【遊戲雜談2】6.5GB 壓成 970MB

爲什麼遊戲貼圖不能用 JPEG，神經網絡卻能砍掉 85% 顯存？

你一定幹過這件事：

新遊戲進去，幀數抖得像帕金森，任務欄一看——顯存 8GB，佔用 7.9GB。於是你熟練地把"材質質量"從超高拉到高。幀數瞬間回來了，代價是牆面變成了土豆泥，遠處的招牌糊成一坨馬賽克。

你可能罵過優化，罵過老黃的刀法，但很少有人問一個更基礎的問題：

貼圖憑什麼這麼佔地方？我手機拍的 4000 萬像素照片才 8MB，遊戲裏一塊石頭的貼圖憑什麼喫掉幾百 MB 顯存？

這個問題的答案，恰好是理解 2026 年最值得關注的一項圖形技術——神經紋理壓縮（Neural Texture Compression, NTC）——的最佳入口。英偉達在 GTC 2026 上又拿它出來講了一遍，演示數據相當唬人：同一個場景，傳統方案喫 6.5GB 顯存，NTC 只要 970MB，肉眼看不出差別。

那就從"一張貼圖的賬本"開始拆。

一、顯存的賬本——一張貼圖到底多貴

先算筆賬。你現在玩的主機/PC 大作，貼圖普遍是 4K 分辨率（4096×4096 像素）。

一張 4K 貼圖，如果每個像素存 RGBA 四個通道、每通道 1 字節（也就是最常見的 8-bit 未壓縮格式），體積是：

4096 × 4096 × 4 字節 ≈ 67 MB

注意，這只是一個材質的一張圖。而現代遊戲用的是 PBR（基於物理的渲染）材質——一個材質不是一張圖，而是一整套地圖（texture maps）：

基礎色（Albedo/Base Color）：物體本來是什麼顏色
法線貼圖（Normal）：表面凹凸的朝向，決定光怎麼打
粗糙度（Roughness）：磨砂還是鏡面
金屬度（Metallic）：金屬還是非金屬
環境光遮蔽（AO）：縫隙裏更暗

少則三五張，多則七八張。一個材質 67MB × 6 ≈ 400MB。一個場景裏幾百上千個材質疊起來，顯存被喫穿一點都不奇怪。

這也是爲什麼顯存爆掉成了這兩年的高頻慘案：

《最後生還者第一部》PC 版首發時，材質開到頂，8GB 顯存直接原地去世，官方後來連發補丁才緩解；
《霍格沃茨之遺》更離譜，高材質預設的顯存胃口大得離譜，8GB / 10GB 卡紛紛中招，玩家被迫在"糊"和"卡"之間二選一。

所以第一個結論很樸素：不是廠商懶，是貼圖這東西天生就貴，而且貴得有物理原因。

二、爲什麼不用 JPEG？——"隨機訪問"這條鐵律

你可能會說：照片都用 JPEG，一張才幾 MB，遊戲貼圖爲什麼不直接 JPEG 壓了事？

答案藏在一個你平時根本不會想到的詞裏：隨機訪問（random access）。

GPU 渲染一幀畫面，每一個像素都要去貼圖裏"採樣"——根據屏幕上的座標，去紋理上找對應的紋素（texel）。一幀 4K 畫面有 800 多萬個像素，每個像素可能採樣多次（各向異性過濾、多級漸遠紋理……），一幀下來，GPU 要隨機訪問幾十億次紋素。

JPEG 這類"熵編碼"壓縮的問題是：它爲了壓得狠，把整個圖像的相關性攪在一起。你想取其中一個小塊，得先把整張圖解碼出來。GPU 不可能爲了取一個紋素就把 67MB 全解了——解碼延遲會直接把幀率拖進地心。

所以遊戲貼圖走的是另一條路：塊壓縮（block compression, BCn 系列，PC 上是 BC1~BC7）。

它的邏輯特別"老實"：

把貼圖切成 4×4 像素的小塊，每塊獨立壓縮；
每塊的字節數固定（比如 BC7 每塊 16 字節，對應 4×4=16 像素，平均每個像素 1 字節，即未壓縮的 1/4）；
GPU 硬件原生支持，採樣時只解當前小塊，零額外延遲。

代價也寫在物理規律裏：壓縮比被鎖死在約 4:1。紋理越精細、信息越密，BC7 越喫虧——它沒法像 JPEG 那樣"看整張圖"去壓榨冗餘。

一個經典反面教材是 id Software 的 《RAGE》。它當年搞了套激進的 MegaTexture（虛擬紋理）技術，試圖用一張超巨圖覆蓋整個世界。理想很豐滿，現實是貼圖流式加載跟不上，玩家跑動時牆面、地面一塊塊"漸入"、甚至長時間糊着，被瘋狂吐槽。問題根源之一，正是這種"另類壓縮/流式方案"和硬件隨機訪問特性沒對上拍。

所以第二件事：遊戲貼圖是被 GPU 的訪問方式綁架的。能用的壓縮，必須小塊、固定比、可瞬時隨機解——而這就掐死了壓縮率的脖子。

三、NTC 的思路——從"存像素"到"存函數"

英偉達的 NTC（以及學術界更早的 Neural Texture / Latent Texture 方向）想幹的，是換一種範式：

不再存"像素數組"，而是存一個"生成像素的函數"。

具體做法是三件套：

潛在紋理（latent texture）：把原來的高分辨率貼圖，用神經網絡壓成一個低分辨率、但信息密度極高的"潛在表示"。它佔的空間極小。
小型神經解碼器：一個輕量神經網絡，輸入"位置座標 + 潛在紋理"，輸出該位置的完整紋素。
位置編碼（positional encoding）：讓網絡能精確定位到任意座標，而不是隻會在固定網格上插值。

這裏面有三個必須說清楚的關鍵點，否則很容易把它誤解成"AI 一鍵美顏"：

這是離線、針對該素材"過擬合"的網絡，不是通用大模型。 每個材質訓練一個專屬的小解碼器，訓練完就固定了。它不會突然冒出訓練集裏沒有的奇怪內容。
它是確定性的，非生成式的。 同一個座標、同一個潛在紋理，永遠輸出同一個紋素。沒有"AI 幻覺"，沒有這一幀牆面是磚、下一幀變大理石的恐怖故事。這對遊戲是底線——玩家能容忍掉幀，不能容忍世界隨機抽風。
它喫"跨通道的統計冗餘"。 前面說過 PBR 材質是一堆圖，它們之間高度相關（比如法線和粗糙度往往同步變化）。傳統 BC 壓縮是逐張獨立壓的；神經網絡可以聯合建模，把這部分冗餘也榨出來。

運行時，這個解碼器跑在 Tensor Core 上——也就是專門給矩陣乘法用的那塊硬件，跟負責光柵化、光追的主流水線分開，不搶傳統渲染的資源。這是它能落地的前提：加了一層神經網絡，但不能讓畫面其他地方變慢。

一句話總結範式轉變：BC 壓縮是"把圖壓扁"，NTC 是"把圖變成一個可以按需查詢的函數"。

四、實測數據與兩種落地模式（含一盆冷水）

光講原理沒意思，看數字。英偉達官方放出的兩個例子很有代表性：

一個叫 Tuscan Villa 的演示場景：傳統 BCn 貼圖 6.5GB 顯存，換成 NTC 後 970MB——砍掉約 85%。
一個 VR 頭盔貼圖：原始 272MB，NTC 後 11.37MB——壓縮比誇張到約 24:1。越"密"的材質，收益越大。

但這裏有個關鍵的工程細節，決定了你到底省不省顯存——NTC 有兩種使用模式：

Inference on Load（加載時推理）：遊戲讀盤時，把潛在紋理一次性"解"成常規貼圖再塞進顯存。這種情況下，顯存佔用和 BC 差不多，省的是硬盤空間和讀盤帶寬，不省顯存。
Inference on Sample（採樣時推理）：潛在紋理直接躺在顯存裏，GPU 採樣時才現過神經網絡解碼。這種情況下，顯存才真正省下來，但每次採樣多了一次 Tensor Core 計算。

所以廠商想省顯存，得走 Inference on Sample——這也意味着要改渲染管線的採樣路徑，不是換個格式那麼簡單。

工程進度方面，NTC SDK 0.9 階段已經把 BC7 編碼速度提升了約 6 倍、推理快了 20~40%。但最該潑的一盆冷水是：