Технологии масштабирования в стиле Nvidia DLSS приходят на смартфоны: мобильный гейминг выходит на новый уровень

Искусственный интеллект продолжает проникать во все сферы технологий. Когда графический гигант Nvidia объединяет ИИ-решения со своим игровым наследием, это неизбежно вызывает бурные дискуссии. Ярким примером служит технология DLSS, которая не только масштабирует разрешение и генерирует кадры с помощью нейросетей, но и способна создавать фотореалистичные пиксели для замены оригинальных текстур и освещения. Как показывает практика, мобильная индустрия быстро перенимает тренды ПК и консолей. В скором времени мобильные игры начнут активно использовать ИИ для повышения производительности и улучшения качества изображения. Эксперты относятся к этой тенденции с умеренным скепсисом, но признают её высокий потенциал.

Новые ИИ-функции от Arm для мобильных графических процессоров

Британский разработчик чипов Arm представил технологическую демонстрацию под названием Neural Dawn. Проект, созданный совместно со студией Sumo Digital на базе технологий Arm Neural Technology, стал первой мобильной игрой с поддержкой системы MegaLights от Unreal Engine. Данная система объединяет динамическое освещение в реальном времени с тенями на основе трассировки лучей, обеспечивая графику консольного уровня. Визуальные эффекты и освещение в демонстрационном ролике выглядят крайне убедительно.

При более детальном изучении Arm Neural Technology становятся видны решения, аналогичные DLSS, но оптимизированные для мобильных платформ. Архитектура включает в себя несколько ключевых компонентов:

• Neural Super Sampling (NSS) — технология суперразрешения, которая масштабирует картинку с 540p до 1080p всего за 4 миллисекунды на кадр, высвобождая ресурсы графического процессора для более сложных эффектов и освещения.
• Neural Super Sampling and Denoising (NSSD) — интеллектуальное шумоподавление, устраняющее артефакты, возникающие при трассировке лучей.
• Neural Frame Rate Upscaling (NFRU) — генератор промежуточных кадров, способный превратить базовые 30 кадров в секунду в плавные 60 кадров в секунду.

Единственным нюансом является то, что Arm позиционирует эти функции как эксклюзив для графических процессоров Mali следующего поколения, которые выйдут в конце этого года. Это означает, что для оценки преимуществ пользователям придется обновиться до новых флагманских смартфонов.

Конкуренция на рынке мобильной графики

Компания Arm — не единственный игрок, внедряющий ИИ для повышения производительности. Готовящаяся к выходу технология AI Frame Fusion (AIFF) от Qualcomm представляет собой улучшенную версию Snapdragon Game Super Resolution и поддерживает как генерацию кадров, так и масштабирование разрешения. Особенность решения Qualcomm заключается в том, что вычисления могут выполняться как на графическом процессоре, так и на нейропроцессоре (NPU), что потенциально увеличивает общую эффективность системы.

Apple в своей технологии MetalFX Upscaling использует облегченный пространственный апскейлер на базе нейросетей и временной метод без применения ИИ. Это позволяет современным iPhone и iPad запускать такие требовательные проекты, как Resident Evil и No Man’s Sky. Компания MediaTek предлагает платформу HyperEngine с поддержкой адаптивного затенения (Variable Rate Shading) и трассировки лучей на базе ИИ. Даже разработчики популярного эмулятора GameNative интегрировали в свои последние сборки технологию Lossless Scaling Frame Generation (LSFG), которая работает через Vulkan API на обычном графическом процессоре без необходимости в специализированных нейрочипах.

Реальная польза ИИ-апскейлинга для мобильных устройств

Для смартфонов технологии масштабирования могут оказаться даже более полезными, чем для персональных компьютеров. Снижение базового разрешения рендеринга уменьшает нагрузку на графический чип, что приводит к снижению тепловыделения и предотвращает троттлинг (падение частоты процессора из-за перегрева). Стабильная производительность под нагрузкой — главная проблема мобильного гейминга, и ИИ-решения способны её устранить. Кроме того, генерация кадров позволяет получить плавную картинку с частотой 120 кадров в секунду на современных экранах без избыточного расхода батареи.

Однако генерация кадров не является универсальным средством от плохой оптимизации. Как показывает опыт ПК-гейминга, эта технология лучше всего работает для сглаживания и без того высокой частоты кадров. Попытка поднять плавность с базовых 30 до 60 кадров в секунду сопряжена с рисками: из-за задержки ввода игровой процесс может казаться менее отзывчивым, несмотря на красивые цифры на счетчике кадров. Тем не менее, масштабирование разрешения отлично подходит для мобильных устройств из-за небольшого размера дисплеев. На экране с диагональю около 15 сантиметров разрешение 720p выглядит очень четким, а его масштабирование до 1080p или нативного 1440p позволяет получить качественное изображение с минимальными затратами ресурсов.

Трудности массового внедрения

Основным препятствием для распространения этих технологий является не аппаратная часть, а сложность их внедрения в реальные игры. На начальном этапе поддержка новых ИИ-функций будет доступна только на самых дорогих флагманских чипах. Разработчики игр могут неохотно инвестировать ресурсы в оптимизацию под узкий сегмент устройств, предпочитая ориентироваться на массовый рынок.

Кроме того, инструменты Arm и Qualcomm глубоко интегрированы в движок Unreal Engine. Несмотря на его популярность, многие мобильные проекты создаются на других платформах. Разработчикам придется тратить время на интеграцию проприетарных API от каждого конкретного производителя чипов, что усложняет процесс разработки. Тем не менее, преимущества в виде снижения нагрева смартфона, экономии заряда батареи и плавного игрового процесса делают внедрение подобных технологий крайне перспективным шагом для всей мобильной индустрии. В обзорах отмечается, что большинство геймеров с радостью согласятся на использование сгенерированных кадров и масштабированного разрешения, если это обеспечит плавную работу требовательных игр без перегрева устройства.