2026 年 3 月，黄仁勋在 NVIDIA GTC 2026 发布了 DLSS 5——这是英伟达最新一代的「深度学习采样」（ Deep Learning Super Sampling）技术，但和以往不同的是，这一次生成式 AI 深度介入其中，并且给游戏带来了剧烈的变化，黄仁勋称之为：
图形领域的 GPT 时刻。
但生成式 AI 在带来「真实」画面质感的同时，也意味着对游戏画面进行了「重绘」——因而在这项技术发布之初，就引起了巨大的争议。
时隔半年，爱范儿终于第一时间「上手体验了」DLSS 5，并与英伟达的技术人员进行了深度交流。一圈体验下来，DLSS 5 在不同游戏里的表现差异很大。但有一点很明确——它已经和我们过去熟悉的 DLSS 不太一样了。
其中让我最意外的一个例子，是已经发布十多年的《GTA 5》——这个发行于 2013 年的老游戏，在打开 DLSS 5 后，有那么几个瞬间，真的让我以为是还没发售的《GTA 6》。
DLSS 5 初体验：GTA 5，画面好得像 GTA 6
《NBA 2K27》是首款实装了 DLSS 5 的游戏，就在 8 月底，《NBA 2K27》开启了抢先体验，意外地把一个尚未正式公开提供的 DLSS 5 Neural Rendering 运行库打包在了游戏包体里。
于是，有 Modder 就把这个运行库提取了出来，并接入到了不同游戏中——目前，我们可以体验到的 DLSS 5 就是源自这个非官方版本，运行效果并不能代表游戏制作团队意愿，但 DLSS 5 的能力已经初见端倪。
根据泄露的信息来看，《NBA 2K27》里的这个模型是纯端侧运算，大约是 1.48 亿参数，采用 FP8 精度存储，占用游戏包体里约 150MB 的空间。
经过多个游戏的验证，可以初步判断，DLSS 5 很适合一类游戏：写实游戏。
《GTA 5》就是一个很典型的例子。这款大名鼎鼎的开放世界，游戏最早发布于 2013 年。放到今天来看，洛圣都的开放世界设计依旧先进，游戏剧情也相当引人入胜，但即便是几经翻新，游戏画面也还是能看出一些老态——
路人的皮肤比较平，衣服和身体之间缺少细腻的接触阴影，室内和街道上的光线相对简单，树叶、玻璃和金属也没有今天 3A 游戏里那么丰富的材质表现。
DLSS 5 刚好可以为这些地方补充细节。
它会重新理解画面里的角色、道具和环境，再补充更加自然的光照和材质细节——于是，我们看到老麦的脸上有了更多褶子，明暗关系更复杂，衣服材质更为丰富，场景的光影也更接近现实。
这些变化单独拿出来都不算惊艳，但同时铺满洛圣都之后，整个游戏焕然一新！
英伟达负责 DLSS 技术研究的 Edward Liu 告诉爱范儿：
Better input, better output.
输入越好，输出越好。
对 DLSS 5 而言，《GTA 5》就是一段绝佳的上下文——Rockstar 十多年前已经完成了一个非常完整的写实世界，城市结构、模型材质和整体美术都经得起时间检验，只是当年的硬件没有条件，能把所有光照和材质细节都做得像今天这么复杂——而 DLSS 5 用生成式 AI 弥补了这一切。
《赛博朋克 2077》也是类似的情况。
夜之城是个光怪陆离的赛博都市，有着极其惊艳的城市设计和画面表现，但只要你游戏玩得多了，就能发现游戏中明显的资源分配痕迹——主角和重要 NPC 可以做得很精细，但街边成百上千个路人的脸却只是很扁平的一张贴图。
毕竟，CDPR 可以花费大量时间把强尼·银手打造得像基努里维斯一样逼真，却不可能把每一个过路的 NPC 都按照电影 CG 的规格进行处理。
这时候，DLSS 5 就能大派用场。
它可以给大量过去没有必要精修的角色增加皮肤质感、阴影、眼睛反射和衣物细节，让原本承担「背景」功能的人物看起来更完整、更真实。
类似的提升放到环境里也成立，大量植物、玻璃、金属、布料都能得到更丰富真实的光照反馈。
体育游戏和 DLSS 5 也是绝配。
过去我们评价 FIFA、NBA 2K 的画面，经常会说球员已经「很像真人」，但很像真人和真正接近一场电视转播，还是有区别。球员本身就有现实世界里的参照物，皮肤、汗水、眼球反射、球衣和球馆灯光越接近真实，游戏的目标也就完成得越好。
这也是《NBA 2K27》成为 DLSS 5 首批落地游戏的合理原因。
在 NVIDIA 展示的效果里，最明显的提升不只发生在明星球员脸上。手指和篮球之间多了接触阴影，耳廓和眼窝拥有更自然的遮蔽关系，皮肤和球衣的材质更加复杂，连观众席里拿着摄像机的普通 NPC 也能得到类似的增强。
过去这些效果也能通过传统渲染完成，只是成本很高。开发者当然可以给一个 NPC 的耳朵计算更准确的皮肤散射，也可以给几万人的观众席增加更复杂的阴影和反射，但没有多少游戏愿意为这些细节付出如此高的性能代价——即便可以，玩家的电脑也跑不动这么复杂的运算。
DLSS 5 提供了一种新的解法：直接让 AI 根据已有画面，把这些细节补出来。
这才是 DLSS 5 最大的价值——很多过去受限于开发时间、算力预算而被省掉的视觉细节，可以一次性铺到整个游戏世界里，而玩家只需要往电脑里装一张英伟达的 50 系显卡。
现实世界无法计算，那就让 AI 把它画出来
回头看 DLSS 的发展脉络，从 DLSS 1 到 DLSS 4，这套技术始终围绕着一个很明确的目标：
用 AI 提高有限 GPU 算力的利用效率，再把这些性能换成更好的游戏体验。
超分辨率（Super Resolution）是少渲染一些像素，再通过 AI 重建到更高分辨率；帧生成（Frame Generation）是利用前后帧信息生成新的画面；光线重构（Ray Reconstruction）则通过神经网络重新组织稀疏的光追信息。
这些技术要解决的，基本都是一个相对确定的问题——低分辨率要变成高分辨率，低帧率要变成高帧率，低质量光影要变成高质量光影。
但 DLSS 5 开始处理另一类问题：它会生成原始画面中并不存在的视觉信息。
比如更复杂的皮肤次表面散射、更明显的眼窝遮蔽、更自然的头发透光、叶片透射，以及布料和人体之间的接触阴影——在绝大多数游戏里，这些细节并没有被完整呈现，但 DLSS 5 会根据模型对现实世界的理解，把它们直接生成出来。
为什么到了 DLSS 5，英伟达的技术路线突然有了这么大刀阔斧的改动？这与实时图形领域已经面对多年的一个问题有关：
随着游戏画面越来越逼真，游戏显卡已经算不出现实世界的样子了。
按照英伟达技术人员的说法，相比早期可编程 Shader 时代，今天 GPU 可以投入实时图形的计算预算已经增长了超过 40 万倍，但离真正完整模拟现实世界的光传输仍然有着好几个数量级的差距。
头发就是一个很好的例子——逆光照过人物时，光线会进入大量发丝，在其中发生折射、反射和散射，才呈现出我们肉眼所见的「海飞丝」效果；人的皮肤也一样，耳朵在逆光下为什么会泛红，是因为光进入人体组织之后发生多次散射，再从另外的位置离开。
这些现象理论上都能通过物理模拟计算出来，只是计算量非常夸张。
在电影工业里，影视级 CG 可以花几小时甚至几十小时渲染一帧，但在实时运行的游戏中，留给 GPU 的时间通常只有十几毫秒。
英伟达最新的路径追踪 (Path Tracing) 技术，已经让今天的游戏向真实世界迈进了一大步，但想让游戏里的发丝、皮肤、布料全部达到电影 CG 级别，就算英伟达的显卡再更新几代也很难做到。
生成式 AI 给了英伟达一个新的方向——
一个见过大量现实世界信息的模型，不需要真的模拟阳光穿过耳朵时经过了哪些组织，也能知道逆光下耳朵应该呈现什么状态；它不用完整追踪每一束穿过头发的光，也知道头发边缘大致应该如何透光。
传统计算机图形学要通过物理规律一步步算出最终画面，而生成模型则可以直接学习「最终画面应该是什么样」。
最好的办法是把这两套方法合二为一。
游戏引擎继续负责几何、角色、动画、材质和基础光照，确定这个虚拟世界里究竟有什么；DLSS 5 再根据这些信息，以及模型对于真实世界的理解，对最终画面进行一次生成。
用英伟达工程师 Edward Liu 的话讲，就是「重构」（Reconstruction）和「生成」（Generation）的区别——此前 DLSS 的核心任务更多是 Reconstruction，也就是重建画面；到了 DLSS 5，Generation 真正进入实时图形管线，开始创造新的画面。
当然，生成游戏画面，可不能像普通生图模型那样自由发挥。
强尼·银手不可能在游戏中突然换一张脸， NBA 2K 里的篮球也不能变成足球，GTA 里的广告牌也不会每一帧都发生变化。
DLSS 5 推出 3D 引导神经网络渲染技术，所以 DLSS 5 会读取游戏输出的色彩、动作等信息，把原来的游戏画面作为生成时最重要的约束；游戏持续输出画面，DLSS 5 持续理解，再生成一个更接近真实世界的版本；下一帧到来之后，整个过程再次发生……
至于开启 DLSS 5 的性能，如 NVIDIA 所示：
到了这里，DLSS 5 已经开始接近另外一个当下热门的 AI 概念：
世界模型。
DLSS 5，就是一个「世界模型」
过去两年，我们已经看过太多世界模型的 Demo——输入一张图片或者一句话，AI 生成一个可以移动的游戏场景。
按下方向键，角色往前走，模型根据上一帧和玩家的操作继续生成下一帧；转动镜头，它又根据自己对空间和现实世界的理解，把原本看不到的地方生成出来。
整个世界并不是提前一帧一帧制作好的，而是在人的行动过程中持续被预测和生成。
从这个角度来看，DLSS 5 和世界模型的技术原理其实非常相似。
只不过，一个是靠语言提示词来约束，另一个则靠游戏画面来约束。
DLSS 5 生成的画面源头，还是源自游戏本身——角色位置、建筑几何、动作捕捉、游戏规则都已经存在，DLSS 5 不需要凭空预测这个世界下一秒会发生什么。
它的核心在于：先理解眼前这个世界是什么，再根据自己学习到的世界知识，生成一个新的视觉结果。
每一帧游戏画面，本身就成了模型的输入。
这其实比一段文字 Prompt 信息量要大得多。
一帧游戏截图就已经可以告诉 AI 大模型，人物站在哪里，脸朝向什么方向，太阳从哪里照过来，面前是一块金属还是一片玻璃，，哪些东西正在运动，以及它们在前后帧之间发生了什么变化……
游戏引擎持续提供世界状态，AI 持续理解，再把这个世界重新画出来——而这一切都发生在毫秒之间。
所以如果把「世界模型」理解成一个能够理解世界规律，并根据当前状态生成合理结果的 AI 大模型。那么 DLSS 5 已经可以视为一个专门为游戏适配的世界模型。
过去，世界模型每一次大更新，我们对世界模型的想象都是颠覆游戏业界：未来可能只需要输入一句话，就可以生成一个《GTA》一样的世界。
人物、建筑、道路甚至游戏玩法都由 AI 即时生成，传统游戏引擎和游戏开发团队最终都会被取代。
但 DLSS 5 证明了，世界模型和电子游戏之间，也许还有另一种连接方式。
先进的 AI 不会取代 Rockstar 这样的顶级游戏团队，而是成为他们最重要的助力。
Rockstar 可以继续负责设计洛圣都、写人物、做任务、调车辆驾驶、安排街道和建筑，AI 只负责把这个已经非常优秀的世界变得更真实。
从目前的实际效果看，这可能反而是世界模型技术进入游戏最现实的方式。
换言之，世界模型未必真的用于「创造世界」，也可以先负责「理解世界」。
理解之后，再把那些没有必要由开发者一项项手工制作，也没有必要让 GPU 暴力计算的东西补出来。反过来讲，理解现实世界，并不代表就理解了游戏。
这也是 DLSS 5 现在最明显的问题。
《最终幻想 7 重生》就是一个很好的反例——
克劳德、蒂法这些角色本来就处在一种经过精心控制的审美区间。他们有真实的皮肤、头发和服装，却依然保留着非常鲜明的日式 CG 风格，五官比例、皮肤状态甚至年龄感，都不是按照现实意义上的真人来设计的。
DLSS 5 当然没有 JRPG 角色的审美，它只知道一个真实的人脸通常应该有什么。
于是，《最终幻想 7 重生》里的角色在开启了 DLSS 5 后，反而变得让人啼笑皆非——美型的角色有了深眼窝、法令纹和粗皮肤，确实是更真实了，但一点也不《最终幻想》。PC Gamer 的编辑在体验时，就把处理后的克劳德（Cloud）开玩笑叫作「Claude」。
其实，从「真实性」的角度看，模型可能没有做错什么。
但从《最终幻想》的角度看，它完全搞错了。
还有一些游戏，DLSS 5 的作用也不太明显。
像《最后生还者》《漫威蜘蛛侠》这种本身已经拥有极高美术完成度的作品，DLSS 5 带来的提升非常有限。
这其实更能说明问题。
《最后生还者》里的乔尔应该有多少皱纹，艾莉的皮肤是什么状态，一间废弃房屋里阳光应该从哪里照进来，画面里的尘埃和植物该到什么程度，这些细节早就已经被顽皮狗的艺术家们反复打磨过。
当人类的表达已经足够完整，AI 当然没有太多可以增补的东西。
这让我觉得，DLSS 5 最终可能会把游戏开发中的一个矛盾放得越来越大。
以前游戏开发者面对的是资源不足——
时间不够、算力不够、人手不够，所以很多东西做不到。
生成式 AI 会逐渐把这部分问题解决掉。
满街的路人 NPC、葡萄园里的葡萄、街道两边的大楼……这些过去需要开发者精修、占用 GPU 算力的场景，以后很可能交给模型来处理就好。
但另一个问题反而变得更为棘手。
角色为什么长这样？世界为什么是如此构成？玩法应该遵循什么逻辑？
这也是英伟达自 DLSS 5 发布以来，就一直大篇幅强调「艺术家保持控制」的原因。
在英伟达的设想里，DLSS 5 可以通过一系列的组件和功能告诉开发者：「如果想变得更真实，我可以做到什么。」
而游戏艺术家们则负责回答：「这是不是我想要的样子。」
这可能才是 DLSS 5 进入游戏行业之后，最让我好奇的变化。
我们过去担心 AI 太强，艺术家会变得无足轻重。但 DLSS 5 实际展示出来的情况可能恰好相反。
当技术只能做到六十分的时候，大家首先讨论的是怎么做到八十分；当 AI 可以轻易把越来越多东西做到九十分之后，最重要的问题就会变成，到底什么才是那最后的十分。
《GTA 5》当然可以借助 AI 跨过十多年的技术鸿沟，变成如今看来也毫不过时的游戏，但 DLSS 5 不可能真正地把《GTA 5》变成《GTA 6》。
因为真正让这个游戏成为工业奇迹的，除了持之以恒的玩法打磨、锐意进取的玩法创新和史无前例的规模开发，还有最重要的部分：
凝聚了无数开发者经验与智慧，最终表现出来的——创造力。
「生成」可以用 AI 去生成，但「创造」永远都该由人类来创造。
#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
