英伟达在CES 2025上发布了基于Blackwell架构的GeForce RTX 50系列显卡，并推出了DLSS 4技术。DLSS 4最大的升级在于其AI模型，采用Transformer模型取代了之前的卷积神经网络，实现了对场景更深层次的理解，从而在超分辨率、光线重建和帧生成方面有了显著提升。DLSS 4的多帧生成功能可以在传统渲染帧之间生成多达三个额外的帧，且不再依赖光流加速器，而是更依赖Tensor Core，同时使用更少的显存，效率更高。虽然新技术对Tensor Core要求更高，但英伟达表示不排除将该技术移植到旧硬件的可能性。

🚀DLSS 4采用Transformer模型，取代了之前的卷积神经网络，使AI模型对场景的理解更深入，从而提升了超分辨率和光线重建效果，减少鬼影，增加运动细节，使场景边缘更平滑。

🖼️DLSS 4的帧生成功能不再依赖光流加速器，转而更依赖Tensor Core，且使用了更少的显存，效率更高。这与之前DLSS 3依赖光流加速器有很大不同。

💡尽管DLSS 4对Tensor Core要求更高，但英伟达并未排除将该技术移植到GeForce RTX 30系列等旧硬件的可能性，但具体实现取决于优化和工程问题以及最终的用户体验。

⏱️DLSS 4更新后，Flip Metering与CPU解耦，这也是帧率提升的关键因素之一。

在CES 2025上，英伟达发布基于Blackwell架构的GeForce RTX 50系列消费级显卡。同时还带来了DLSS 4，具备多帧生成功能，在每个传统渲染的帧之间生成多达三个额外的帧，也是自2020年发布DLSS 2.0以来对其AI模型的最大升级，DLSS光线重建、DLSS超分辨率和DLAA将由Transformer模型驱动，这是Transformer模型首次在图形领域的实时应用。

在CES 2025期间，Digital Foundry采访了英伟达应用深度学习研究副总裁Bryan Catanzaro，讨论了DLSS 4的发布及在超分辨率、光线重建和帧生成等多方面的改进。

DLSS Transformer模型取代了之前DLSS使用卷积神经网络（CNN），用于超分辨率和光线重建，变得更加智能，实现了对场景的更深层次理解，从而生成提供更高稳定性、减少鬼影、运动细节更多以及场景边缘更平滑的像素。同时英伟达也对帧生成进行了大幅度修改，放弃了以前基于光流加速器的模型。

Bryan Catanzaro表示，当打造DLSS 3时，为了通过硬件加速来计算光流，但是没有足够的Tensor Core，也缺乏足够好的算法，还没有开发出一个能够在Tensor Core运行的实时光流算法来满足预期的计算量。光流加速器最初用于DLSS 3帧生成式有意义的，但是像光流这样的算法的任何硬件实现的困难之处在于很难改进，直到采用完全基于人工智能的解决方案来替代，就像DLSS 4所做的那样。

DLSS 4的帧生成功能更依赖于Tensor Core，但是使用了更少的显存，效率也更高。当被问及新技术是否可以移植到GeForce RTX 30系列等旧硬件时，Bryan Catanzaro没有否定这个可能性，认为主要是优化和工程的问题，另外还有最终的用户体验。

当GeForce RTX 40系列推出帧生成功能时，Bryan Catanzaro曾解释为什么是新款GPU独占，主要原因是有更好的光流硬件加速器，理论上上一代显卡也能支持，但是改进可能不会那么大。随着新机制不再依赖光流硬件加速器，似乎又开启了另一扇大门，然而新的帧生成功能对Tensor Core要求更高，但是旧的GPU架构配备的Tensor Core性能没那么好，不知道英伟达会如何实现这一目标。

此外，Bryan Catanzaro还强调了更新后Flip Metering与CPU解耦的重要性，这也是帧率提升的关键之一。