CES 2025期間，NVIDIA在拉斯維加斯邀請了全球範圍內的核心媒體參加時隔已久的NVIDIA Editor’s Day。這也是疫情之後，全球媒體再次相聚。能在忙碌的CES 2025展會期間，讓大多數科技媒體空出寶貴的一天時間，僅針對GeForce RTX 50系列的硬件和技術展開討論，足以見得其重要性。
這場盛會的主角，自然包括了NVIDIA Blackwell，GeForce RTX 50系列臺式機GPU，乃至GeForce RTX 50系列Laptop GPU，以及圍繞其所構建的一大堆技術，比如DLSS 4，Reflex 2，RTX Neural Shaders神經著色器。而這些新硬件和新技術也帶來了很多問題，GeForce RTX 5090是如何做到最高畫質4K 240FPS的，神經網絡渲染究竟是什麼，未來的遊戲究竟會變成什麼樣子？
神經網絡渲染：未來十年圖形技術新基石
在CES 2025主題演講開篇，黃仁勳就展示了一段名為Zorah的DEMO，整個DEMO由GeForce RTX 5090在後臺通過DLSS 4進行實時運算，同時也昭示著神經網絡渲染登上游戲實時計算的舞臺，將僅由硬件堆疊的粗暴渲染方式送入淘汰進程。
神經網絡渲染其實很好理解，就是將神經網絡集成到渲染過程中，讓性能、圖像質量、遊戲互動性上獲得質的提升，從而獲得更好的遊戲沉浸感。
神經網絡渲染最好的體現之一就是DLSS，通過低分辨率渲染幀輸入給訓練過的神經網絡，然後以全分辨率的圖像輸出。重點是，DLSS不僅能做到生成完整的幀，還能夠理解場景的組成，包括場景中的陰影、反射和遮擋，讓生成的圖像效果足以媲美原生 。
DLSS從2019年正式實裝遊戲至今，也已經發生了質的變化。最初的DLSS 1.0版本需要針對遊戲進行專門的訓練，在經過調整之後可以正式運行在Tensor Core中。從DLSS 3開始增加了光流加速器作為協助，使得GeForce RTX 40系列以後的GPU可以自然的在實際渲染幀之間插入生成幀,也就是大名鼎鼎的DLSS 3 幀生成技術。DLSS 3.5增加了光線重建功能，並開始引入AI模型取代降噪算法，並將訓練量提升至DLSS 3的五倍。
DLSS 4則是在DLSS 3.5的基礎上更進一步，第一次引入多幀生成的技術。在DLSS 3上，幀生成佔據1/8的內容，到了DLSS 4，則硬件渲染實際上只佔據1/16，也就是在DLSS 4遊戲中，每16幀遊戲畫面中，實際上有15幀是由AI加速完成的。這意味著即使硬件性能變化不大的前提下，實際遊戲幀率仍然可以有質的提升。再加上DLSS本身對場景中的陰影、反射和遮擋有了很好的理解，實際生成效果也遠比純靠硬件生成的效果好很多。
有意思的是，DLSS也僅僅是一個開始。在NVIDIA Blackwell上，工程師將神經網絡集成到可編程著色器中，從而構成了GeForce RTX 50系列神經網絡著色器（RTX Neural Shaders）。同時也可以看到，所有的Blackwell CUDA Core均支持FP32/INT32，不像Ada Lovelace CUDA Core在一個SM中，只有一半CUDA Core支持FP32/INT32，另一半僅支持FP32。
RTX Neural Shaders被認為是未來十年推動圖形技術創新的基石，它可以將紋理壓縮7倍，進而節省出大量的圖形的顯存。RTX Neural Shaders的應用範圍很廣泛，除了處理紋理壓縮(Texture Compression)之外，也能兼顧到輻射緩存 (Radiance Caching)，材質 (Materials)和輻射場 (Radiance Fields)的計算。
RTX Neural Shaders SDK允許開發者能夠在RTX AI PC上訓練遊戲數據和著色器代碼，並通過Tensor Core加速神經表示和模型權重，在訓練過程中，神經網絡訓練的遊戲數據還會與傳統渲染的遊戲數據進行對比，從而獲得多次迭代進化。開發團隊還可以使用著色語言Slang簡化訓練過程，將大型複雜的函數，拆分成更小、更容易處理的部分。利用RTX Neural Shaders還能創造出高質量的紋理，幫助遊戲場景實現更先進的光照效果。
微軟也進而表示，DirectX也將很快對這套技術提供支持，以確保進一步發揮Tensor Core的能力，讓遊戲開發團隊能夠在Windows平臺上更好的使用神經網絡著色器（Neural Shaders）。
因此可以看到RTX Neural Shaders可以專注於三個方向的應用，即：
RTX神經網絡紋理壓縮（RTX Neural Texture Compression）
RTX神經網絡材質（RTX Neural Materials）
RTX神經網絡輻射緩存（RTX Neural Radiance Cache，RTX NRC）
簡單的展開，可以這麼理解：
RTX神經網絡紋理壓縮（RTX Neural Texture Compression）：利用AI在不到一分鐘的時間內壓縮成千上萬的紋理，他們的神經網絡表示可是實時存儲、訪問，並且可以直接加載到顯 存中，無需進一步修改。神經壓縮紋理在相同的視覺質量下，可以比傳統塊壓縮紋理節省7倍的顯 存。
RTX神經網絡材質（RTX Neural Materials）：利用AI壓縮離線材質的複雜著色器代碼，這些材質通常由多個層次構成，比如渲染陶瓷、絲綢的場景。神經網絡材質處理速度相對傳統方式提升了5倍，這讓遊戲級的幀率渲染，擁有電影級畫質成為了可能。要知道，以往好萊塢一幀高質量畫面通常需要數小時甚至更多才能完成。
RTX神經網絡輻射緩存（Neural Radiance Cache，NRC）：利用實時遊戲數據訓練的神經網絡，可以更準確高效地估算遊戲場景中的間接光照。NRC通過追蹤1到2條光線，隨後將其存儲在輻射緩存中，並推斷出無線數量的光線和反彈，進而更準確的表達出遊戲場景的間接光照效果。這麼處理，不僅讓路徑追蹤的間接光照效果得到了改善，同時也減少了需要追蹤的光線數量，性能也進一步得到提升。
值得一提，NRC現在已經可以在RTX全局光照SDK中使用，NVIDIA計劃在未來幾個月內通過RTX Remix推出一個全新版本的《Portal with RTX》作為RTX NRC的DEMO供業界參考。
RTX Neural Faces：讓虛擬人更像真人
在現場，NVIDIA舉了一個例子，工程師利用RTX Neural Shaders構架一套名為RTX Neural Faces（RTX神經網絡面孔）方案，通過AI生成的方式提升遊戲任務的面部質量。這套方案與傳統的渲染不同，為RTX Neural Faces獲取簡單的光柵化面孔和3D姿勢後，再利用生成式AI模型構建出更為自然的面孔，也進而釋放了GPU的硬件性能。
渲染人類面孔其實是實時圖形中一個非常具有挑戰的任務，因為人類對人類太熟悉了，導致人類可以輕易差距到虛擬人類臉上的細微偏差，如果處理得不好，就會導致陷入恐怖谷效應，作為3D遊戲的老玩家，這一大段長長的記憶一般都深有體會。
RTX Neural Faces提供了一種創新的方法，通過生成式AI來改善面部質量。與直接渲染不同，RTX Neural Face只需要簡單的光柵化面孔和3D姿態數據作為基礎，就可以實時通過生成式AI模型推斷出自然的面孔展現。而在此之前，模型已經經過數千張離線數據的學習和訓練，涵蓋不同角度、光照、情感和遮擋條件。
這一訓練流程可以使用真是的照片或者AI圖像完成，並通過擴散模型生成不同的版本。訓練好後的模型也會經過NVIDIA TensorRT優化，從而確保自然的效果。
不僅如此，RTX Neural Faces與用於頭髮和皮膚的RTX角色渲染（RTX Character Rendering）SDK相輔相成。因為遊戲角色的頭髮、皮膚如果希望獲得真實的展現，也同樣具有很高的挑戰性。但如果按照傳統方式，即便使用最先進的頭髮技術，也需要每根髮束30個三角形，整個髮型400萬個三角形完成，如果利用光線追蹤的包圍體層次加速結構（BVH，Bounding Volume Hierarchy）解決，代價非常高，速度也非常慢。
這裡GeForce RTX 50系列使用了一套名為線性掃掠球體（Linear-Swept Spheres，LSS）的方式，LSS通過減少渲染髮束的數量，通過球體代替三角形，能夠更為精準的展現頭髮的形狀，也使得在佔用較少顯存的前提下，針對頭髮的光線追蹤成為可能。
針對皮膚也是如此，NVIDIA使用了一套名為次表面散射（Subsurface Scattering，SSS）的方式模擬了光線穿透半透明材料的效果，從而獲得皮膚的柔和、自然感。這裡現場工作人員利用了一個獵頭蟹DEMO作為展示 。
AI驅動光照和RTX Mega Geometry
隨著虛幻引擎5 Nanite幾何體系統的推出，開發者可以構建數億個三角形的開放世界，光線追蹤場景的複雜度也是指數級上升，每一幀不同細節層次（LOD）構建層次包圍盒（BVH）的成本也呈指數級增長，按照這麼發展，實時幀率將變得不可能。
對於這個複雜環境下的光照效果挑戰，NVIDIA的做法是提供了一套名為RTX Mega Geometry進行更高效的組織加速結構，讓開發者能夠生成最多100倍的光線追蹤三角形，並藉助NVIDIA Opacity Micro-Maps更好的編碼複雜材質的透明度，進而確保複雜場景中逼近現實的真實光照。
複雜結合體通過RTX動態光照獲得了準確的照明效果，並通過最新的ReSTIR路徑追蹤算法，將算力集中在主要的光線路徑上，RTX全局光照則使用AI驅動，從而減少光線追蹤反射所需的計算量。
現在RTX Mega Geometry已經可以智能的通過GPU上批量生成三角形集群，進而減少CPU負擔，提升光線追蹤場景中的性能和圖像質量。NVIDIA也表示RTX Mega Geometry很快也會加入到NvRTX的虛幻引擎分支中，幫助虛幻引擎Nanite幾何體系統更好的完成光線追蹤項目。
DLSS 4：神經網絡圖形進化的新形態
NVIDIA DLSS由GeForce RTX Tensor Core所驅動，進階到近期的版本之後已經擴展成為一套相當完整的解決方案，包括提升遊戲幀率，提供更清晰和更高質量的圖像，目前已經有超過700款RTX遊戲和應用對DLSS提供了支持。
DLSS 4最大的變化之一就是帶來了多幀生成技術（Multi Frame Generation），這是GeForce RTX 50系列GPU的專屬功能，意味著未來的一段時間中，只有採用GeForce RTX 50系列的臺式機和筆記本才能獲得對應的功能。NVIDIA表示，在DLSS 4發佈時，會有75款遊戲和應用率先支持DLSS多幀生成技術（DLSS Multi Frame Generation）。
NVIDIA應用與深度學習研究院副總裁，Bryan Catanzaro
（傳說DLSS性能越強，他的頭髮越長）
如前面所說，DLSS多幀生成技術，是在傳統渲染的基礎上，通過AI在每一幀的基礎上多生成三幀的額外幀，並且與其他的DLSS技術套件協同工作。由於DLSS本身就允許遊戲實際渲染以低分辨率進行，再以全分辨率高質量輸出，因此實際獲得的效果是傳統渲染能力的8倍，從而讓GeForce RTX 5090獲得在開啟光線追蹤最高畫質的前提下，以4K 240FPS的極高幀率運行遊戲。
在現場，NVIDIA用採用了DLSS 4的《電馭叛客2077》作為參考，幀率比傳統渲染提升了8倍以上，同時PC系統延遲減少了50%，畫質也有了進一步提升。
DLSS 4同時也是2020年DLSS 2.0發佈以來，最大的AI模型升級，在DLSS 3.5上所構建的DLSS光線重建技術（DLSS Ray Reconstruction），DLSS超分辨率（DLSS Super Resolution），以及DLAA（Deep Learning Anti-Aliasing）深度學習抗鋸齒技術全部引入到實時計算的Transformers模型中，用來代替此前的卷積神經網絡（Convolutional Neural Networks，CNN）。
Transformers在商用領域倍廣泛採用，前沿的AI模型，比如ChatGPT、Flux和Gemini均是在Transformers架構下實現的。NVIDIA表示，DLSS Transformers的引入，可以獲得更好的穩定性，更少的鬼影，更高質量的運動細節，圖像質量也因此獲得進一步提升。
讓人高興的是，DLSS Transformers並非GeForce RTX 50系列GPU獨佔，所有支持DLSS光線重建技術（DLSS Ray Reconstruction），DLSS超分辨率（DLSS Super Resolution），以及DLAA的遊戲後續都會轉換到DLSS Transformers架構下，意味著老款GeForce RTX GPU的用戶，在不花錢的前提下也能獲得更好的效果。
同時，由於新技術帶來的顯存需求降低，幀生成技術的表現也可以同時在GeForce RTX 50系列和GeForce RTX 40系列上獲得提升。只不過多幀生成技術是最新的GeForce RTX 50系列獨佔。
致勝新法寶：DLSS多幀生成
DLSS 3的幀生成技術是通過AI模型，利用遊戲中的數據，比如運動矢量、深度，以及通過GeForce RTX 40系列GPU中的光流加速器硬件生成的光流場來獲得一個額外的幀。這樣的幀生成方式成本是非常高昂的，因為每一個幀生成，都需要光流加速器、AI模型共同協作，意味著GPU要花費額外的開銷，進而也影響輸入幀率。
Transformer模型的好處是，新幀生成通過DLSS Transformer AI模型速度提升了40%，顯存使用減少了30%，並且每個渲染幀只需要運行一次，就可以生成多個幀。比如在《戰錘40K：暗潮》中，利用新模型可以獲得10%的幀率提升，在4K最高畫質的環境下使用DLSS幀生成，能夠進一步減少400MB的顯存佔用。
此外，DLSS 4利用DLSS Transformer AI模型代替了原來的硬件光流加速器，加速了光流場的生成，並通過兩個AI模型協作，顯著降低了額外幀生成的計算成本。
即便如此，GPU在渲染每一個遊戲幀的時候，還是需要執行5個以上的AI模型，比如DLSS光線重建技術，DLSS超分辨率這些AI模型都必須在幾毫秒之內完成，否則DLSS多幀生成就會成為性能瓶頸。
解決這個問題的首要方案就是提升硬件性能。GeForce RTX 50系列GPU的第五代Tensor Core支持FP4精度，在AI性能上能有高達2.5倍提升。與此同時，為了規避多幀生成導致CPU與GPU之間節奏的不同步，所導致的節奏波動，Blackwell中採用了硬件翻轉計量方式，將幀節奏的控制邏輯轉移到顯示引擎中，確保Blackwell GPU可以更精確的管理顯示時序，同時像素處理能力也獲得增強，以支持更高分辨率和刷新率。
從NVIDIA展示的最終結果來看，DLSS 4帶來的多幀生成、光線重建、超級分辨率，可以讓其幀率相對傳統渲染方式提升8倍，從幀生成到多幀生成可以提升1.7倍。
DLSS Transformer模型：突破CNN極限
DLSS Transformer之前，DLSS使用的是卷積神經網絡（Convolutional Neural Networks，CNN）局部分析前後幀內容在區域內的連續變換，從而推導生成新的像素。從2019年至今的6年中，NVIDIA發現DLSS CNN架構已經到達極限，DLSS Transformer正是時候。
DLSS Transformer模型主要利用的是視覺Transformer，能夠同時評估整個幀中每個獨立像素相對重要性，並進行跨幀判斷。由於DLSS Transformer模型參數比CNN多一倍，新的模型可以更好的理解場景，進而確保生成像素的穩定性，並獲得更多運動細節，以及平滑的場景邊緣。
特別是在高強度的光線追蹤畫面中，依靠DLSS Transformer構建的光線追蹤重建可以更好的提升圖像質量。在現場，NVIDIA通過《心靈殺手2》進行了展示，可以看到使用DLSS Transformer後，鐵絲網表現得更穩定，同時風扇葉片鬼影減少，電線上的閃爍也被消除。
另外一個展示是《地平線：西域禁地》中，DLSS Transformer可以給女主角帶來很好的紋理效果。
由於DLSS Transformer本身以及多幀生成技術與DLSS有很好的兼容性，因此GeForce RTX 50系列上市時候，就能獲得至少75款遊戲和應用的支持，與此同時，所有GeForce RTX用戶也可以在超過50款遊戲中體驗到DLSS Transformer帶來的DLSS光線重建、DLSS超級分辨率和DLAA的提升。
其中，與GeForce RTX 50系列GPU首發支持DLSS 4多幀生成技術的遊戲包括：
《心靈殺手2》
《電馭叛客2077》
《奪寶奇兵：古老之圈》
《星球大戰 絕地：倖存者》
《黑神話：悟空》
預告支持DLSS 4多幀生成技術的遊戲包括：
《永劫無間》
《漫威爭鋒》
《微軟飛行模擬2024》
即將推出，且將會原生支持的DLSS 4多幀生成技術的遊戲包括：
《黑色國度》
《毀滅戰士：黑色時代》
《沙丘：覺醒》
NVIDIA Reflex 2：用Frame Warp實現乾坤大挪移
與DLSS 4對應的是NVIDIA Reflex 2，如前面所說，為了應付多幀生成帶來的延遲，以及CPU與GPU之間的節奏問題，Blackwell中採用了硬件翻轉計量，將幀節奏的控制邏輯轉移到顯示引擎中，確保Blackwell GPU可以更精確的管理顯示時序。
不僅如此，NVIDIA Reflex 2的低延遲模式還和全新的Frame Warp結合，在渲染的遊戲幀發送到顯示器之前，就將鼠標輸入的關鍵幀提交給最終判定，從而提升關鍵操作的成功率，進一步降低系統延遲。
在瞭解Frame Warp和NVIDIA Reflex 2如何實現之前，我們先簡短的回顧遊戲中操控指令的實現方式。在遊戲中，玩家每一個動作都需要通過複雜的渲染管道處理之後，最終呈現在屏幕上。並且每一個步驟都會帶來延遲。能做出關鍵操作的鍵盤和鼠標輸入也需要先經過CPU判斷，然後放在渲染隊列中，最終輸出到顯示器上。整個過程執行通常需要數十毫秒，如果停頓和等待複雜的渲染隊列，延遲還會進一步增加。因此最初、最淳樸的降低系統延遲的方式就是提升GPU性能，提升遊戲幀率。
NVIDIA Reflex的做法是在遊戲引擎SDK中集成對鼠標到顯示器的延遲管道優化，讓Reflex可以更好的控制CPU，防止CPU超前運行，讓關鍵幀以最短的時間到達屏幕，獲得更低的系統響應。
NVIDIA Reflex 2使用了不同的方式降低延遲，並且源自於一項有意思的發現。大約在2021年，NVIDIA的電子競技研究團隊發現，當遊戲幀在渲染後根據更近期的鼠標輸入進行更新時，玩家完成瞄準任務的速度更快，並且可以額外的減少80毫秒延遲，以及提升40%左右的關鍵操作準確率。
舉個例子。當玩家將鼠標移向右側的時候，通常需要等待一段時間系統才會接受到對應的操作指令，並針對新的視角進行渲染。那麼這時候一個大膽的方法來了，如果這時候系統不渲染新畫面，而是對現在的遊戲幀向右移動或者扭曲，是不是可以更快呢？
NVIDIA Reflex 2 Frame Warp大致就是這個思路。當GPU正在渲染一個幀的時候，CPU會基於最新的鼠標、鍵盤輸入的關鍵指令獲得下一幀的相對位置，Frame Warp直接從CPU獲得對應的新視角，並將GPU渲染的幀直接扭曲到對應的位置。這個處理過程在渲染管道中儘可能晚進行，從而確保鼠標輸入指令能夠更快的在屏幕上獲得反應。
Frame Warp本質就是別急著渲染下一幀，而是節省資源對當前幀進行變化，這意味著實際遊戲圖像中會產生一些未被渲染的空白，如果這些空白太多，會直接影響到遊戲的整體感受。這裡NVIDIA使用了一套延遲優化的預測渲染算法，利用當前幀的相機、顏色、深度數據來彌補這些空白處，從而在體感和操控上獲得一致。
從最終結果來看，NVIDIA Reflex 2可以做到讓PC系統延遲降低75%，在《無畏契約》中可以做到3毫秒的延遲，這個成績是目前全球範圍內所有第一人稱射擊遊戲中最低的。
NVIDIA ACE和數字助手
在CES 2025現場，NVIDIA ACE和數字助手也是被重點宣傳的方向。雖然遊戲AI在遊戲世界中已經用了幾十年，但實際上游戲中的NPC都是按照固定的程序套路化和玩家進行交互，NVIDIA ACE出現打破了NPC只有固定說話方式的可能性，提供了一種全新的自主交互方式。
NVIDIA ACE在2023年首次推出，是一套將生成式AI對話應用於遊戲角色的技術。在生成式AI幫助下，NVIDIA ACE塑造的遊戲人物會更有自主互動感，配合本地小語言模型，還可以即時響應玩家文字、音頻甚至視覺互動。
這套技術現在應用到了更廣的範圍，CES 2025現場提供了《絕地求生》、《永劫無間手遊》PC 版的NVIDIA ACE AI隊友試玩，另外現場還展示《MIR5》則是由AI驅動的BOSS，根據對手的動作做出類似人類的判斷。
有意思的是，《暗影火炬城》的製作團隊也使用NVIDIA ACE打造了一個《動物朋克》的DEMO，通過語音或者文字與NPC進行交互。
Project G-Assist數字助手則是圍繞GeForce RTX PC打造的系統級助手，你可以將它看成NVIDIA app的AI版本，通過語音、文字交互就能實時判斷當前PC的性能、優化設置、效率、遊戲設置等等。
Project G-Assist數字助手本質上也是由NVIDIA ACE構建，並由GeForce RTX GPU進行本地驅動，通過專門調優的本地小語言模型SLM，GeForce RTX PC可以高效的理解自然語言指令，並幫助玩家進行對應的操作。在AI PC概念盛行的當下，NVIDIA ACE加持無疑可以比一些小打小鬧的AI應用助手要靠譜得多。
NVIDIA也表示，Project G-Assist數字助手在未來會直接集成到NVIDIA app中，可以通過快捷鍵被直接調用。
好戲還在後頭
有意思的是，NVIDIA Editors Day現場內容並不侷限於新硬件和新技術，從Blackwell架構，到生成式AI創作，以及圍繞RTX AI PC構建的生態，都在NVIDIA Editors Day上有所展示。
就在這個月，GeForce RTX 5090、GeForce RTX 5090D評測內容將會解禁，我們還會圍繞評測對Blackwell架構更穩深入的解析，比如在生成式AI創作中，GeForce RTX 5090如何利用FP4的優勢，DLSS 4遊戲和傳統遊戲的實際表現。
即便如此，我們已經可以窺見到Blackwell和GeForce RTX 50系列GPU所構建出的龐大生態，在AI、遊戲、內容創作等消費端領域全面開花，展現出旗艦級產品應有的姿態，也讓整個市場更加期待RTX 50系GPU的上市。
正如NVIDIA創始人兼首席執行官黃仁勳在Keynote所說：”今天的 AI，其基礎是 GeForce 建立的，是 GeForce 讓 AI 走進千家萬戶，現在，AI 也在迴歸 GeForce。”