AI全自主开发！DLSS 5首次在Intel核显实现实时运行

2026年9月20日，一名开发者以Uzbekunknown为名，推出名为dlss-nr-on-intel的开源项目，首次在Intel锐炫140V核显上实现了NVIDIA DLSS 5神经网络渲染技术的实际运行。尽管输出帧率极低，但系统确已稳定生成可显示的画面。

该项目最具突破性的特征在于其开发范式：全部核心代码由人工智能模型完成，具体包括Anthropic公司推出的Claude系列与OpenAI最新发布的GPT-6 Astra模型。开发者本人仅提供硬件平台、原始二进制文件及整体技术路径的判断，其余建模、适配、调试等环节均由AI智能体自主执行。

开发过程中出现一段颇具启发性的插曲——AI在分析驱动层行为时生成了一个并不存在的错误假设，即所谓“驱动级兼容缺陷”。该虚构问题被当作真实障碍，连续影响了三个关键开发阶段的决策方向。开发者决定如实保留这段探索轨迹，并将其写入项目文档，作为AI辅助开发中认知偏差的典型实录。

与过往多数DLSS移植尝试不同，本项目并非对原厂DLSS 5动态链接库进行简单封装或接口桥接，而是从零构建了完整的71层U-Net神经网络模型，完全复现DLSS 5降噪与超分的核心架构。模型通过Vulkan标准中的VK_KHR_cooperative_matrix扩展，在Intel Xe架构的XMX矩阵计算单元上完成推理运算。

受限于Xe2微架构不支持FP8数据格式，模型全程采用FP16权重精度运行，累加过程使用FP32以保障数值稳定性。项目选取三款格斗类游戏进行技术验证：死或生5最后一战铁拳7与真人快打1。

性能实测显示，在十年前发布的铁拳7中，当分辨率降至640×360（仅为标准1080p面积的约十一分之一）时，平均帧率约为10.5帧/秒。DLSS 5的推理耗时高度依赖输出分辨率，在当前硬件条件下，1080p单次推理耗时达412毫秒，理论最高帧率被压缩至约2.4帧/秒。若要在该平台上实现接近实时的交互体验，唯一可行路径是将分辨率压至远低于常规水平。

画质表现方面，DLSS 5 NR模型原本针对写实风格图像训练，因此在真人快打1与铁拳7中展现出良好的细节增强与噪声抑制能力；但在风格化更强、线条更硬朗的死或生5最后一战中，模型倾向于过度强化纹理与光影，导致角色面部呈现非预期的老化倾向，整体观感反而弱于原生渲染。