云游戏最直观的成本，是一块显卡同一时间能服务几个玩家。把每路串流的分辨率从 1080P 提到 4K，像素量变成四倍，而显卡并没有变成四倍。很多团队第一次算这笔账时，会发现网络带宽并不是最先撑不住的那一项，服务器渲染才是。
这就是 AI 超分辨率（AI Super Resolution）进入云游戏的原因：服务器不必渲染完整的输出分辨率，只渲染较低的内部分辨率（Internal Resolution），再让神经网络把画面重建到目标分辨率。金沙娱乐云游戏与 AI 画质方向关心的，是这条路怎样算得过账，而不是它听起来是否先进。
先把链路画清楚
一路云游戏画面要经过的步骤是：服务器内部 1080P 或更低分辨率渲染，AI 重建，视频编码，网络传输，客户端解码，终端显示。每一步都占时间，也都可能影响画质。
移动端给了一个容易理解的参照。Arm 的 Neural Super Sampling 面向的是从 540p 上采样到 1080p 这样的场景，两个方向的像素比同样是四比一。换句话说，一台设备只需渲染四分之一的像素，其余由神经网络补出来。云端的思路相同，只是被节省的资源从手机电池变成了机房里的 GPU 时间。
重建这一步不是免费的。假设一个内部 1080P 的画面需要额外占用一小段 GPU 时间来重建到 4K，只要这段时间小于“直接渲染 4K 所多出来的时间”，服务器成本就下降；反过来，如果场景本身很轻，比如像素风或者简单的卡牌画面，直接渲染反而更划算。所以第一个判断标准很朴素：不要默认所有游戏都适合超分，先量出渲染节省与重建开销之差。
GPU 成本：省的是像素，付的是重建
把 GPU 成本拆成三块看会清楚一些：渲染成本、重建成本、编码成本。超分只影响前两块，并且方向相反。渲染随内部分辨率下降，重建则随目标分辨率上升。
另一个常被忽略的变量是并发密度。服务器的收益不是单路串流变快了多少，而是同一块卡能塞进多少路。假设一款重度 3D 游戏在完整 4K 下一块卡只能稳定服务一路，改为低分辨率渲染加重建后可以服务两路，成本曲线就明显不同；但如果重建占满了同一块卡的张量单元，其它路的渲染反而被抢占，这个收益会缩水。这类假设只是推演，真正上线前必须在自己的场景里测。
还有一个反直觉的点：超分不一定省电，也不一定省钱，它省的是“最贵的那一段”。对以光线追踪或复杂后处理为主要开销的游戏，降低内部分辨率带来的节省很大；对以 CPU 逻辑或显存带宽为瓶颈的游戏，节省就有限。
画质：省下的像素要靠信息补回来
超分的画质取决于神经网络拿到了多少可靠信息。只看单帧图像的方法，容易把细线和小字糊成一团；使用运动向量、深度和前几帧历史的方法，则能借助时间上的累积恢复细节。移动端的 Arm 方案里，还出现了超采样与光线重建（去噪）结合的做法，说明画质问题已经从单纯放大，变成“低采样率下如何得到干净的光照”。
这也解释了为什么高速移动、细线和游戏界面最容易出问题，那部分内容我们放在超分辨率伪影那篇里细讲。这里只需要记住一点：内部分辨率越低，网络需要“猜”的部分越多，露馅的概率就越高。选择内部分辨率是画质预算，不是纯成本旋钮。
带宽与终端：重建应该放在哪一头
重建放在编码之前，还是放在终端，是云游戏里最有分量的架构选择，我们在超分运行位置那篇里单独比较过，这里只讲它对带宽和终端的连带影响。
| 方案 | 网络里传的是 | 主要压力 | 画质可控性 |
|---|---|---|---|
| 云端重建后编码 | 高分辨率码流 | 带宽 | 服务器统一控制 |
| 低分辨率编码，终端重建 | 低分辨率码流 | 客户端算力与功耗 | 依赖设备，参差不齐 |
| 分档混合 | 按设备选择 | 调度复杂度 | 可按档位保证 |
如果网络本身不稳定，传低分辨率再由终端重建，看上去更省流量，但客户端设备（Client Device）若算力不够，重建耗时就会挤占显示时间。相反，云端重建后传高分辨率，对弱设备最友好，却把带宽压力抬高。没有一个方案在所有设备上都占优，所以更合理的做法是按设备分档。
延迟：重建每多一毫秒都要计入总账
云游戏的延迟链本来就长：输入上传、服务器模拟、渲染、重建、编码、传输、解码、显示。超分给渲染省下的时间，有可能被重建、更大的码流或客户端解码抵消。
比较稳妥的做法是给每一段设一个预算，并在整链上测“按下按键到画面变化”的总时间，而不是只看服务器帧时间。一次内部渲染变快了，若重建让帧交付延后，玩家在射击或者节奏类游戏里仍然会感到手感变钝。对反应要求较低的模拟经营或回合制游戏，可以更放心地用更激进的内部分辨率。
上线前的判断清单
金沙娱乐AI 的画质研究更倾向于把这件事做成“按游戏类型和设备分档”的判断，而不是全局开关。设想中的检查项如下：
- 渲染节省是否大于重建开销，按游戏而不是按平均值量。
- 内部分辨率是否有下限，低于它时画面伪影是否超出可接受范围。
- 码流带宽在最差网络下是否仍能维持目标画质。
- 弱设备上终端重建是否会拉长显示时间。
- 端到端延迟是否按整条链路而非单段测量。
设备档位怎样自动切换，可以参考按设备性能调整画质模式那篇的思路；具体的档位与模式，以后续官方公告和官网说明为准。判断标准的核心是：内部分辨率、重建位置、带宽和延迟，要放在同一张预算表里一起调，而不是分头优化。
