推陳出新的高畫質技術和越來越複雜、華麗的畫面表達方式，與遊戲玩家難得隔幾年才更新一次，而且往往預算還嚴重受限的硬件之間的矛盾，可以說從來都是最主要，也是最影響整個業界健康發展的一大問題。

遷就老硬件會限制開發者創意與技術進步，一味適配新硬件又可能引發爭議、丟失市場。因此，各類遊戲“超分、超幀”方案近年得以普及並被行業廣泛認可。

yi

但列舉目前PC平臺最常見的“超分超幀”技術不難發現，英偉達的DLSS和英特爾的XeSS最新版本都是“自家硬件限定”。也就是說玩家只有購買他們的顯卡（或是集成GPU的處理器），才能使用各自對應的畫面處理技術。

相比之下，AMD的FSR在過去很長一段時間裏，都享有着“開源”的美譽。比如在蘋果的設備、甚至是一些安卓手游上，都能看到基於AMD FSR的各種“變體”運行在並非AMD的硬件上，爲更多的玩家帶來遊戲畫面精細度和幀率的提升。

不過AMD這種將畫面提升技術“不綁定”自家硬件設計的思路，顯然也有利有弊。好處自然是令它可以更容易得到開發者的好感，缺點就是會導致FSR在與AMD自家硬件的“配合性”上表現得不如競爭對手的“私有方案”。

很顯然面對這樣的局面，AMD也開始“反思”了。此前在2025年春季，他們推出了首個完全基於機器學習、針對自家RDNA4架構設計的FSR4。就在近日，AMD再接再厲推出了進一步的“FSR Redstone”。

而AMD用Redstone來命名他們FSR技術的最新版本，顯然也是爲了強調新技術高度依賴機器學習、完全基於AI重構的特性。

可能有的朋友會疑惑，如果是變化這麼大的新版本，爲什麼不直接叫做FSR5呢？原因其實很簡單，因爲FSR Redstone並不是FSR4的迭代，而是後者的超集。它所集成的“ML Upscaling（機器學習超分辨率）”技術，實際上就是此前的FSR4。

不過FSR Redstone如今除了可以基於機器學習實現遊戲超分外，還新增了三項畫面處理技術，分別是ML Frame Generation（機器學習幀生成）、ML Ray Regeneration（機器學習光線再生）和ML Radiance Caching（機器學習輻射度緩存）。

我們先來看看ML Frame Generation（機器學習幀生成）。與此前已經落地的ML Upscaling（機器學習超分辨率）、也就是與FSR4一樣，它也依賴新的RDNA4 GPU，但同樣不需要遊戲做新的適配改造。只要是能夠兼容之前FSR 3.1幀生成功能的遊戲，就可以在驅動控制面板裏打開相應開關，讓RDNA4顯卡“改用”機器學習技術來處理FSR3.1的幀生成需求，從而實現更高的幀預測畫面精度，有效改善幀生成開啓之後“中間幀”的畫質。

相比之下，ML Ray Regeneration（機器學習光線再生）和ML Radiance Caching（機器學習輻射度緩存）的使用場景和條件就要“苛刻”一些。其中，前者是讓遊戲“改用”機器學習的計算方式來處理光追計算，後者則可進一步加速光追計算的效率。

目前《使命召喚：黑色行動7》已經加入了對ML Ray Regeneration（機器學習光線再生）的支持，成爲首款專爲RDNA4架構GPU優化光追效果的PC遊戲。而ML Radiance Caching（機器學習輻射度緩存）則預計將於2026年被實際的遊戲所採用。

根據AMD方面公佈的數據顯示，在Radeon RX9070XT上，原生4K+光線追蹤的《使命召喚：黑色行動7》平均僅23FPS，但開啓FSR Redstone後，幀率可暴增至108FPS，甚至超過了不開光追之前的4K原生幀率。

同時在更多的測試遊戲中，FSR Redstone相比於原生4K分辨率工況，平均也能帶來3.5倍的幀率表現。

當然，最爲重要的一點，就是FSR Redstone的出現意味着AMD正式在自家的RDNA4或以後的架構上，“淘汰”了此前基於非AI加速器的畫面處理邏輯。

對於那些目前還依賴於開源FSR版本的第三方設備來說，這或許不是一件好事。但站在AMD的立場，這不僅意味着FSR如今已經有了足夠多的遊戲支持，不再需要靠低效的開源策略來“攢人氣”，而且似乎也表明AMD將會在他們未來的GPU設計上像競爭對手那樣，將大幅強化GPU內置的AI加速器性能，逐步向着“神經元渲染”、“完全AI生成畫面”的行業先進方向過渡。