新闻重点:
· Arm 神经技术是业界首创在Arm GPU 上增添专用神经加速器的技术,首次在移动设备上实现 PC 级别的 AI 图形性能,为未来的端侧 AI 创新奠定基础
· 神经超级采样是Arm 神经技术的首款应用,该 AI 图形优化升级技术能够以每帧四毫秒的速度实现两倍的分辨率提升
· 开发者即刻就能通过业界首个神经图形的开放开发套件进行构建,其中包含虚幻引擎插件、模拟器,以及 GitHub 和 Hugging Face 上的开放模型
Arm 控股有限公司(纳斯达克股票代码:ARM,以下简称 “Arm”)今日在 SIGGRAPH 上,发布Arm 神经技术 (Arm Neural Technology),该技术为业界首创,并将专用神经加速器引入2026 年推出的 Arm GPU。这项技术能将用于图形渲染的 GPU 性能提升至更高水平;为当今始于手游领域更为复杂的移动端内容减少了多达 50% 的 GPU 工作负载。而这仅仅只是开始,这项新技术的面世为行业在未来实现更多的端侧人工智能 (AI) 创新奠定了基础。

与此同时,Arm 还推出了全球首个全面开放的神经图形开发套件,旨在将 AI 渲染集成到现有的工作流程中,使得开发者能够在硬件面世前一年就能着手进行开发。套件中的所有Arm 神经技术都将全面开放,其中包括游戏工作室重新训练模型所需的模型架构、权重和工具。目前,该开发套件已得到 Enduring Games、Epic Games(虚幻引擎)、网易游戏、Sumo Digital、腾讯游戏和Traverse Research 等合作伙伴的支持。
Arm 人工智能和开发者平台技术院士Geraint North 表示:“此次发布标志着桌面级别的神经图形技术已经可以在移动设备上实现,这对于正在向端侧 AI 转型的前沿游戏开发者而言,无疑是一个重要的里程碑。Arm 神经技术不仅适用于游戏领域,还将对神经摄像头工作负载等应用带来切实的影响,为开发者在从画质优化升级到路径追踪等端侧用例中,提供大规模实现图形技术的强大工具。”
以开发者需求为本:针对神经技术的开放开发套件
开发者即刻便能开始使用神经图形开发套件,在硬件面世前着手集成 AI 图形技术。该开发套件专为手游打造,涵盖集成和定制 AI 视觉效果所需的各项资源,其中包括:
· 虚幻引擎(Unreal Engine) 插件
· 基于 PC 的 Vulkan 模拟
· 更新的分析工具
· 通过 GitHub 和 Hugging Face 提供的完全开放的模型
· 面向 Vulkan 的 Arm 机器学习 (ML)扩展
面向 Vulkan 的开放 Arm ML 扩展能让开发者将 AI 直接引入熟悉的渲染管线。传统 Vulkan 支持图形管线 (Graphics Pipeline) 和计算管线 (Compute Pipeline),而 Arm ML 扩展还引入了第三种管线,即专为神经网络推理而打造的图管线 (Graph Pipeline)。为此,开发者能更轻易地将AI 作为图形管线的原生部分整合到移动端渲染。
神经图形的实际应用:神经超级采样
Arm 神经超级采样 (Arm Neural Super Sampling, Arm NSS)是一款 AI 驱动的图形优化升级引擎,充分利用了开发套件内的各项资源。它建立在Arm 精锐超级分辨率技术 (Arm Accuracy Super Resolution, Arm ASR)的基础之上,而这一技术已被《堡垒之夜》、《无限暖暖》等游戏工作室采用。
Arm NSS能够以每帧四毫秒的耗时,将分辨率从 540p 优化升级至 1080p,且画质几乎与原生质量无异。对比于传统的全帧渲染方法,开发者可通过Arm NSS减少多达 50% 的 GPU 工作负载,从而灵活选择如何利用这些节省的资源,既可用于降低游戏的整体功耗,也可用于提升帧率或增强视觉效果。这项技术还能让开发者利用 AI,以保留表面细节、光照和运动清晰度,从而能够根据游戏需求灵活平衡视觉保真度和能耗。
远不止于画面优化升级,更多神经图形应用即将推出
Arm 预计在 2026 年进一步扩展其神经技术应用路线图,推出利用 AI 实现帧率翻番而无需加倍渲染负载的神经帧率提升 (Neural Frame Rate Upscaling),以及采用 AI 在移动设备上实现实时路径追踪,且每个像素只需发射更少光线的神经超级采样与降噪 (Neural Super Sampling and Denoising)。这两项应用都将于硬件面世前推向市场。
通过这些新技术的开发,Arm 正在实现能针对实际性能具备开放、可获取且优化提升的神经图形技术。Arm为开发者提供统一的开放平台,使其能够更轻松地在 Arm 计算平台上跨各类端侧体验部署 AI。
“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)










