从云端少渲染一些像素，到本地多生成几帧画面，再到让神经网络参与光影和材质：画质的成本结构正在被AI重新分配。
这个专题把云游戏、AI超分辨率、帧生成和神经渲染放在同一条线上看：它们共同回答一个问题——一帧最终显示的画面里，有多少像素是渲染出来的，有多少是生成出来的，各自花在哪一端的算力上。2026年9月，DLSS 5以“3D引导的神经渲染”随《NBA 2K27》发布，Arm与高通也在把超分、帧生成和神经渲染并入移动GPU管线，这个问题已经从实验室走到了产品路线图上。
本栏目三篇文章分别讨论超分辨率该跑在云端还是设备端、高速运动与UI为什么最容易露馅、神经渲染时代引擎还负责什么；首页三篇重点长文则从云端像素预算、生成帧与输入延迟、时序稳定性三个角度补足全貌。
AI 超分辨率放在云服务器还是玩家设备上，本质是在带宽、延迟、电量、成本和画质之间重新分配算力。放在服务器，能拿到引擎的运动向量与深度、画质统一，但要占服务器 GPU，码流也不会变小；放在客户端，能省渲染成本和码流，却受设备 NPU 与电池限制，还拿不到引擎内部信息。文章的判断是没有统一答案，应按场景选择，并给出覆盖强网络主机、弱网络手机、低电量设备和竞技类游戏的决策表，同时说明移动 GPU 正在把神经超分和帧生成放进图形管线，客户端一侧的取舍会随之改变。
AI 超分辨率在静态截图里几乎总是漂亮的，但一进入高速移动、细线和游戏 UI 就容易露馅：运动物体后面拖出鬼影，远处的电线闪烁断裂，血条和文字边缘发糊或发抖，粒子特效变成一团噪点。根源不是模型不够大，而是它依赖的时域数据（运动向量、深度、历史帧）在这些地方缺失或不可靠。文章按运动、HUD、文字、粒子、时域数据五个方面拆解伪影，并给出引擎侧的配合办法：UI 分层后再合成、为透明和粒子提供运动向量或遮罩、在镜头切换时重置历史，最后附一份可以直接用于测试的画面清单。
神经渲染开始参与光影和材质生成以后，游戏引擎并没有被取代，它只是把工作里最“视觉”的一部分交了出去。游戏规则、世界状态、几何、相机、动画和场景结构仍然由引擎维护，因为这些东西必须确定、可复现、能存档和联机同步；生成模型只负责在这些约束之上改写光照与材质的外观。文章以 DLSS 5 的“3D 引导神经渲染”为例，拆开引擎、世界状态、几何、规则、渲染器和生成模型的分工，说明为什么让模型自由生成会破坏一致性，以及引擎要向模型提供什么、必须保留什么。
请留下您的联系方式，我们会尽快与您联系。
