【本文由小黑盒作者@电子游民于12月23日发布，转载请标明出处！】
如今对于整个游戏行业来说，不断推陈出新的高画质技术和越来越复杂、华丽的画面表达方式，与游戏玩家难得隔几年才更新一次，而且往往预算还严重受限的硬件之间的矛盾，可以说从来都是最主要，也是最影响整个业界健康发展的一大问题。
迁就老硬件会限制开发者创意与技术进步，一味适配新硬件又可能引发争议、丢失市场。因此，各类游戏“超分、超帧”方案近年得以普及并被行业广泛认可。
但列举目前PC平台最常见的“超分超帧”技术不难发现，英伟达的DLSS和英特尔的XeSS最新版本都是“自家硬件限定”。也就是说玩家只有购买他们的显卡（或是集成GPU的处理器），才能使用各自对应的画面处理技术。
相比之下，AMD的FSR在过去很长一段时间里，都享有着“开源”的美誉。比如在苹果的设备、甚至是一些安卓手游上，都能看到基于AMD FSR的各种“变体”运行在并非AMD的硬件上，为更多的玩家带来游戏画面精细度和帧率的提升。
不过AMD这种将画面提升技术“不绑定”自家硬件设计的思路，显然也有利有弊。好处自然是令它可以更容易得到开发者的好感，缺点就是会导致FSR在与AMD自家硬件的“配合性”上表现得不如竞争对手的“私有方案”。
很显然面对这样的局面，AMD也开始“反思”了。此前在2025年春季，他们推出了首个完全基于机器学习、针对自家RDNA4架构设计的FSR4。就在近日，AMD再接再厉推出了进一步的“FSR Redstone”。
而AMD用Redstone来命名他们FSR技术的最新版本，显然也是为了强调新技术高度依赖机器学习、完全基于AI重构的特性。
可能有的朋友会疑惑，如果是变化这么大的新版本，为什么不直接叫做FSR5呢？原因其实很简单，因为FSR Redstone并不是FSR4的迭代，而是后者的超集。它所集成的“ML Upscaling（机器学习超分辨率）”技术，实际上就是此前的FSR4。
不过FSR Redstone如今除了可以基于机器学习实现游戏超分外，还新增了三项画面处理技术，分别是ML Frame Generation（机器学习帧生成）、ML Ray Regeneration（机器学习光线再生）和ML Radiance Caching（机器学习辐射度缓存）。
我们先来看看ML Frame Generation（机器学习帧生成）。与此前已经落地的ML Upscaling（机器学习超分辨率）、也就是与FSR4一样，它也依赖新的RDNA4 GPU，但同样不需要游戏做新的适配改造。只要是能够兼容之前FSR 3.1帧生成功能的游戏，就可以在驱动控制面板里打开相应开关，让RDNA4显卡“改用”机器学习技术来处理FSR3.1的帧生成需求，从而实现更高的帧预测画面精度，有效改善帧生成开启之后“中间帧”的画质。
相比之下，ML Ray Regeneration（机器学习光线再生）和ML Radiance Caching（机器学习辐射度缓存）的使用场景和条件就要“苛刻”一些。其中，前者是让游戏“改用”机器学习的计算方式来处理光追计算，后者则可进一步加速光追计算的效率。
目前《使命召唤：黑色行动7》已经加入了对ML Ray Regeneration（机器学习光线再生）的支持，成为首款专为RDNA4架构GPU优化光追效果的PC游戏。而ML Radiance Caching（机器学习辐射度缓存）则预计将于2026年被实际的游戏所采用。
根据AMD方面公布的数据显示，在Radeon RX9070XT上，原生4K+光线追踪的《使命召唤：黑色行动7》平均仅23FPS，但开启FSR Redstone后，帧率可暴增至108FPS，甚至超过了不开光追之前的4K原生帧率。
同时在更多的测试游戏中，FSR Redstone相比于原生4K分辨率工况，平均也能带来3.5倍的帧率表现。
当然，最为重要的一点，就是FSR Redstone的出现意味着AMD正式在自家的RDNA4或以后的架构上，“淘汰”了此前基于非AI加速器的画面处理逻辑。
对于那些目前还依赖于开源FSR版本的第三方设备来说，这或许不是一件好事。但站在AMD的立场，这不仅意味着FSR如今已经有了足够多的游戏支持，不再需要靠低效的开源策略来“攒人气”，而且似乎也表明AMD将会在他们未来的GPU设计上像竞争对手那样，将大幅强化GPU内置的AI加速器性能，逐步向着“神经元渲染”、“完全AI生成画面”的行业先进方向过渡。
冠达配资提示：文章来自网络，不代表本站观点。
