显卡圈最近又出了个值得关注的新方案。
这几年,NVIDIA 凭借 DLSS 建立了很高的软件技术壁垒。从 DLSS 3 的帧生成,到 RTX 50 系列独占的多帧生成,想体验更流畅的 AI 插帧,通常就得购买新显卡。
如今,一家名为 Apex Compute 的科技公司推出了 Apex 神经渲染(Apex Neural Rendering,简称 ANR)套件,正面挑战 NVIDIA 的 DLSS。
官方公布的信息显示,ANR 的渲染开销和显存占用低于 DLSS 帧生成,同时在部分测试中的画质表现也更好。更关键的是,它支持 NVIDIA、AMD 和 Intel 的多种显卡,甚至覆盖 GTX 16 系列。

那么,ANR 到底是什么?它的性能和兼容性是否真的足以撼动 DLSS?
一、ANR是什么?
先看推出这项技术的 Apex Compute。
它不是传统意义上的显卡厂商,而是一家专注于 GPU 算力和底层图形架构的科技公司。Apex Compute 同时布局 AI 计算、图形渲染和边缘设备加速,因此推出一套神经渲染方案并不意外。

ANR 是一整套 AI 神经渲染方案,主要包含三个模块:
ANR FG:帧生成
ANR SR:超分辨率
ANR RR:光线重构
其中,ANR FG 对应 NVIDIA DLSS 中的帧生成,ANR SR 对应超分辨率,ANR RR 则对应光线重构。三者的目标与 DLSS 的相关功能相近,都是利用神经网络改善画面质量或提升渲染效率。
目前官方开放 Beta 测试的主要是 ANR FG,超分辨率和光线重构还需要等待后续版本。

如果你想系统了解超分辨率相关的机器学习、计算机视觉和模型部署知识,可以从神经网络渲染背后的 AI 技术栈入手。
二、ANR性能怎么样?
既然 Apex Compute 宣称 ANR 比 DLSS 更快、更省显存,它也公布了相应的测试数据。
测试使用 NVIDIA RTX 5090,分辨率为 3840 × 2160,并将 ANR 与 NVIDIA DLSS 帧生成进行对比。

在 2 倍帧生成模式下,ANR 生成一帧画面的耗时为 1.01 ms,NVIDIA DLSS 为 1.26 ms。
到了 4 倍帧生成模式,ANR 平均每张生成画面的处理耗时为 0.61 ms,DLSS 为 0.82 ms。
按照这组数据计算,ANR 的帧生成处理耗时分别低约 20% 和 26%。
显存占用方面,差距更加明显。
在 4K 环境下,ANR 帧生成模块占用 214 MB 显存,DLSS 帧生成则需要 562 MB,前者少约 62%。

需要说明的是,这里比较的是帧生成模块本身的显存占用,并不代表整个游戏运行时的显存消耗。即便如此,这组数据依然具有一定吸引力。
画质对比
Apex Compute 还公布了画质对比,包括《最后生还者 第二部》的实机画面,以及多项客观图像质量指标,例如 CGVQM-5、ColorVideoVDP 和 PSNR。

从公开表格来看,在 2 倍到 6 倍帧生成模式下,ANR FG 在这些指标中的得分均高于 DLSS FG。其中:
CGVQM-5 的差值从 +2.93 增至 +5.67
ColorVideoVDP 的差值稳定在约 +0.48 至 +0.51
PSNR 的差值约为 +2.62 至 +2.69
在公布的对比画面中,ANR 在水面波纹、人物发丝和烟雾粒子等细节上的表现也较为突出。


换句话说,按照目前公开的测试结果,ANR 试图用更小的模型和更低的算力开销,完成接近甚至优于 NVIDIA 原生方案的帧生成效果。
对于显存本就紧张的中端显卡来说,节省几百兆显存可能直接影响游戏能否稳定运行。

这类更小模型、低显存占用的思路,也与更小模型和模型部署优化的工程实践有关。真正落地时,模型规模、延迟、兼容性和部署方式往往需要同时权衡。
三、兼容性是ANR最大的看点
如果说性能数据让人眼前一亮,那么 ANR 的硬件兼容性,可能才是它最容易吸引用户的地方。
NVIDIA 推出 DLSS 3 帧生成后,将硬件门槛限制在 RTX 40 系列及以上,许多 RTX 30 和 RTX 20 用户无法使用同等功能。后续的新功能也往往与新一代硬件绑定。
而 ANR 的兼容范围明显更宽。根据官方公布的信息:
- NVIDIA GeForce:支持
RTX 50/40/30/20 系列,以及 GTX 16 系列
- AMD Radeon:支持
RX 5000 系列及以上版本
- Intel Arc:支持 A 系列和 B 系列
- Apple Silicon:支持
M1 及以后版本
- 平台方面:支持 Windows 10、Windows 11、Linux、SteamOS 上的 Proton,以及 macOS 26 或更高版本


这意味着,一张多年前的 GTX 1660 Super,或者一台性能受限的 Steam Deck,理论上也有机会使用 AI 插帧功能。
不过,“支持运行”和“能够获得理想体验”是两回事。显卡型号、游戏引擎、驱动、分辨率以及原始帧率,都会影响最终结果。
四、ANR能取代DLSS吗?
目前还不能这么早下结论。
厂商自行发布的测试通常会选择更有利于展示技术优势的场景。不同玩家的硬件环境和游戏类型差异很大,公开数据不等于所有设备都能复现同样的结果。
首先,官方公布的 1.01 ms 帧生成耗时和 214 MB 显存占用,来自 RTX 5090 的测试。它们反映的是特定条件下的单帧生成开销,并不代表游戏实际帧率一定翻倍,也不能直接推导出老显卡上的性能。
其次,当前 ANR Beta 并不是显卡驱动原生集成的功能。玩家需要从 GitHub 下载测试包,再通过 OptiScaler 将 DLL 文件手动注入到单个游戏目录。

这种方式对普通用户并不算友好。单机游戏中进行测试,通常可以接受;但在带有反作弊系统的多人联机游戏中修改游戏目录或注入 DLL,可能触发封禁风险。
此外,虽然测试包托管在 GitHub 上,但项目核心二进制文件目前仍处于闭源状态,公开信息中也没有明确的开源协议。未来是否会转为商业收费,仍然需要观察。
五、写在最后
无论最终能否取代 DLSS,Apex Compute 发布的 ANR 都是图形渲染领域值得关注的一项尝试。
过去几年,显卡厂商往往把软件算法与硬件能力深度绑定,通过“某系列独占”建立产品差异化。ANR 则试图用跨平台和更轻量化的模型设计,让老显卡、AMD 显卡、Intel 显卡以及 Apple Silicon 设备也能使用神经渲染和帧生成功能。

如果 ANR 后续能够顺利落地超分辨率和光线重构,同时解决游戏兼容性、输入延迟和安装门槛等问题,玩家购买显卡时或许就不必完全依赖单一厂商的软件生态。
现阶段,更准确的判断是:ANR 已经展示了有竞争力的测试数据和更宽的硬件支持范围,但它距离成为成熟、普适的 DLSS 替代方案,还有一段路要走。
来源:Apex Compute、NVIDIA、网络。