Nvidia 的下一代 DLSS 可能会利用 AI，实现全 AI 神经渲染愿景

在 Computex 2024 的问答环节中（由 More Than Moore 报道），Huang 回答了一个与 DLSS 相关的话题，他说未来我们将看到纯粹通过 AI 创建的纹理和对象。Huang 还表示，AI NPC 也将纯粹通过 DLSS 生成。

JAEALOT

2024年6月20日

Nvidia 的 Jensen Huang 透露了这家市值万亿美元的 GPU 公司计划在未来的深度学习超级采样 (DLSS) 迭代中做些什么。在 Computex 2024 的问答环节中（由 More Than Moore 报道），Huang 回答了一个与 DLSS 相关的话题，他说未来我们将看到纯粹通过 AI 创建的纹理和对象。Huang 还表示，AI NPC 也将纯粹通过 DLSS 生成。

使用 DLSS 生成游戏内资产将有助于提升 RTX GPU 上的游戏性能。转移到张量核心的工作将减少对着色器 (CUDA) 核心的需求，从而释放资源并提高帧速率。Huang 解释说，他认为 DLSS 可以自行生成纹理和对象并提高对象质量，类似于当今 DLSS 升级帧的方式。

我们可能已经接近 DLSS 技术的下一个迭代。Nvidia 已开始研究一种新的纹理压缩技术，该技术考虑了经过训练的 AI 神经网络，以显著提高纹理质量，同时保留现代游戏类似的视频内存 (VRAM) 需求。传统的纹理压缩方法的压缩率限制为 8 倍，但 Nvidia 的新神经网络压缩技术可以将纹理压缩到 16 倍。

这项技术应该适用于黄仁勋关于通过 DLSS 增强对象图像保真度的讨论。游戏中的对象只是包裹在 3D 空间中的纹理，因此这种纹理压缩技术将不可避免地提高纹理质量。

黄仁勋未来迭代 DLSS 更有趣的方面是游戏内资产生成。Nvidia 的 DLSS3 帧生成技术的这一增强功能在真实帧之间生成帧以提高性能。资产生成比 DLSS3 帧生成更进一步，游戏内资产完全通过 DLSS 从头开始生成。（DLSS 需要被告知在游戏世界中需要放置资产的位置以及需要渲染哪些资产，但它们将完全从头开始创建。）

Huang 还讨论了围绕 NPC 的 DLSS 的未来。Huang 不仅希望 DLSS 能够生成游戏内资产，而且还设想 DLSS 能够生成 NPC。他举了一个例子，视频游戏中存在六个人；六个人中有两个是真实角色，而其他四个则完全由 AI 生成。

这是对 2023 年演示的 Nvidia ACE 的回调。ACE 是一款游戏内 LLM，旨在让 NPC 栩栩如生，结合游戏中另一个角色的用户互动，为他们提供独特的对话和响应。Nvidia 认为 ACE（或某种未来形式）将在 PC 游戏中发挥重要作用，并成为 DLSS 不可或缺的一部分。