“堆硬體”逐漸接近效能瓶頸時,遊戲畫面接下來要怎麼發展?
軟硬結合效率高。
每次主機換代,都在推動遊戲畫面更上一個臺階。新一代主機的效能尤其強悍,比如XBOX Series X的GPU浮點運算能力是12TFlops,已經十分逼近PC上的上一代卡皇RTX 2080Ti——不過根據今天最新的訊息,RTX 20系列顯示卡剛剛停產,下一代顯示卡顯然也要呼之欲出了。
之前虛幻5引擎在PS5上的演示也讓人感到十分驚豔
這對玩家來說當然是一個值得期待的進化。然而在遊戲硬體飛速升級的時候,卻又有一些隱憂。現在半導體制程已經逐漸向極限逼近,最新GPU進化更多來自於架構的革新。一個長遠的問題是:當硬體效能抵達天花板(即使是階段性的天花板)時,遊戲畫面還要如何發展?
另外一個問題則要更迫切一些:那些喜歡PC的靈活性與便利性,但又不能負擔最頂尖硬體的玩家,在這代主機更新之後,還能不能在PC上愉快體驗最新鮮的大作?
第一個問題,沒有人能夠給出答案。不過第二個問題,倒是有一個很新的解決辦法。從電子遊戲誕生之初,硬體效能就一直追不上畫面需求,所以遊戲設計師發明了許多技巧來“欺騙”玩家,在整體不穿幫的前提下,實現儘可能逼真的畫面。
將高模(b)上的貼圖“畫”在低模(c)上,最終實現近似高模的效果(d),是現在遊戲最常見的“欺騙”手段之一
而這兩年,隨著人工智慧的發展,已經出現了這樣一種新的硬體加速AI圖形技術:GPU輸出一幀低解析度的畫面,AI就可以“猜”出一幀高解析度的畫面。整個過程使用單獨的晶片完成,不會給GPU造成額外的負擔,從而減小GPU的工作量,提升遊戲幀數。在AI的幫助下,原本需要頂級顯示卡才能帶動的特效,中端甜品卡也能跑起來了。
一個AI“猜測”高解析度畫面的範例參考
是的,我又要來吹一波英偉達的DLSS 2.0了。從去年年底釋出到現在,這項技術一就直備受玩家好評。原因很簡單:開啟DLSS 2.0之後,遊戲的幀數普遍能提升30%左右 ,而畫面不但沒有損失,甚至還更清銳利了。而且解析度越高,效能的提升幅度就越大,高解析度下有可能提升70%~80%,甚至翻倍。
在這項技術出現之前,按照傳統的方法,想在4K顯示器上獲得最好的顯示效果,顯示卡除了要計算4k畫面之外,還需要開啟抗鋸齒,這對於顯示卡效能的要求很高。
但是在支援DLSS 2.0的遊戲上,可能顯示卡只需要計算出1080P的畫面,AI核心就能夠輔助將畫面提升到4k解析度,同時還附帶自動平滑抗鋸齒的效果。最終輸出的結果,甚至能比原生4k+抗鋸齒還要好。
直接放張截圖就知道了。下面是去年大作《控制》的截圖放大400%以後的細節。上圖是2K解析度經過AI放大到4k,下圖是原生4k解析度加抗鋸齒。
《控制》400%放大細節截圖
是的,這兩張圖沒有放反,經過AI處理的那張,雖然原始解析度低,但是清晰度反而更高。
在我的電腦(2700X+2080Ti)上,《控制》開啟高特效,高光線追蹤,2K解析度下平均只有50FPS左右,1%低幀數甚至會下探到4FPS,有明顯的卡頓感。
特效一多卡頓感還是挺明顯
同樣的設定,一旦開啟DLSS,在畫質基本沒有損失(甚至還有微小提升)的情況下,平均FPS提升到了88,1%低幀數也提高到了70,整體感受就非常流暢順滑了。
同一場景開啟DLSS(左)和關閉DLSS開啟抗鋸齒(右)幀數差異巨大。最重要的是,關閉DLSS後幀數很不穩定,經常卡頓同一場景開啟DLSS(左)和關閉DLSS開啟抗鋸齒(右)幀數差異巨大。最重要的是,關閉DLSS後幀數很不穩定,經常卡頓
其它DLSS 2.0支援的遊戲,也有著非常類似的表現。不管是《德軍總部:新血脈》還是《飛向月球》,在開啟DLSS之後,效能表現都有了顯著的提升。入門級的2060 Super顯示卡,都能做到4K+光線追蹤穩定30-40FPS。要知道在光線追蹤剛推出的時候,2080Ti在4K解析度下基本就是在看幻燈片。
《德軍總部:新血脈》2060 Super 4k+光線追蹤甚至能穩定在30FPS以上,相當可以
雖然目前支援的遊戲數量並不多,但是DLSS已經充分展現出未來圖形技術發展的一種道路。英偉達開發了一款叫《RTX Marble》的實驗遊戲,這個遊戲離充滿了各種複雜的物理碰撞和光線模擬。根據英偉達的說法,經過這種遊戲的訓練,AI甚至能夠在遊戲中輔助運算物理效果,真正實現當年PhysX“物理加速”的願景。
如果再發散來想,利用人工智慧提升視訊幀率的技術出現了有一段時間了。這種演算法可以猜測並且補充畫面,把普通視訊變成順滑的超級慢動作。
這些技術全部都整合起來,那麼未來的PC遊戲可能是這樣的:顯示卡GPU核心只需要計算一個540P/30FPS的“基礎畫面”,就可以通過各種AI輔助生成一個穩定的1080P/60FPS顯示畫面。中端顯示卡也能把特效開到飛起,還保障一個舒適流暢的遊戲體驗。
需要主意的是,之前這種AI方案(DLSS 1.0時代)需要為每個新遊戲單獨編寫演算法,訓練AI網路,耗時耗力。而到了DLSS 2.0,雖然依然需要訓練AI,但由於採用了可跨遊戲的通用網路,無需針對每個遊戲單獨編寫AI演算法,從而可以更方便地在遊戲中整合。而且在較新的《德軍總部:新血脈》裡,已經出現了高中低三種DLSS強度的選項可以調節。相信隨著人工智慧的發展,AI的學習速度越來越快,也會支援更多的遊戲。
目前最新的訊息是,《賽博朋克2077》也將會支援DLSS 2.0,到時候,估計絕大部分擁有RTX 系列顯示卡的玩家,都會親身體驗一下AI技術的魔力。
作者:青春喜相逢
來源:遊研社
地址:https://www.yystv.cn/p/6781
相關文章
- 利用PerfDog分析遊戲效能瓶頸遊戲
- 使用 sar 和 kSar 來發現 Linux 效能瓶頸Linux
- Chrome執行時效能瓶頸分析Chrome
- 如何解決SQL Server資料庫的軟硬體效能瓶頸OCSQLServer資料庫
- 小家電發展遭遇瓶頸未來仍大有可為
- 流量高峰時期的效能瓶頸有哪些、以及如何來解決
- 當QA瓶頸阻礙部署速度時該怎麼辦
- 效能測試瓶頸調優
- 如何突破技術發展瓶頸、成功轉型?
- 2020.10.8 效能課堂筆記-記憶體瓶頸分析筆記記憶體
- 硬體工程師的發展前景怎麼樣?工程師
- 如何正確定義效能瓶頸
- 用 pprof 找出程式碼效能瓶頸
- 打破Kafka帶來的瓶頸?Kafka
- 高併發下log4j的效能瓶頸
- NVMe儲存效能瓶頸的主要來源:檔案系統
- 天天工作擰螺絲,怎麼突破瓶頸?
- 效能課堂-TPS 瓶頸精準定位
- LightDB資料庫效能瓶頸分析(一)資料庫
- 顯示卡瓶頸是什麼,如何識別顯示卡GPU瓶頸並解決以提升PC效能GPU
- 效能測試如何定位瓶頸?偶發超時?看高手如何快速排查問題
- 這10年來手機遊戲的迭代,也是一部硬體發展史遊戲
- 我是怎麼一步步用go找出壓測效能瓶頸Go
- 自媒體團隊會面臨哪些瓶頸和困境
- 突破發展瓶頸期,企業上管理系統軟體的必要性!
- printStackTrace()造成的併發瓶頸
- Octane記憶體逐漸增大記憶體
- 漫談前端效能 突破 React 應用瓶頸前端React
- 效能測試-服務端瓶頸分析思路服務端
- 2020.10.6 效能課堂筆記-cpu 瓶頸分析筆記
- 實用技巧:快速定位Zuul的效能瓶頸Zuul
- I/O已經不再是效能瓶頸
- 突破效能瓶頸,實現流程自動化
- 車聯網進入快車道,如何突破發展瓶頸?
- 軟體測試:瓶頸分析方法
- 實時監控網路流量,精準辨別網路效能瓶頸
- 逐漸復甦的旅遊業如何開展郵件推廣
- 生活逐漸“CLASH化”是一種什麼體驗?