AMD正式發(fā)布了代號為“Redstone”的FSR技術(shù)最大規(guī)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(jīng)渲染技術(shù)，提供高畫質(zhì)和低延遲效果，另一方面則是利用機器學(xué)習(xí)生成額外的幀率，提供更平滑、更高的游戲幀率。當(dāng)然，就連光線追蹤都實現(xiàn)了ML大模型訓(xùn)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(shù)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(shù)演進的必然

這是追求極致性能與畫質(zhì)的必然結(jié)果，因為傳統(tǒng)光柵化（數(shù)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(yù)測、插幀和重建細節(jié)，繞過算力瓶頸，實現(xiàn)遠超原生渲染的更高幀率、更佳畫質(zhì)、更高效的光追，滿足4K/8K、高刷/超高刷、復(fù)雜光追大作的需求，驅(qū)動GPU從單純的“像素繪制”向“智能內(nèi)容創(chuàng)作”轉(zhuǎn)變。

圖片來自網(wǎng)絡(luò)

光柵性能的瓶頸

傳統(tǒng)GPU計算通過“數(shù)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(shù)級增長，單純提升GPU核心頻率和流處理器數(shù)量已難以跟上，這就導(dǎo)致高分辨率/高畫質(zhì)下幀率不足。

圖片來自網(wǎng)絡(luò)

更致命的一點是堆砌更多傳統(tǒng)計算單元，會導(dǎo)致功耗和熱量迅速增加，實際效率是降低的——看看現(xiàn)如今顯卡的功耗已經(jīng)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(xiàn)實。

AI帶來的魔法解決方案

AI帶來的改變是通過AI模型學(xué)習(xí)推理，實現(xiàn)幀生產(chǎn)、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(fù)雜的計算單元時，能夠通過并行數(shù)據(jù)推理來實現(xiàn)更復(fù)雜的圖形內(nèi)容（讓現(xiàn)有的晶體管能夠以遠超傳統(tǒng)渲染方式的效率）。

幀生成（Frame Generation）：AI模型分析前后幀數(shù)據(jù)，智能預(yù)測并生成全新的中間幀，在不增加渲染復(fù)雜度的前提下，幾乎翻倍提升幀率，實現(xiàn)絲滑體驗（包括Low幀幀率的實質(zhì)提升）；

超分辨率（Upscaling）：低分辨率渲染后用AI重建，利用機器學(xué)習(xí)模型修復(fù)細節(jié)，獲得接近原生高分辨率的畫質(zhì)，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(xiàn)更有效率的實時光追效果。

所以本質(zhì)上，圖形技術(shù)從光柵化轉(zhuǎn)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(wù)“外包”給AI模型（深度學(xué)習(xí)），GPU實現(xiàn)了從“畫像素”到“創(chuàng)造內(nèi)容”的質(zhì)變，大幅度提升了性能、畫質(zhì)，并降低了復(fù)雜特效的實現(xiàn)門檻。所以，這也就不難理解為何AMD如此重視FSR Redstone了。