Hvad er NVIDIA DLSS 5, og hvordan bruger man det i sine pc-spil?

Informatic Digital » Recursos » Hvad er NVIDIA DLSS 5, og hvordan bruger man det i sine pc-spil?

NVIDIAs DLSS 5 er blevet det hotteste samtaleemne blandt pc-spillere, udviklere og hardwareentusiaster. Det er ikke blot "endnu en version" af DLSS, men en seriøs forpligtelse til at ændre, hvordan grafik genereres i realtid, i høj grad baseret på kunstig intelligens-modeller, som virksomheden selv har trænet. Den omtale, det har genereret, er ikke tilfældig: for nogle repræsenterer det det største spring fremad siden fremkomsten af ​​raytracing i realtid; for andre begyndelsen på en æra med stadig mere homogen grafik, alt sammen "filtreret gennem den samme AI".

I takt med at hypen vokser, vokser spørgsmålene også: Hvad er DLSS 5 præcist , hvordan fungerer det, hvad skal man bruge det i, i hvilke spil vil det være tilgængeligt, og hvad er dets kunstneriske og ydeevnemæssige implikationer? I de følgende linjer finder du en omfattende guide, der væver alle de oplysninger sammen, som NVIDIA har udgivet, hvad specialiserede medier har forklaret, og de indledende reaktioner fra fællesskabet, men præsenteret på en klar og direkte måde.

Hvad er NVIDIAs DLSS 5, og hvorfor er der så meget snak om denne version?

DLSS står for Deep Learning Super Sampling . Indtil nu har vi primært forbundet det med tre ting: billedopskalering for at øge opløsningen uden at gå på kompromis med ydeevnen, avanceret antialiasing for at udglatte kanter og artefakter og billedgenerering for at øge FPS ved at oprette mellembilleder ved hjælp af AI. DLSS 5 bryder delvist med denne idé, fordi det ikke længere præsenteres som et simpelt opskaleringssystem, men snarere som en realtids 3D neural renderingmodel.

I praksis betyder det, at DLSS 5 arbejder direkte på spillets billeder og bruger farveinformation og bevægelsesvektorer fra hver billedramme til at rekonstruere og berige scenen. Det strækker ikke blot opløsningen; målet er at injicere rigere materialer og langt mere kompleks, fotorealistisk belysning , alt sammen uden at røre ved geometrien eller ændre gameplayet. Den grundlæggende 3D-verden forbliver den, der er designet af udviklerne, men det sidste lag af, hvordan den ser ud, kan ændre sig dramatisk.

NVIDIA beskriver DLSS 5 som virksomhedens største spring fremad inden for computergrafik siden debuten af ​​realtids-raytracing i 2018. Faktisk definerede Jensen Huang, virksomhedens administrerende direktør, det i sin præsentation som "GPT-øjeblikket for grafik", hvilket antyder, at denne model repræsenterer for grafik, hvad store sprogmodeller har repræsenteret for tekst og generativt indhold.

Det er vigtigt at præcisere, at DLSS 5 ikke blot er en trinvis udvikling af DLSS Super Resolution . Det er en ny blok i renderingsprocessen, der udføres i slutningen af ​​grafikprocessen og er designet til at sameksistere med andre teknologier i DLSS-familien (opskalering, billedgenerering, strålerekonstruktion osv.) snarere end at erstatte dem.

Sådan fungerer DLSS 5: Den neurale renderingsmodel trin for trin

For bedre at forstå, hvad DLSS 5 gør, er vi nødt til at se på, hvordan det fungerer internt. Denne teknologi er afhængig af neurale netværk, som NVIDIA har trænet massivt ved hjælp af enorme mængder billeddata og 3D-spilinformation. Det er kulminationen af ​​en udvikling, der begyndte med den første DLSS i 2019 og har forfinet netværksarkitekturerne, og har udviklet sig til varianter, der bruger auto-encodere til at generere meget rige mellemliggende repræsentationer af det visuelle indhold.

Modellen modtager i bund og grund som input for hver frame farveværdierne (RGB) for pixels og et sæt "semantiske" data om, hvad der sker i scenen: bevægelsesvektorer, dybde, lyskilder, materialer osv. Derfra genererer det neurale netværk en højdimensionel intern repræsentation af hele framen , en slags mellemliggende kort, der kondenserer den visuelle og kontekstuelle information.

Ud fra denne mellemliggende repræsentation er systemet i stand til at producere et langt mere detaljeret billedoutput . En enkelt "rå" pixel fra basisbilledet kan ekstrapoleres til et 8x8 gitter, hvilket resulterer i 64 nye pixels med mere information om lys, tekstur og mikrodetaljer. Modellen opretter ikke blot isolerede pixels: den tager højde for nabolaget af hver pixel, tidligere billeder og de tendenser, der læres under træningen , så resultatet er ensartet over tid og ikke flimrer eller bryder op, når kameraet bevæger sig.

Denne idé om, at hver original pixel transformeres til et meget rigere sæt af information, er det, der får DLSS 5 til at føles mere som et globalt fotorealistisk filter anvendt på spillet, og ikke blot et reskaleringssystem. Det er derfor, mange spillere taler om, at det "tegner" spillet om, og hvorfor nogle forbinder det med ideen om AI-slop - det vil sige visuelt indhold, der passerer gennem et AI-lag, der homogeniserer alt.

Hvilke forbedringer tilbyder DLSS 5 inden for grafikkvalitet: belysning, materialer og stabilitet

Et af NVIDIAs hovedargumenter er, at DLSS 5 tillader spil at nærme sig fotorealisme uden drastisk at øge geometribelastningen eller omkostningerne ved raytracing . I stedet for drastisk at øge antallet af polygoner eller raytracing, delegerer det noget af arbejdet til kunstig intelligens for at rekonstruere, hvordan scenen skal se ud.

Blandt de mest bemærkelsesværdige fordele er filmisk belysning . Modellen kan genskabe effekter, der er meget dyre at beregne ved hjælp af traditionelle teknikker, såsom konturbelysning, spredning af undergrunden (nøglen til at få huden til at se mere naturlig ud), komplekse refleksioner og langt mere overbevisende kontaktskygger. Alt beregnes ud fra de originale spildata og hvad netværket har lært om, hvordan lys opfører sig på forskellige materialer.

En anden betydelig forbedring er materialernes dybde og rigdom . DLSS 5 forfiner PBR-egenskaber såsom ruhed, glans, gennemskinnelighed og overflademikrostruktur, hvilket får metaller, tekstiler, plast og organiske elementer til at virke mere realistiske. Det har også en særlig stærk indflydelse på fine geometriske elementer som hår, øjne og små detaljer i tøj, som traditionelt er vanskelige at gengive overbevisende i realtid.

Med hensyn til visuel stabilitet fokuserer DLSS 5 på tidsmæssig konsistens . Ved at arbejde med bevægelse og farveinformation frame-by-frame forsøger systemet at undgå den klassiske flimmer eller lysuoverensstemmelser, der opstår, når kameraet bevæger sig. Målet er, at billedet bevarer et stabilt udseende, selv i scener med meget bevægelse, partikler eller hurtige lysskift.

Alt dette kombineres med løftet om realtidsydelse ved opløsninger op til 4K , samtidig med at gameplayet opretholdes problemfrit. Beregningsomkostningerne er naturligvis betydelige, men ideen er, at effekten i vid udstrækning vil blive opvejet ved at udnytte specialiserede kerner (Tensor og neurale shaders) og ved at stole på de andre DLSS-teknologier, der er under udvikling.

Målsætninger for DLSS 5 og dets forhold til stråle- og stisporing

NVIDIA opsummerer missionen bag DLSS 5 i to hovedmål: for det første at bane vejen for neural rendering anvendt i videospil , det vil sige at omsætte ideen om, at AI er en central del af realtidsgrafikgenereringsprocessen, til praksis; for det andet at bringe spillere tættere på et visuelt niveau, der er meget tæt på special effects-biograf, uden at skulle vente på flere generationer af GPU'er udelukkende baseret på rå kraft.

Det er vigtigt at præcisere, at DLSS 5 ikke erstatter ray tracing eller path tracing . De er forskellige teknologier med komplementære mål. Path tracing fokuserer på mere præcist at simulere, hvordan lys opfører sig i en scene, herunder direkte og indirekte belysning, refleksioner, skygger og okklusion. Problemet er, at det er ekstremt dyrt med hensyn til ydeevne at øge antallet af stråler, der kræves for et perfekt resultat, betydeligt.

DLSS 5 bruger derimod neural rendering til at "udfylde" den visuelle kompleksitet , som ville være uoverkommeligt dyr at opnå med traditionel ray tracing alene. Det genererer fotorealistisk belysning og materialer ud fra 3D-dataene og de stråler, der rent faktisk spores, så resultatet ligner at kaste langt flere stråler, end der rent faktisk beregnes. Kort sagt fungerer det som en "visuel multiplikator", der giver hardwaren mulighed for at opnå mere, end den kunne på egen hånd.

Derfor foreslår NVIDIA, at DLSS 5 og ray tracing går hånd i hånd . Ray tracing giver et fysisk sammenhængende fundament, mens den neurale model forfiner og forbedrer billedet og kompenserer for de praktiske ydeevnebegrænsninger for selv de mest kraftfulde GPU'er.

Hvordan DLSS 5 integreres med DLSS Super Resolution, Frame Generation og Ray Reconstruction

DLSS 5 kommer ikke alene. NVIDIA har allerede bekræftet, at denne teknologi er kompatibel med resten af ​​DLSS-familien af ​​komponenter , selvom hver enkelt kører på et forskelligt tidspunkt i processen. Forståelsen af ​​denne rækkefølge hjælper med at se, hvorfor det endelige resultat afhænger så meget af, hvordan de kombineres.

Processen begynder med DLSS Super Resolution , som skalerer og rekonstruerer billedet fra en lavere opløsning. AI'en genererer de pixels, som spillet ikke har gengivet native, ved hjælp af bevægelsesvektorinformation og data fra tidligere billeder. Dette trin beregnes, før DLSS 5 træder i kraft, så kvaliteten af ​​den valgte tilstand (Kvalitet, Balanceret, Ydeevne osv.) og den specifikke model, der anvendes, påvirker direkte, hvad den neurale renderingsmodel efterfølgende vil "se".

Udover Super Resolution kan Ray Reconstruction også aktiveres . Denne teknologi erstatter klassiske støjreduktionsalgoritmer med en AI-model, der er specifikt trænet til at rekonstruere stråler mere rent. Denne proces kører også før DLSS 5 og hjælper med at reducere støj og artefakter på basisbilledet til neural gengivelse, hvilket forbedrer skarpheden og realismen i den genererede belysning.

Dernæst kommer Frame Generation eller Multiframe Generation , som er i stand til at generere op til fem billeder ved hjælp af AI for hver frame, der gengives traditionelt. Denne fase følger Super Resolution og Ray Reconstruction og er designet til at forbedre den oplevede glathed for afspilleren uden at GPU'en behøver at tegne alle de ekstra billeder.

Når disse trin er gennemført, er det DLSS 5's tur, som kører i den sidste fase af renderingspipelinen , selv efter billedgenerering. I praksis betyder det, at NVIDIA introducerer en ny blok her, der afhænger af resultaterne fra de tidligere teknologier: jo bedre grundlag den modtager (opskalering, støjreduktion, bevægelseskonsistens), desto højere er kvaliteten af ​​det endelige output fra den neurale model.

Kreativ kontrol: hvordan DLSS 5 fastholder den oprindelige kunstneriske intention

En af de største bekymringer for kunstnere og gamere er, om DLSS 5 forvrænger den æstetik, som studiet har designet . NVIDIA forsøger at dæmpe denne frygt ved at insistere på, at teknologien er yderst kontrollerbar, og at udviklerne bestemmer, hvordan og hvor den anvendes.

Spiludviklere kan justere parametre som effektintensitet, farvekorrektion, toneblanding, mætning, kontrast og lysstyrke . De kan også præcist definere, hvilke objekter eller områder af scenen der aktiverer DLSS 5, og hvilke der ikke gør, hvilket sikrer, at nøgleelementer i den kunstneriske retning respekteres, eller at potentielle overdrivelser på bestemte overflader begrænses.

Derudover trækker modellen på detaljerede farve- og bevægelsesvektoroplysninger fra hver frame , hvilket hjælper med at forankre forbedringerne til det faktiske 3D-indhold i stedet for at fungere som et generisk filter, der er afkoblet fra scenen. Med dette fastholder NVIDIA, at resultatet kan være tro mod den oprindelige vision, forudsat at studiet tager sig tid til at finjustere værktøjerne.

I praksis vil dette åbne døren for en række forskellige stilarter: fra spil, der søger en finish meget tæt på hyperrealisme og presser DLSS 5 til dets grænser, til andre, der bruger det mere subtilt, kun for at forstærke bestemte materialer eller global belysning uden at ændre det originale udseende for meget.

Kontroverser og kritik: AI, der forbedrer spil, eller visuelt "AI-slort"?

Annonceringen af ​​DLSS 5 har udløst en ophedet debat i fællesskabet. Nogle spillere og udviklere ser denne teknologi som en enorm mulighed for at hæve den visuelle barre uden at skyde budgetterne i vejret , og udnytte AI til opgaver, der traditionelt krævede massive teams og enorme renderingstider. Men der er også en meget kritisk fraktion, der frygter det stik modsatte.

På et teknisk og æstetisk niveau påpeger nogle kritikere, at DLSS 5 ændrer den oprindelige belysning, teksturer og detaljer betydeligt . Ved at anvende en global model, der forsøger at "forskønne" og homogenisere materialer og belysning, er der en risiko for, at mange spil ender med at ligne hinanden, med ansigter og overflader, der minder om de typiske eksempler på AI-genereret indhold, vi ser hver dag.

Denne frygt har givet anledning til koncepter som "AI-sloppeansigter ", en måde at beskrive karakteransigter på, der fremstår AI-genererede, overdrevent glatte, med mærkelige lyserøde striber eller ensartede træk. Det minder om, hvad der sker med visse ansigtsretoucheringsfiltre på mobiltelefoner, der får alle til at se ens ud. For nogle er det en rød linje at bringe denne form for æstetik ind i spil med store budgetter.

På arbejdspladsen og i branchen er der også frygt for, at DLSS 5 kan blive en undskyldning for at skære ned på kunstafdelinger eller outsource teksturering og materialearbejde og dermed stole på AI til at "fikse" det endelige resultat. Store forlag kan presse studier til at anvende teknologien med argumentet om at spare omkostninger eller reducere leveringstider, selvom resultatet ender med at være mindre personligt eller karakteristisk.

Ulempen er, at DLSS 5 er valgfrit: studier er ikke forpligtet til at bruge det eller aktivere det som standard . Og det er endnu uvist, hvilken kontrol slutspilleren vil have over at deaktivere eller justere effekten i hver titels grafikindstillinger, noget der vil være nøglen for dem, der prioriterer troskab til den originale kunstneriske retning frem for ekstra visuelt skue.

Hvilken hardware skal du bruge for at bruge DLSS 5?

På tidspunktet for præsentationen bekræftede NVIDIA kun eksplicit DLSS 5-kompatibilitet med GeForce RTX 5090 , som var det kort, der blev brugt i den offentlige demo under GTC 2026. I den demo viste virksomheden et ret ekstremt scenario, hvor to RTX 5090'ere arbejdede parallelt: en GPU dedikeret til DLSS 5's neurale rendering og den anden, der håndterede spillets "konventionelle" rendering.

Det betyder ikke, at du skal bruge to grafikkort for at spille. NVIDIA har forklaret, at DLSS 5-modellen optimeres til at køre på en enkelt GPU , og at brugen af ​​to kort skyldtes prototypens tidlige karakter end de faktiske krav i den kommercielle version. Alligevel gør den demo det klart, at vi har at gøre med en teknologi med en betydelig beregningsmæssig omkostning.

Alt peger på, at DLSS 5 er kompatibel med GeForce RTX 50- og RTX 40-serien . Inden for hver familie kan nogle modeller i den lavere ende eller dem med begrænset grafikhukommelse have delvis eller begrænset understøttelse af ydeevneårsager. GeForce RTX 30 og tidligere generationer har ikke native FP8-understøttelse , så medmindre NVIDIA udgiver en tilpasset model, der bruger INT8 eller en anden lettere tilgang, er det meget sandsynligt, at de vil blive udelukket.

En anden relevant detalje er hukommelsesforbruget: DLSS 5-modellen, der blev vist på GTC 2026, kunne bruge op til 32 GB VRAM i den dobbelte RTX 5090-konfiguration, en enorm mængde til et hjemmemiljø. Den version, der når offentligheden, vil være langt mere beskeden, men alt tyder på, at teknologien ikke er designet til GPU'er med 8 GB VRAM eller mindre, hvis man vil bruge den ved fuld effekt og høje opløsninger.

Indvirkning på ydeevne og forbrug: hvad vi ved indtil videre

NVIDIA har endnu ikke frigivet officielle, detaljerede tal for, hvordan DLSS 5 vil påvirke FPS, latenstid eller præcis hukommelsesforbrug i virkelige spil. De har dog præciseret, at de modeller, der blev brugt i præsentationen, var meget krævende prototyper, designet til at demonstrere teknologiens muligheder uden begrænsningerne fra et enkelt produktionskort. Derfor er det rimeligt at være opmærksom på potentielle PC-flaskehalse , der kan påvirke de endelige resultater.

Forud for lanceringen arbejder virksomheden på mere effektive modeller, der kan køre i realtid på en enkelt GPU og dermed opretholde høj billedkvalitet til en rimelig pris. Alligevel er det vigtigt at antage, at DLSS 5 vil forbruge en betydelig del af de tilgængelige ressourcer: det er ikke ligefrem gratis at køre et komplekst neuralt netværk i 4K-opløsning i realtid.

I betragtning af DLSS' track record er det rimeligt at forvente, at NVIDIA sikrer, at de visuelle fordele opvejer omkostningerne ved ydeevne , især når det bruges sammen med Super Resolution, Frame Generation og Ray Reconstruction. Med andre ord bør spilleren i sidste ende se flere detaljer, bedre belysning og et mere jævnt gameplay, selvom det betyder et lille fald i FPS sammenlignet med at spille uden DLSS 5, men med lavere visuel kvalitet.

Vi bliver nødt til at vente på de første uafhængige benchmarks for at se, i hvilken grad DLSS 5 bliver brugbar for mellem- og high-end GPU'er , eller om det de facto forbliver begrænset til de mest kraftfulde modeller i RTX 50-serien.

Hvornår kommer DLSS 5, og i hvilke spil vil man kunne bruge det?

NVIDIA har sat lanceringen af ​​DLSS 5 til efteråret 2026 , uden at angive en præcis dato. Den endelige dato vil afhænge af tempoet i optimeringen af ​​modellen og dens integration med de første titler, der vil anvende den. Afhængigt af hvordan denne proces udvikler sig, kan teknologien debutere allerede i september eller blive udskudt til årets udgang.

Den officielle liste over spil, der allerede har bekræftet DLSS 5-kompatibilitet, er ret imponerende. Blandt dem er AION 2, Assassin's Creed Shadows, Black State, CINDER CITY, Delta Force, Hogwarts Legacy, Justice, NARAKA: BLADEPOINT, NTE: Neverness to Everness, Phantom Blade Zero, Resident Evil Requiem, Sea of ​​​​Remnants, Starfield, The Elder Scrolls IV: Oblivion Remastered og Where Winds Meet . NVIDIA tilføjer også "og mange flere", hvilket gør det klart, at listen vil fortsætte med at vokse over tid.

Under præsentationen blev der vist konkrete eksempler i Resident Evil Requiem, EA Sports FC, Starfield og Hogwarts Legacy , samt i tech-demoen The Zorah. Derudover hævder virksomheden at have støtte fra førende udgivere som Bethesda, Capcom, NetEase, NCSOFT, Tencent, Ubisoft, Warner Bros. Games, Hotta Studio og S-GAME, hvilket garanterer, at teknologien vil være tilgængelig for både nye titler og store spil, der allerede er på markedet, via opdateringer.

For nuværende er fokus udelukkende på pc-økosystemet . Nuværende konsoller som Xbox Series X|S og PlayStation 5 har ikke GeForce GPU'er med FP8-understøttelse og tilsvarende Tensor-kerner, så DLSS 5 er ikke planlagt til dem. Visuelle forbedringer på disse systemer er afhængige af andre opskalerings- og optimeringsteknologier, der er specifikke for hver platform.

DLSS i kontekst: fra de tidlige versioner til dette spring til DLSS 5

For at sætte DLSS 5 i kontekst er det værd kort at genkalde oprindelsen af ​​denne familie af teknologier. Den første version af DLSS dukkede op i 2019 sammen med de første RTX-kort og tilbød et AI-baseret opskaleringssystem, der var specifikt trænet til bestemte spil . Disse første versioner var i høj grad afhængige af specifikke datasæt for hver titel, og deres kvalitet varierede betydeligt.

Med tiden forfinede NVIDIA arkitekturen og træningsprocessen for at udvikle mere generelle og alsidige modeller. Versioner som DLSS 2, 3, 4 og 4.5 ankom og inkorporerede nye funktioner: forbedret tidsmæssig antialiasing, skarpere bevægelsesrekonstruktion og, meget vigtigt, AI-drevet billedgenerering for at øge FPS uden at GPU'en behøver at gengive hver frame.

Al denne udvikling er gået hånd i hånd med hardwareforbedringer: hver ny generation af RTX har bragt mere kraftfulde og effektive Tensor Cores , samt nye instruktioner og numeriske formater som FP8, der muliggør udførelse af større og mere komplekse modeller uden væsentligt at påvirke ydeevnen. DLSS 5 er i høj grad resultatet af at kombinere denne softwaremodenhed med den nyfundne styrke i Blackwell-arkitekturen.

I mellemtiden har der været diskussioner i det tekniske miljø om præcis, hvordan disse modeller trænes. Der har været tale om autoencoder-lignende arkitekturer, hvor netværket lærer at komprimere hvert billede til en tæt mellemliggende repræsentation og derefter rekonstruere den mere detaljeret. For at et spil kan være kompatibelt, samarbejder udviklere med NVIDIA ved at sende billeddata og hjælpebuffere (dybde, bevægelse, masker osv.), der hjælper med at berige træningen, selvom de nyeste versioner af DLSS sigter mod at generalisere bedre og stole mindre på titelspecifik træning.

I denne sammenhæng udvider DLSS 5 omfanget af AI's rolle i renderingspipelinen . Den er ikke længere begrænset til at "fylde" opløsningen eller interpolere billeder, men engagerer sig nu fuldt ud i den endelige definition af materialer og belysning og omformer til en vis grad, hvordan moderne realtidsrendering forstås.

Alt peger på, at DLSS 5 markerer et vendepunkt i, hvordan pc-spil håndterer balancen mellem visuel kvalitet, ydeevne og arbejdsbyrde for kunstnere. Om denne balance tipper mod mere spektakulære oplevelser uden at ofre personlighed, eller omvendt mod mere ensartet, AI-genereret grafik, vil afhænge lige så meget af, hvordan NVIDIA bruger det, som af de beslutninger, studier træffer, og hvor krævende fællesskabet er i forhold til at acceptere eller afvise denne nye visuelle standard.