- FSR Redstone samler fire AI-drevne moduler: belysning, strålegenerering, superopløsning og billedhastighed.
- Det bedste scenarie peger på Radeon RX 9000, men HIP + ML2CODE kan muligvis udvide kompatibiliteten.
- FSR 3.1.4 baner vejen: mindre ghosting, opdaterbare DLL'er og understøttelse af Unreal Engine 5.6.
AMD FSR Redstone er AMDs nye store satsning på gaming med AI-baseret neural rendering, designet til at forbedre den visuelle kvalitet og billedhastighed uden at øge renderingsomkostningerne. Det er ikke et enkelt stykke, men et suite bestående af fire teknologier Designet til at fungere sammen eller separat i spil, med fokus på global belysning, raytracing, reskalering og frame-generering.
I FSR-økosystemet repræsenterer Redstone det spring, som mange forventede efter FSR 4: her kunstig intelligens og hardware acceleration opnå fremtrædende plads for at komme endnu tættere på, hvad NVIDIAs DLSS tilbyder. Ideen er krystalklar: forbedre ydeevne og billedkvalitet samtidig, men med en native implementering fra studierne for at presse mest muligt ud af hver grafikmotor.
Hvad er AMD FSR Redstone, og hvorfor er det vigtigt
Redstone er et sæt renderingsteknologier, som AMD beskriver som neural rendering i realtidDen bruger maskinlæringsmodeller til at forudsige, rekonstruere og generere visuel information, der ellers ville kræve mange flere ressourcer. Dette resulterer i mere FPS og mindre støj i komplekse scener med raytracing, samt renere billedrekonstruktion fra lavere opløsninger.
Suiten indeholder fire søjler: Neural Radiance Caching (lære global belysning), ML-stråleregenerering (regenererer sporet information for at reducere støj), ML Super opløsning (AI-reskaleret) og ML-rammegenerering (AI-genererede billeder). Hver af dem tjener en specifik funktion, og kombineret kan de gøre et betydeligt spring fremad visuel troskab og forbedre flydende.
AMD understreger, at disse funktioner bruger AI, og at det i sin klassiske vision er hardware acceleration Det spiller en nøglerolle i moderne Radeon-kort; opdatering af grafikdriveren Det er lige så vigtigt at udnytte dem. I virkelige applikationer betyder det, at motorer skal integrere Redstone nativt, så datakæden (rumlige, tidsmæssige og bevægelsesvektorer) forsynes korrekt, og netværkene når deres fulde potentiale.
Sammenlignet med hvad vi så med FSR 1/2/3, er Redstone det naturlige skridt til at konkurrere "head to head" med DLSS 4 økosystemHvis FSR 4 allerede introducerede AI til hardwareunderstøttet opskalering, udvider Redstone omfanget til lært raytracing og frame-generering og angriber de mest følsomme punkter i moderne rendering.
En vigtig grundlæggende bemærkning: Selvom AMDs mål er at "demokratisere" disse forbedringer, har virksomheden gjort det klart, at deres implementering i høj grad afhænger af studier. ansvar for oprindeligt implementering vejer tungt på det endelige resultat, og det er her, værktøjer og SDK'er spiller en fundamental rolle i at fremme implementeringen.
Teknologierne bag FSR Redstone
Redstone-pakken er baseret på fire moduler, der kan aktiveres individuelt. uafhængig eller samtidig afhængigt af spillet og grafiktilstanden. Dens formål er at angribe kendte flaskehalse i belysning, sporing og rekonstruktion, og at gøre det med lærte modeller, der udnytte tidsmæssige og rumlige data ud over bevægelsesvektorer.
Neural Radiance Caching
Denne teknik skaber en cache, der i realtid lærer lysets opførsel i scenen: forudsiger bounces og indirekte belysning at gemme nyttige resultater ved raytracing. I praksis kan det repræsentere mere global information med færre prøver, hvilket resulterer i mere stabile scener og ensartet i belysningen.
Hvorfor er det interessant? Fordi det kan forbedre ydeevne og kvalitet Samtidig simuleres flere bounces til en lavere pris ved at kræve færre fysiske prøver, hvilket reducerer lysartefakter og stabiliserer den globale belysning i realtid.
ML-stråleregenerering
Når man bruger stisporing eller strålesporing med lav sampling, er det almindeligt at have ufuldstændige eller defekte pixels, hvilket genererer støj. ML Ray Regeneration bruger et trænet netværk til at rekonstruere manglende information og regenerere plausible pixels, rense billedet uden at skulle gange beregningsomkostningerne.
Den praktiske fordel er tydelig: den angriber den "beskidte forretning" med sporing af stier i realtid og reducerer overdreven støj på skærmen og øger opfattelsen af skarphed billede for billede. Dette er med til at gøre ray tracing mere brugbar i rimelige billedtider.
ML Superopløsning (AI Superopløsning)
Dette er udviklingen af reskalering i FSR-økosystemet: en algoritme, der bruger AI til at rekonstruere detaljer fra lavere opløsninger Den udnytter tidsmæssige og rumlige data sammen med bevægelsesvektorer til at syntetisere manglende pixels med større tidsmæssig sammenhæng.
Det relevante her er, at reducerer GPU-belastningen ved intern rendering i en lavere opløsning, samtidig med at den endelige kvalitet opretholdes meget god. I krævende titler giver dette mulighed for få FPS uden at det visuelle offer er alvorligt, især hvis modellen er blevet godt integreret i motoren.
ML-rammegenerering
Redstone inkluderer en dyb læringsmodel til at generere rammer mellem virkelige rammer, med fokus på rumlig og tidsmæssig information for at afbøde en artefakter og fejlMålet er at maksimere flydeevnen med syntetiske stel af højere kvalitet og undervejs at udnytte skærme bedre.
Derudover har denne teknik en anden fordel: genereringen af rammer er CPU-uafhængig, hvilket hjælper med at overvinde flaskehalse i spil, hvor processoren begrænser billedhastigheden. Resultatet er en mere jævn fornemmelse uden at motoren skal gengive hver frame "fuldstændigt".
Kompatibilitet, hardwareacceleration og udgivelsesplan
Det store spørgsmål: hvilke GPU'er vil kunne bruge Redstone? I en første tilgang påpeger AMD, at Redstone er afhængig af Hardware-accelereret AI, og for at udnytte dens funktioner fuldt ud kræves der understøttelse fra specialiserede kerner. En vigtig teknisk detalje spiller ind her: nogle Radeon RX 7000 De kører ikke FP8 native, hvilket allerede efterlod FSR 4 som en officiel funktion til Radeon RX 9000.
Med disse elementer indikerede flere kilder, at Redstone kunne være en RDNA 4 eksklusivt (Radeon RX 9000)Faktisk, hvis du leder efter den "komplette pakke" (AI + acceleration + nye modeller), peger alt på, at den mest komplette oplevelse findes i AMDs nyeste serie.
Nu er der et interessant twist. Chris Hall, Senior Director of Software Development hos AMD, forklarede i et interview, at Redstone bruger ML2CODE (Maskinlæring til kode) inden for ROCm-økosystemet. Nøglen? Dette framework oversætter prætrænede neurale modeller til kode optimeret til shaders, hvilket ville reducere afhængigheden af specialiserede AI-kerner, og fremhæver samspillet mellem software og hardware.
Oversat: ML2CODE ville fungere som en mægler til at konvertere neural gengivelse Redstone i stier, der udnytter standard shaders. Derfor foreslår AMD, at Redstone-funktionaliteten kan køres på Radeon RX 5000 og derover, og endda konverteres til CUDA med en NVIDIA-compiler til at køre på GeForce GPU'er, hvis der arbejdes på det.
Det er ikke alt: AMD bruger HIP (Heterogeneous-compute Interface for Portability) i udviklingen af AI-teknologier. HIP kan generere generationsoptimeret kode til Radeon og også lette dens udførelse på ikke-AMD GPU'er. Kombinationen af HIP + ML2CODE åbner ifølge Hall døren til en bredere kompatibilitet fra Redstone ud over dedikeret AI Radeon-hardware.
Vær forsigtig med nuancerne: bare fordi den kan køre, betyder det ikke, at alle funktioner vil fungere lige godt på enhver GPU. AMD nævner også modellen for DirectX Kooperative Vektorer fra Microsoft, et framework designet til programmerbare shaders, der kan udnytte AI-acceleratorer på GPU'en. Løftet er godt, men Hall advarer om mulige forsinkelser hvis arkitekturen ikke er optimeret, og Microsoft stadig ville være i tidlige stadier af denne indsats.
På nuværende tidspunkt bevæger Redstone sig parallelt med Cooperative Vectors for at undgå at blive ladt bagud. Det er en pragmatisk tilgang: hav dine egne ting klar nu, men vil konvergere senere, efterhånden som Microsofts standard modnes, og branchen er klar til det næste skridt i at forene AI-rendering.
Med hensyn til timing har AMD givet hints på begivenheder som CES og COMPUTEX. Adskillige meddelelser peger på en lancering. Inden udgangen af året eller i "andet semester", mens andre publikationer omtaler sidst i 2025Under alle omstændigheder er den underliggende besked, at "alt går efter planen", og at der vil være en dedikeret begivenhed at præsentere Redstone i detaljer.
For at bane vejen udgav AMD FSR3.1.4 inden for FidelityFX SDK 1.1.4. Denne version reducerer omskalering af ghosting, tilføje en Signeret og opdaterbar DLL hvilket gør det nemt at hoppe til nye revisioner uden at skulle opdatere hele spillet, og inkluderer kameraparametre kræves til frame-generering baseret på deep learning.
Parallelt er der Opdaterede plugins til Unreal Engine 5.6 der letter integrationen af studier, og AMD har lagt på bordet Anti-Lag 2 for at reducere latenstid i GPU-bundne scenarier, hvilket er især nyttigt, hvis AI-framegenerering er aktiveret.
Hvad betyder alt dette for brugeren? Hvis du absolut ønsker den "fulde pakke" af Redstone, når den er bedst, er det mest fornuftige at se på Radeon RX 9000Hvis du allerede har et Radeon RX 7000 eller højere i mellemklassen, kan der være funktioner, der kan bruges, men den mest fornuftige anbefaling fra nogle kilder er vent på den næste generation Hvis du leder efter lang levetid og total kompatibilitet uden kompromis.
På den anden side, hvis HIP + ML2CODE-ruten endelig bliver til noget med god støtte, kan vi se dele af Redstone bruge standard shaders på ældre GPU'er og, med yderligere arbejde, selv på NVIDIA-grafikkort, der bruger CUDA. Dette ville passe med filosofien om "bred kompatibilitet"hvilket vi allerede så i FSR, selvom det er værd at huske, at kvalitetsfremstødet i FSR er kommet, når der har været AI og specialiseret hardware mellem.
Det er ikke nogen lille bedrift: selv med forbedringerne i FSR 3.1 placerer mange sammenligninger dens kvalitet under DLSS 2, og det var med FSR 4, at forskellen virkelig blev lukket takket være brugen af modeller for dybdegående læring og dedikeret support. Det vil sige, at det er fantastisk at implementere Redstone på mere hardware, men kvalitetsstandarden kan afhænge af, om man har solide AI-acceleratorer på GPU'en.
I sidste ende vil den faktiske implementering af Redstone afhænge af to faktorer: at studier integrerer det godt, og at den valgte hardware er i overensstemmelse med databehandlingskrav af hvert modul. Hvis begge passer sammen, kan kombinationen af lært belysning, strålegenerering, AI-superopløsning og genererede billeder være et mærkbart spring i spiloplevelsen.
AMD bevæger sig mod at transformere AI fra en "ekstra" til en essentiel del af realtidsrendering. FSR 3.1.4 som grundlag, engine-plugins, HIP + ML2CODE-stien og orienteringen mod moderne hardware, tegner Redstone et scenarie, hvor billedet er renere, fluiditeten får heltal og raytracing. bliver mere tålelig uden at præstationen falder fra hinanden.
