英特尔推神经纹理压缩技术：兼容开放，显存占用降85%，支持软硬双加速

英特尔近日在视频中详细介绍了其纹理集神经压缩技术，该技术利用神经网络显著降低现代游戏对显存的占用需求。

该技术的基本原理与部分业界方案思路相近，摒弃了传统纹理与材质数据的静态压缩方式，转而将原始数据映射为可学习的紧凑表示形式，并借助部署于GPU端的轻量级神经网络，在运行时实时还原所需视觉信息。

由此带来的多重效益包括：减小游戏安装包体积、缓解固态硬盘存储压力，以及大幅减少显存资源消耗。

该技术提供两种预设压缩模式：一种侧重画质保真，压缩率约为九倍，视觉质量下降极为有限；另一种追求更高压缩效率，可达十七至十八倍，但会在部分细节呈现上出现轻微可见瑕疵。

有厂商曾公布类似方案在特定测试条件下，将显存占用从六点五吉字节压缩至九百七十兆字节，压缩幅度约百分之八十五，且主观画质损失极小。但由于双方所采用的测试基准、内容样本及评估条件不尽相同，直接比较实际效能意义不大。

在硬件适配层面，某厂商的方案高度依赖其自有显卡平台中的专用张量计算单元，虽已通过图形接口标准拓展了通用调用路径，但整体仍以自身硬件生态为设计核心。

英特尔则为该技术构建了双轨加速机制：一方面可利用锐炫显卡内置的矩阵计算单元实现硬件级加速；另一方面亦提供基于通用浮点融合乘加指令的软件实现方案，确保在缺乏专用AI硬件的设备上依然能够稳定运行。

就市场现状而言，某厂商显卡在游戏领域的装机基数与生态完善度具备明显优势；而英特尔的技术路线则更强调兼容性与开放性，无需绑定特定AI加速硬件即可部署。