- DLSS 5 是一種即時神經渲染模型，可在不改變遊戲原始幾何形狀的情況下添加逼真的光線和材質。
- 它與 DLSS 超解析度、幀生成和光線重建一起整合在管道的末端，依靠 Tensor 核心和 FP8 運算。
- 它將需要現代 GPU（RTX 40，尤其是 RTX 50），將於秋季上市，並將在《星空》、《刺客教條：暗影》和《上古捲軸4：湮沒重製版》等主要遊戲中首次亮相。
- 由於人工智慧技術的應用可能會對藝術指導產生「過濾」效應，並對藝術家和工作室的作品造成影響，因此其應用引發了爭議。
NVIDIA 的 DLSS 5 已成為 PC 遊戲玩家、開發者和硬體愛好者熱議的話題。它並非 DLSS 的“另一個版本”，而是 NVIDIA 致力於改變即時圖形生成方式的重大舉措，其核心在於NVIDIA 自主訓練的人工智慧模型。它引發的轟動並非偶然：對某些人來說，它代表著自實時光線追蹤技術問世以來最大的飛躍；而對另一些人來說，它標誌著一個圖形日益同質化的時代的開始，所有圖形都將「經過同一 AI 的過濾」。
隨著熱度不斷攀升，各種問題也隨之而來：DLSS 5 究竟是什麼？它是如何運作的？使用它需要什麼條件？哪些遊戲支援這項技術？它對畫面效果和效能有何影響？接下來，我們將為您提供一份全面的指南，它整合了 NVIDIA 官方發布的所有資訊、專業媒體的解讀以及玩家社群的初步回饋，並以清晰簡潔的方式呈現出來。
NVIDIA 的 DLSS 5 是什麼？為什麼這個版本如此受關注？
DLSS 代表深度學習超級採樣。先前，我們主要將其與三件事聯繫起來：影像放大以在不犧牲性能的前提下提高解析度；高級抗鋸齒以平滑邊緣和消除瑕疵；以及幀生成，透過 AI 創建中間幀來提升幀率。 DLSS 5 部分打破了這種固有觀念，因為它不再被視為簡單的影像放大系統，而是即時 3D 神經渲染模型。
實際上，這意味著 DLSS 5直接作用於遊戲幀，利用每個幀的色彩資訊和運動向量來重建和豐富場景。它並非簡單地提升解析度；其目標是注入更豐富的材質和更複雜、更逼真的光照效果，所有這些都無需觸及幾何體或改變遊戲玩法。基礎 3D 世界仍然由開發者設計，但其最終的視覺效果卻會發生顯著變化。
NVIDIA 將 DLSS 5 描述為自 2018 年推出即時光線追蹤技術以來，該公司在電腦圖形領域取得的最大飛躍。事實上，該公司首席執行官黃仁勳在演講中將其定義為“圖形領域的 GPT 時刻”，暗示該模型對於圖形的意義，正如大型語言模型對於文字和生成內容的意義一樣。
需要澄清的是，DLSS 5並非 DLSS 超解析度技術的簡單升級。它是渲染管線中的新模組，在圖形處理流程的最後執行，旨在與 DLSS 系列中的其他技術（例如放大、幀生成、光線重建等）共存，而不是取代它們。
DLSS 5 的工作原理：神經渲染模型詳解
為了更好地理解 DLSS 5 的功能，我們需要了解它的內部運作原理。這項技術依賴 NVIDIA利用大量影像資料和 3D 遊戲資訊進行大規模訓練的神經網路。它是自 2019 年首個 DLSS 版本以來不斷演進的成果，其網路架構經過不斷改進，並衍生出使用自編碼器生成視覺內容豐富中間表示的各種變體。
本質上，該模型接收每一幀的輸入，包括像素的顏色值（RGB）以及一組關於場景中正在發生的事情的「語義」資料：運動向量、深度、光源、材質等。然後，神經網路產生整個幀的高維內部表示，這是一種中間映射，它濃縮了視覺和上下文資訊。
基於這種中間表示，系統能夠產生更精細的影像輸出。基礎影像中的單一「原始」像素可以外推到 8x8 的網格上，從而得到 64 個新的像素，這些像素包含更多關於光照、紋理和微觀細節的資訊。該模型並非簡單地創建孤立的像素：它會考慮每個像素的鄰域、先前的幀以及訓練過程中學習到的趨勢，從而確保結果隨時間推移保持一致，並且在相機移動時不會出現閃爍或斷斷續續的情況。
DLSS 5 的精髓在於，它將每個原始像素轉換為更豐富的資訊集合，這使得它更像是為遊戲應用了一種全域照片級真實感濾鏡，而不僅僅是一個簡單的縮放系統。正因如此，許多玩家將其描述為「重繪」遊戲，也有人將其與「AI 垃圾」的概念聯繫起來——即視覺內容經過 AI 層處理後變得千篇一律。
DLSS 5 在圖形品質方面有哪些改進：光照、材質和穩定性
NVIDIA 的主要論點之一是，DLSS 5可以讓遊戲在不大幅增加幾何體負載或光線追蹤成本的情況下，實現接近照片級真實感的效果。它並非大幅增加多邊形數量或光線追蹤次數，而是將部分工作委託給人工智慧來重建場景的視覺效果。
其中最顯著的優點之一是電影級光照。該模型能夠重現許多使用傳統技術計算成本極高的效果，例如輪廓光照、次表面散射（使皮膚看起來更自然的關鍵）、複雜的反射以及更逼真的接觸陰影。所有效果均基於原始遊戲數據以及神經網路學習到的光線在不同材質上的運動規律進行計算。
另一項顯著改進在於材質的深度和豐富度。 DLSS 5 優化了 PBR 的粗糙度、光澤度、半透明度和表面微觀結構等屬性，使金屬、織物、塑膠和有機元素看起來更逼真。它對頭髮、眼睛和服裝上的細小幾何元素等精細幾何元素的影響尤其顯著，這些元素在傳統渲染中很難達到逼真的效果。
在視覺穩定性方面，DLSS 5 著重於時間一致性。透過逐格處理動作和色彩訊息，此系統力求避免攝影機移動時常見的閃爍或光照不一致問題。其目標是即使在運動劇烈、粒子效果豐富或光照快速變化的場景中，也能保持影像的穩定外觀。
這一切都與在高達 4K 解析度下實現即時效能的承諾相結合，同時還能保持流暢的遊戲體驗。顯然，計算成本相當高昂，但其理念是利用專用核心（Tensor 著色器和神經著色器）並依賴管線中的其他 DLSS 技術，從而在很大程度上抵消這種影響。
DLSS 5 的目標及其與光線追蹤和路徑追蹤的關係
NVIDIA 將 DLSS 5 的使命概括為兩個主要目標：首先，為將神經渲染應用於視頻遊戲鋪平道路，即實踐人工智能是實時圖形生成過程核心部分的想法；其次，讓玩家無需等待幾代僅基於原始性能的 GPU，就能獲得非常接近電影特效的視覺效果。
需要澄清的是，DLSS 5並不會取代光線追蹤或路徑追蹤。它們是目標互補的兩種獨立技術。路徑追蹤著重於更精確地模擬光線在場景中的行為，包括直接光照和間接光照、反射、陰影和遮蔽。問題在於，為了獲得完美的效果而大幅增加光線數量，會大幅降低效能。
另一方面，DLSS 5使用神經渲染來「填充」僅靠傳統光線追蹤難以實現的視覺複雜性。它從 3D 數據和實際追蹤的光線中產生逼真的光照和材質，因此最終效果相當於投射了遠超實際計算數量的光線。簡而言之，它就像一個“視覺倍增器”，使硬體能夠實現其自身無法達到的性能。
這就是為什麼NVIDIA建議DLSS 5和光線追蹤技術應該相輔相成。光線追蹤提供了一個物理上連貫的基礎，而神經網路模型則負責優化和增強影像，從而彌補即使是最強大的GPU在實際性能上的限制。
DLSS 5 如何與 DLSS 超解析度、幀生成和光線重建集成
DLSS 5 並非孤軍奮戰。 NVIDIA 已確認該技術與 DLSS 系列的其他組件相容，儘管每個組件在處理流程中的運行順序不同。了解這一順序有助於理解為何最終結果如此依賴它們的組合方式。
該過程始於DLSS 超解析度技術，該技術將低解析度影像放大並重建。人工智慧利用運動向量資訊和先前幀的數據，產生遊戲原生未渲染的像素。此步驟在 DLSS 5 生效之前計算，因此所選模式（品質、平衡、效能等）和所使用的特定模型會直接影響神經渲染模型隨後「看到」的內容。
除了超解析度之外，還可以啟用光線重建。這項技術使用專門訓練的 AI 模型取代了傳統的降噪演算法，從而更清晰地重建光線。該過程在 DLSS 5 之前運行，有助於減少神經渲染基礎影像上的雜訊和偽影，提高生成光照的清晰度和真實感。
接下來是幀生成或多幀生成，它能夠利用人工智慧技術，為傳統渲染的每一幀生成多達五幀。這一階段緊隨超解析度和光線重建之後，旨在提升玩家感知到的流暢度，而無需GPU繪製所有額外的幀。
完成上述步驟後，就輪到 DLSS 5 了。 DLSS 5在渲染管線的最後階段運行，甚至在幀生成之後也會運行。實際上，這意味著 NVIDIA 在這裡引入了一個新的模組，該模組依賴先前技術的渲染結果：基礎影像品質越好（例如，影像放大、降噪、運動一致性），神經網路模型最終輸出的品質就越高。
創作控制：DLSS 5 如何保持最初的藝術意圖
藝術家和遊戲玩家最關心的問題之一是DLSS 5是否會扭曲工作室設計的畫面美感。 NVIDIA試圖消除這種擔憂，堅稱這項技術高度可控，開發者可以自行決定如何以及在何處應用它。
遊戲開發者可以調整特效強度、色彩校正、色調混合、飽和度、對比和亮度等參數。他們還可以精確定義場景中哪些物件或區域啟用 DLSS 5，哪些停用，從而確保美術指導的關鍵元素受到尊重，或限制某些表面上可能出現的過度渲染。
此外，該模型利用每一幀的詳細色彩和運動向量訊息，使增強效果與實際的 3D 內容緊密結合，而不是像通用濾鏡那樣與場景脫節。 NVIDIA 認為，只要工作室花時間對工具微調，最終效果就能忠實還原最初的構想。
實際上，這將為各種風格打開大門：從追求接近超現實主義效果並將 DLSS 5 發揮到極致的遊戲，到更巧妙地使用它，僅用於增強某些材質或全局光照而不過多改變原始外觀的遊戲。
爭議與批評：人工智慧是提升遊戲體驗的利器，還是視覺效果不佳的「人工智慧」？
DLSS 5 的發佈在玩家群中引發了激烈的爭論。一些玩家和開發者認為這項技術是一個絕佳的機會，可以在不大幅增加預算的情況下提升視覺效果，利用人工智慧完成以往需要龐大團隊和漫長渲染時間才能完成的任務。但也有相當一部分人持批評態度，擔心情況會剛好相反。
從技術和美學層面來看，一些評論家指出，DLSS 5會顯著改變原有的光線、紋理和細節。它採用全局模型來「美化」和統一材質與光照，這可能會導致許多遊戲最終看起來千篇一律，人物面部和表面效果與我們日常看到的 AI 生成內容如出一轍。
這種擔憂催生了「AI粗糙臉」之類的概念，用來形容那些看起來像是AI生成的、過度平滑、帶有奇怪高光或五官千篇一律的角色面部。這類似於手機上某些臉部修飾濾鏡的效果，讓每個人看起來都一樣。對某些人來說，將這種美學風格運用到高預算遊戲中是不可逾越的底線。
在職場和產業中，人們也擔心DLSS 5可能會成為裁減美術部門或將紋理和材質製作外包的藉口，轉而依賴人工智慧來「修復」最終效果。大型發行商可能會以節省成本或縮短製作週期為由，向工作室施壓，要求採用這項技術，即使最終結果可能缺乏個人化或獨特性。
缺點在於 DLSS 5 是可選的：遊戲工作室並非必須使用它，也並非必須預設啟用它。最終玩家能否在每款遊戲的畫面設定中控制該效果的停用或調整，目前尚不得而知。對於那些更注重還原原作美術風格而非追求視覺特效的玩家來說，這一點至關重要。
使用 DLSS 5 需要哪些硬體？
在發表會上，NVIDIA 僅明確確認GeForce RTX 5090相容 DLSS 5 ，該顯示卡正是 GTC 2026 公開展示中所使用的顯示卡。在演示中，該公司展示了一個相當極端的場景，兩塊 RTX 5090 並行工作：一塊 GPU 專門用於 DLSS 5 的神經渲染，另一塊則處理遊戲的「傳統」渲染。
但這並不意味著你需要兩張顯示卡才能玩。 NVIDIA 解釋說，DLSS 5 模型經過最佳化，可在單 GPU 上運行，使用兩張顯示卡更多是由於原型機尚處於早期階段，而非商業版本實際的需求。即便如此，該演示也清楚地表明，這項技術對運算資源的需求相當高。
種種跡象表明，DLSS 5將相容於 GeForce RTX 50 和 RTX 40 系列顯示卡。在每個系列中，出於性能考慮，一些低階型號或顯存有限的型號可能僅提供部分或有限的支援。 GeForce RTX 30 及更早的型號不支援原生 FP8 指令集，因此，除非 NVIDIA 發布採用 INT8 或其他更輕量級方案的適配型號，否則它們很可能無法獲得 DLSS 5 的支援。
另一個值得關注的細節是顯存佔用：在 GTC 2026 上展示的 DLSS 5 版本，在雙 RTX 5090 配置下最高可使用 32 GB 顯存，這對家用環境來說是一個相當大的容量。最終面向大眾的版本顯存佔用會低得多，但種種跡象表明，如果想要在高解析度下發揮 DLSS 的全部效能，8 GB 或更低顯存的 GPU 可能無法勝任。
對性能和能耗的影響：我們目前了解的情況
NVIDIA尚未公佈DLSS 5在實際遊戲中對幀率、延遲或記憶體使用情況的具體影響的官方詳細數據。不過，他們已澄清，演示中使用的模型是要求極高的原型機，旨在展示該技術在不受量產顯示卡限制的情況下所能達到的性能。因此，我們有必要關注可能影響最終結果的潛在PC瓶頸。
在正式發布前，該公司正在研發更有效率的模型，這些模型可以在單一GPU上即時運行，以合理的成本保持高影像品質。即便如此，我們仍需考慮到DLSS 5會消耗大量可用資源：即時運行4K解析度的複雜神經網路並非易事。
鑑於 DLSS 的過往表現，我們有理由期待 NVIDIA 會確保視覺效果的提升大於性能上的損失，尤其是在與超解析度、幀生成和光線重建等技術結合使用時。換句話說，即使這意味著與不使用 DLSS 5 但畫面品質較低的遊戲相比，幀率會略有下降，玩家最終也應該能看到更豐富的細節、更出色的光照效果和更流暢的遊戲體驗。
我們需要等待第一批獨立基準測試結果，才能了解DLSS 5 在多大程度上適用於中高階 GPU，或者它是否仍然實際上僅限於 RTX 50 系列中最強大的型號。
DLSS 5 何時推出？可以在哪些遊戲中使用它？
NVIDIA 已將 DLSS 5 的發布日期定於2026 年秋季，但並未給出具體日期。最終發布日期將取決於模型優化進度以及與首批支援該技術的遊戲的整合情況。根據進展情況，這項技術最快可能在 9 月發布，也可能推遲到年底。
官方已確認支援 DLSS 5 的遊戲清單相當令人印象深刻。其中包括《永恆之塔 2》、《刺客教條：暗影》、《黑州》、《灰燼之城》、《三角洲特種部隊》、《霍格華茲之遺》、《正義》、《納拉卡：刀鋒》、《NTE：永無止境》、《幻影之刃》、《生化危機：安魂曲》、《殘影版》、《魔戒》、《魔戒》、《古魂版》、《殘影版》、《魔戒》、《古魂曲》、《古魂曲》》、《古魂曲》》、《古魂》。。 NVIDIA 還補充道“以及更多”，這表明該清單將隨著時間的推移而不斷增長。
在演示過程中，該公司展示了《生化危機：安魂曲》、《EA Sports FC》、《星空》和《霍格華茲之遺》等遊戲的具體應用案例，以及技術演示作品《佐拉》。此外，該公司聲稱已獲得Bethesda、Capcom、網易、NCSOFT、騰訊、育碧、華納兄弟遊戲、堀田工作室和S-GAME等頂級發行商的支持，保證該技術將透過更新的方式應用於新遊戲和上市的大型遊戲。
目前，DLSS 5 的重點完全放在PC 生態系統上。像 Xbox Series X|S 和 PlayStation 5 這樣的現有主機沒有配備支援 FP8 和同等 Tensor 核心的 GeForce GPU，因此 DLSS 5 暫不適用於它們。這些系統上的視覺提升取決於各自平台特有的其他影像放大和優化技術。
DLSS發展歷程：從早期版本到現今的DLSS 5
為了更好地理解 DLSS 5，有必要簡要回顧這項技術的起源。 DLSS 的第一個版本於 2019 年與首批 RTX 顯示卡一同發布，它提供了一種基於 AI 的圖像增強系統，專門針對特定遊戲進行訓練。早期的版本嚴重依賴每個遊戲特定的資料集，因此效果參差不齊。
隨著時間的推移，NVIDIA 不斷改進架構和訓練流程，開發出更通用、更強大的模型。 DLSS 2、3、4 和 4.5 等版本相繼問世，並融入了許多新功能：改進的時間抗鋸齒、更清晰的運動重建，以及至關重要的AI 驅動的幀生成，從而在無需 GPU 渲染每一幀的情況下提升幀率。
所有這些發展都與硬體的改進齊頭並進：每一代新的 RTX 顯示卡都帶來了更強大、更高效的 Tensor Core，以及諸如 FP8 之類的新指令集和數值格式，這使得執行更大、更複雜的模型不會顯著影響性能。 DLSS 5 在很大程度上正是將這種軟體成熟度與 Blackwell 架構全新優勢相結合的成果。
同時，技術社群一直在討論這些模型的具體訓練方式。有人提到了自編碼器類型的架構，在這種架構中，網路會學習將每張影像壓縮成一個密集的中間表示，然後再進行更精細的重建。為了讓遊戲相容，開發者需要與 NVIDIA 合作，發送影像資料和輔助緩衝區（深度、運動、遮罩等），以幫助豐富訓練過程。不過，最新版本的 DLSS 旨在提高泛化能力，減少對特定遊戲訓練的依賴。
在此背景下，DLSS 5擴展了人工智慧在渲染管線中的作用範圍。它不再局限於「填充」解析度或插值幀，而是全面參與材質和光照的最終定義，並在一定程度上重塑了人們對現代即時渲染的理解。
種種跡象表明，DLSS 5 標誌著 PC 遊戲在視覺保真度、性能和美術人員工作量之間取得平衡的方式發生了轉折。這種平衡最終會傾向於在不犧牲個性的前提下呈現更震撼的視覺體驗，還是會走向日益千篇一律的 AI 生成畫面，很大程度上取決於 NVIDIA 如何使用這項技術，以及遊戲工作室的決策和玩家社區對這一新視覺標準的接受程度。
