近年來，英偉達一直是技術領域的領跑者，推出了一系列革命性的技術功能，其中最突出的就是其人工智能圖像增強技術DLSS， 而在近日的GTC 2026大會上，該公司又發佈了黑科技——神經紋理壓縮。
該人工智能技術據稱可將玩遊戲時顯存的佔用降低85%，且畫質零損失。其神經紋理壓縮Demo顯示，在顯存佔用6.5GB和970MB之間實現了“驚人的視覺效果一致性”。
隨著遊戲變得越來越複雜、越來越逼真，遊戲行業越來越依賴圖像放大技術來滿足不斷增長的硬件需求。這種優化不足導致的一個主要問題是顯存佔用率，近年來顯存佔用率急劇上升。為了解決這個問題，英偉達開發了一種名為“神經紋理壓縮”（NTC）的技術，並在今天的GTC大會上再次提及。性能最強的顯卡將能夠充分利用英偉達的NTC技術。
NTC允許開發者使用小型神經網絡來解包任何場景中的紋理。這不僅顯著減小了紋理的大小，使遊戲安裝更加便捷，而且還降低了運行時的顯存佔用。此外，最終生成的紋理質量也更高，英偉達稱最終渲染的分辨率最高可提升4倍。
在下面的示例中，英偉達運行了一個托斯卡納別墅場景，使用標準塊（BCN）壓縮時佔用6.5 GB顯存，但切換到NTC後，顯存佔用降至僅970MB，而圖像效果卻完全相同。
此前，該公司的另一個演示展示了一個飛行頭盔，其未壓縮紋理佔用272 MB——塊壓縮將其減少到98MB，而NTC則將其減少到僅11.37MB，約為原始紋理佔用的1/24。
目前尚不清楚這項技術是否會推廣到老款顯卡上，但RTX 5060或5060Ti等8GB顯存顯卡的用戶應該會從中受益。DLSS 5一直備受爭議，但這項技術應該會受到許多用戶的歡迎。
英偉達還展示了神經材質（Neural Materials），其理念與此相同：利用神經網絡評估和解壓縮材質紋理數據，而不是依賴計算量巨大的雙向反射分佈函數（BRDF）數學運算。
通常，一種材質會堆疊多個紋理貼圖，GPU必須在渲染管線中同時計算光線與每一層的交互方式。神經材質技術只需向神經網絡詢問光線在特定場景下的反應，並據此調整像素的著色。神經網絡基於所有紋理數據進行訓練，因此它已經知道給定光線和角度下的結果。正因如此，在演示場景中，英偉達在1080p分辨率下實現了高達7.7倍的渲染速度提升，且圖像質量絲毫不減。
NTC之所以如此高效，是因為它使用了矩陣加速引擎。在現代GPU中，矩陣加速引擎是一個獨立的硬件模塊，因此不會影響基礎性能。英偉達稱之為Tensor Core，英特爾稱之為XMX引擎，AMD稱之為AI加速器。DLSS、FSR和XeSS等圖像放大技術也依賴於此，它們可以將低分辨率幀重建為更高分辨率的輸出，因此這也是英偉達神經渲染計劃的一部分。
神經渲染的概念目前在業界尚未得到廣泛認可，“神經網絡”這個詞可能會讓你覺得這只是又一種人工智能的拙劣嘗試。但事實恰恰相反，它堪稱人工智能的優秀應用之一，因為它完全不涉及生成過程。NTC只會針對遊戲開發過程中需要參考的特定紋理集進行訓練，因此不會出現任何幻覺。
紋理是所有遊戲中佔用顯存最多的組件，因此任何能夠控制紋理佔用的技術都值得歡迎。不過需要注意的是，這項技術並非英偉達獨有，微軟已將其標準化為DirectX中的“協作向量”（Cooperative Vectors）。英特爾此前也展示過其紋理演示，與塊壓縮相比，紋理效果明顯更佳。AMD上次提及這項技術是在2024年，但它很可能也在積極參與其中。
目前，尚無遊戲支持合作向量或英偉達的神經紋理壓縮技術，但鑑於行業的發展趨勢，我們應該很快就能看到它們的應用。人工智能似乎已成為解決所有古老問題的萬能鑰匙，各大公司也在不斷探索將其應用於各種看似不合適的領域。然而，像神經紋理壓縮這樣的創新表明，人工智能可以巧妙地應用於實際，從而產生真正有意義的影響。
