《凯恩的遗产》开发者批评DLSS 5：会加速3A游戏灭亡

在英伟达正式推出dlss 5数日后，海外科技媒体wccf仍在持续追踪游戏开发圈及mod社区对该技术的多方评价——而这些声音，正日益呈现出鲜明的分歧与质疑。

3月19日，WCCF对RTGI Modder Pascal Gilcher进行了专访。这位资深渲染工程师、数字艺术家兼MOD开发者，曾就职于英伟达，其最具代表性的成果是为ReShade框架打造了首个、也被广泛视为最出色的RTGI（实时全局光照）着色器。

自2019年5月RTGI首次面世以来，历经多轮优化升级，该着色器已被大量应用于经典PC游戏的画面增强，赋予老作品接近屏幕空间光线追踪的视觉表现。其影响力之广，甚至促使英伟达将其整合进GeForce Experience Freestyle图形滤镜系统中。

谈及DLSS 5，Pascal Gilcher并未全盘否定其技术能力，但明确表达了对其发展路径的保留态度，并坦言对当前AI演进方向感到失落。“它的确强大，但同时也极度不可控——既缺乏工程层面的可预测性，也缺少数学逻辑上的简洁与美感。”

他进一步指出：“我必须承认，这项技术确实令人震撼；但另一方面，我也能理解为何有人称其为‘AI垃圾’。我严重怀疑，以目前这类模型的构建方式，是否真能被真正‘驯服’——比如避免生成明显失真的面部结构。它们被要求输出高度侵入式的内容，却又不能让人一眼察觉其侵入性。”

“我的推测是：这类模型训练依赖某种‘先验知识（prior）’，即需要大量成对数据——一边是原始游戏渲染图，另一边是高度逼真的真实感图像。那么问题来了：如何高效生成如此海量且风格多样的配对样本？答案极可能是生成对抗网络（GAN）。他们手握庞大的游戏截图库，同时从互联网抓取海量现实照片作为对照。这也恰好解释了为何AI修复后的人脸普遍带有那种‘Instagram滤镜式’的统一质感。”

'>

XPack

全球首个开源的MCP交易平台

下载

“整个流程大致如下：首先训练一个大型判别模型，用以分辨图像的真实性；再训练一个更轻量的生成模型，将游戏画面一对一映射为‘照片级’输出；该生成模型的优化目标，就是尽可能欺骗前者——此阶段可动用超大算力与参数规模，毕竟核心诉求只是产出高质量配对数据。最终，再基于这批合成数据，通过常规监督学习或知识蒸馏方式，压缩并训练出一个小型、可部署的推理模型，完成从‘非真实’到‘拟真实’的端到端转换。”

“总体而言，我对当下AI的发展趋势已深感疲惫。我清楚机器学习领域不乏真正突破性的研究，我自己也有多年ML开发实践，但即便拥有扎实的数学功底，很多时候仍像在浓雾中摸索前行。这里没有优雅的解法，只有靠蛮力堆叠算力、从无数角度反复试错。这种无力感令人沮丧——而它，似乎正成为这个时代技术狂奔背后的集体底色。”

次日，即3月20日，WCCF又采访了《凯恩的遗产：血兆》《永恒黑暗》等标志性作品的主创Denis Dyack。他对DLSS 5持明确批判立场，认为该技术或将对3A游戏生态构成实质性威胁——尤其在于它可能迅速瓦解3A与独立游戏之间长期存在的视觉代差。

“英伟达发布DLSS 5是一次战略失误，亟需重新评估与重构。当前版本早已超出单纯画质增强的范畴，正在悄然重塑游戏的美学范式。暂且不谈画面伪影、纹理崩坏等显性缺陷，也不提AI生成美术固有的风格漂移问题。当下的3A工业体系本就步履维艰，高昂制作成本越来越难获得市场回报。而‘极致视觉表现力’，正是3A产品区别于中小型项目的最后一道护城河。一旦DLSS 5全面普及，这条护城河将迅速干涸——高投入、高精度的手工美术所营造的震撼体验，也将随之失去意义。”