AMD BC-250 矿卡魔改跑 FSR 4#

各位朋友好，我是紫星，这篇我拉上了无边一起聊。起因是开源社区最近干了一件很"离谱"又很漂亮的事：把一批本来是挖矿用的 AMD BC-250 显卡，硬是魔改跑通了 AMD 自家的招牌 AI 超分技术 FSR 4。图形处理耗时在 1440p 分辨率下从 11.51 毫秒压到了 5.92 毫秒，降幅超过了 50%。这批卡原本因为搭载的是 PS5 的"残次芯片"而被矿场当成白菜价甩卖，现在却被批量改造成了 Linux 游戏主机。

我负责硬件和性能指标那一摊，无边负责 AI 超分和开源生态那一摊。咱们把这件事拆开揉碎了讲。

一、BC-250 到底是什么来头#

1.1 一块"官改失败"的矿卡#

AMD BC-250 是一张很有意思的卡。它本来是 AMD 为加密货币挖矿市场推出的专用矿卡，核心代号「Navi 10」的衍生版本，本质上用的是和 PS5 同源的 RDNA 2 架构芯片。问题在于，这款芯片在出厂测试时没能达到 PS5 的良品标准——要么是部分计算单元被屏蔽，要么是频率体质不达标，要么是某些单元存在瑕疵，总之是被 Sony 挑剩下的残次芯片。

AMD 没有浪费这些芯片，把它们装进了 BC-250 这块矿卡上，主打一个"废物利用"。矿卡本身的定位就极其单一：没有视频输出接口（或者说接口残缺）、没有针对游戏的驱动优化、BIOS 被锁死、功耗和散热按挖矿长时间的 7×24 场景设计。价格一度被杀到极低，矿潮退去之后更是一堆一堆地躺在二手市场里吃灰。

为什么它能跑 FSR 4 这么高级的功能？这就得从 FSR 4 的实现原理说起，这一块是无边的领域。

二、FSR 4 超分到底是怎么实现的（无边视角）#

2.1 从"手工算法"到"深度神经网络"#

无边的开场白是这么说的：FSR 之所以会进到 4.0 这个版本号，是因为它发生了代际的质变，而不是量变。

FSR 1.0 是纯空间放大的算法，靠边缘检测和锐化把低分辨率图像硬撑上去，快，但细节经不起细看。FSR 2.0 换成了时域累积（temporal upscaling），利用历史帧的运动向量把信息"攒"起来，质量明显上了一个台阶，但依然是手写算法、靠调参。

FSR 4.0 彻底换赛道了，它改成了基于深度神经网络的超分。核心是一个卷积神经网络或者类似 Transformer 的超分辨率模型，输入低分辨率当前帧、历史帧、运动向量和深度信息，输出高分辨率的图像。这个模型需要在大量高画质游戏截图和原生高分辨率帧上训练，才能在重建细节、处理边缘、抑制鬼影方面达到接近原生渲染的效果。

在算法层面，FSR 4 的工作流程大致可以拆成这样几块：

无边特别强调：FSR 4 本质上是 AMD 用 AI 的方式去"猜"那些被丢弃的像素。分辨率从 1440p 渲染到 4K，等于每 9 个像素里有 4 个是 AI 猜出来的。猜得准不准，直接决定画质，也直接决定这张卡还有没有游戏价值。

2.2 为什么神经网络超分能吃 GPU 性能#

这也是 FSR 4 迟迟没有全面推开的根本原因：神经网络推理需要大量矩阵乘法和卷积运算，而这些运算恰好是 GPU 里「计算单元」最在行但也最吃资源的地方。

在 PS5 和 BC-250 这类 RDNA 2 架构上，AI 推理并没有专用的张量核心（Tensor Core）来加速。NVIDIA 的 DLSS 之所以强，是因为 RTX 20 系之后每张卡都有专门的 Tensor Core 负责矩阵运算，超分模型跑起来几乎是"顺路"的。而 AMD 这边，RX 7000 之前的 RDNA 2 并没有规划出独立的 AI 加速硬件，FSR 4 只能靠通用的着色器单元（Shader）用通用矩阵乘法把模型"硬啃"下来。

这就是为什么 FSR 4 在 AMD 自己的规划里，一开始只准备给拥有 AI 加速单元的 RX 7000（RDNA 3）和 RX 9000（RDNA 4）用。BC-250 这种 RDNA 2 的矿卡，理论上根本不在支持名单里。

三、PS5 残次芯片为什么能跑 FSR 4（紫星视角）#

无边讲完原理，紫星我得抛出更硬核的问题：既然 RDNA 2 没有 AI 加速单元，FSR 4 理论上是给 RDNA 3/4 用的，那 BC-250 到底是怎么跑起来的？

3.1 残次不等于阉割到不能用#

首先要厘清"残次芯片"这个概念。BC-250 用的 Navi 10 核心，被屏的通常是一部分计算单元（CU），或者频率体质偏弱，或者某个显示引擎/编码器有瑕疵。但核心的指令集、通用着色器、光栅化管线、以及底层通用的矩阵运算能力，大多是完整的。

换句话说，被屏蔽掉的那部分，可能恰恰不是跑 AI 推理最需要的通用算力。只要模型能跑通用着色器上的矩阵乘法，残次芯片照样能推理，只是速度慢一点而已。

这里的关键在于：FSR 4 模型的推理依赖的是通用矩阵乘法（GEMM）和卷积运算，这些在 RDNA 2 的着色器上是用通用指令完成的，不需要专门的 AI 单元。所以丢掉的如果是游戏渲染单元或者频率上限，对 FSR 4 的推理影响有限。

3.2 开源驱动的"硬适配"#

社区能跑通 FSR 4，靠的是一整套开源工具链的打通。BC-250 本来官方驱动几乎等于放弃，游戏场景更是没人管。但 Linux 生态里的开源驱动（Mesa + RADV）对 RDNA 2 架构的支持非常完善，社区把 FSR 4 的推理管线通过通用的计算着色器（类似 Vulkan 计算管线）跑了起来。

换句话说，社区做的事情本质上是：绕过官方驱动，用开源驱动把 RDNA 2 的通用算力释放出来，然后给 FSR 4 模型写了一条能被通用着色器执行的"翻译管线"。这条管线把原本需要 AI 加速单元才能高效运行的运算，摊到了大量通用着色器上并行处理。

3.3 为什么能作为"游戏主机"批量复活#

紫星认为它之所以被批量改造成 Linux 游戏主机，有几个硬件层面的天然优势：

配合 FSR 4 把高分辨率压力降下来，这批卡就能在一个很低的分辨率下渲染、再由 AI 超分扛到目标分辨率，从而实现"低端硬件跑中高端画质"的魔幻效果。

四、性能优化：11.51ms → 5.92ms（紫星视角）#

4.1 数据怎么来的#

无边和我对这条数据的口径对了一下。这里的 11.51ms 和 5.92ms，指的是 FSR 4 超分整个图形处理管线在 1440p 目标分辨率下的单帧耗时。对象输出是 1440p，输入更低（可能是 1080p 甚至更低）。

降幅超过 50%，单看数字可能没感觉，但换算成帧率就很直观了：处理一帧花 11.51ms，意味着超分本身在 1440p 下就要吃掉大约 87 帧的量；压到 5.92ms 之后，超分对帧率的占用几乎减半，游戏本体就能把更多性能花在真实渲染上。

4.2 优化手段拆解#

社区能把耗时压掉一半以上，不是靠某种魔法，而是靠几个方向的持续迭代。紫星把这些手段归纳成四类：

其中精度选择是最立竿见影的一条。神经网络超分对数值精度其实有一定容忍度，FP16 甚至更低的精度在很多层上不会带来肉眼可见的画质损失，却能成倍降低通用着色器上的计算压力和显存带宽需求。对残次芯片这种"算力和带宽都紧巴巴"的硬件来说，这几乎是最划算的一刀。

4.3 为什么是非线性的大幅下降#

11.51 压到 5.92，不是简单的"提速 2 倍换 2 倍快"，而是因为这几项优化之间存在叠加效应。算子融合减少了内核调度开销，精度选择砍掉了大量浮点运算，工作组调优又让残余运算铺得更满。三者叠加，收益不是加法而是乘法，所以才会出现超过 50% 的幅度。

五、为什么 1440p 是实用上限（紫星 + 无边）#

5.1 算力与带宽的硬约束#

无边第一个跳出来说：1440p 是实用上限，这句话本质上是算力和带宽共同卡出来的。FSR 4 的目标分辨率越高，需要 AI"猜"出来的像素就越多，神经网络的推理成本就几乎成正比上升。从 1440p 到 4K，重建的像素量大概要翻一倍多（1440p 约 370 万像素，4K 约 830 万像素），推理耗时也就跟着水涨船高。

紫星补充硬件层面的第二个锁：BC-250 这种 RDNA 2 残次芯片，显存带宽是先天短板。高分辨率超分需要频繁读写高分辨率中间帧、历史帧和特征图，显存带宽一旦不够，就会变成严重的瓶颈。残次芯片如果带宽体质再被阉割，4K 下的数据搬运就会直接把性能压垮。

5.2 残次芯片的体质天花板#

BC-250 的芯片本来就是被挑剩下的，频率体质、计算单元数量、显存控制器稳定性都打了折扣。即使魔改解锁了更多单元，也很难具备原生旗舰卡那种"抗造"的余量。4K 下的长期高负载运行，对体质偏弱的残次芯片来说，无论是发热还是稳定性都不友好。

5.3 经验结论#

所以把 1440p 定为实用上限，是一个非常务实的判断：在 1080p 下，BC-250 完全可以靠 FSR 4 玩得很舒服；在 1440p 下，经过社区优化后能跑出可接受的画质和帧率；但一到 4K，算力和带宽的双重天花板就会让体验直线下滑。 这批被改造成 Linux 游戏主机的矿卡，1440p 是一个"做得到且值得做"的甜蜜点。

六、AI/ML 超分技术的社区渗透与开源生态（无边视角）#

6.1 从"厂商专属"到"社区可改"#

无边说这一块是他最兴奋的部分。过去，DLSS、FSR、XeSS 这种 AI 超分技术，本质上是几家大厂关起门来做的"黑盒"，支持哪些显卡、怎么优化，全由厂商说了算。FSR 前两代靠着开源在游戏层面铺得广，但 FSR 4 这次被社区直接"逆移植"到官方根本没规划的 RDNA 2 矿卡上，意义完全不同。

它证明了：当一项 AI 技术以模型+开源驱动的形式存在时，它的可能性边界就不再是由厂商划定的，而是由社区的能力划定的。

6.2 为什么开源生态在这件事上特别有活力#

无边把原因归结为几个层面的叠加：

6.3 这件事的行业意义#

无边认为，BC-250 跑 FSR 4 这件事，表面上看是"一群硬核玩家玩废卡"，实质上牵出了 AI 超分技术的两个趋势：

其一，AI 超分正在从"旗舰独占"走向"通用算力普惠"。当超分模型不再依赖专用 AI 单元、而是能用通用着色器跑起来的时候，理论上任何一块算力够用的老卡、低端卡、甚至矿卡，都有机会获得"AI 画质"能力。这大大拉低了 AI 超分的硬件门槛。

其二，开源生态的渗透力被证明是极强的。只要模型可拿到、驱动可改写、工具链可打通，社区就能把一项"官方限定"的技术，移植到官方想都不敢想的硬件上。这种生态活力，某种程度上已经超过了厂商自己规划的路线图。

6.4 局限与风险#

但无边也没那么乐观，他同步泼了几盆冷水：

• FSR 4 在通用着色器上跑，功耗和发热要比专用 AI 单元高不少，矿卡的散热冗余此时反而成了优势。
• 残次芯片毕竟体质打折，长期高负载下的稳定性、寿命都存疑，更多是"玩票"而非"主力机"。
• 这种魔改高度依赖社区维护，一旦某个关键开源组件停止维护，整条改造链就可能断掉。
• AI 超分在低端硬件上的画质，和旗舰卡原生高分辨率渲染相比仍有差距，是一种"以性能换画质"的折中。

七、总结：一次关于"硬件价值重塑"的实验#

紫星最后收个尾。BC-250 跑 FSR 4 这件事，核心信息其实很朴素：一块因为被判定"残次"而沦落到矿场的芯片，并没有真的失去价值。 它只是缺少一个释放它的正确姿势。当开源社区把 FSR 4 这种 AI 超分技术移植上去之后，残次芯片的通用算力被重新激活，配合 1440p 这个务实的甜蜜点，这批近乎废弃的矿卡居然拥有了做一台 Linux 游戏主机的资格。

无边补充说，这背后真正的看点，是 AI 超分技术的开源渗透力。FSR 4 不只是一个画质功能，它已经成了一种可以被社区自由改写、逆向移植、甚至"降级适配"的通用能力。当一项 AI 技术在开源生态里扎根，它的生命力就不再由厂商定义的规格表说了算。

这台用 PS5 残次芯片搭起来的 Linux 游戏主机，或许永远跑不了 4K 旗舰画质，但它在 1440p 下的表现，已经足够证明一件事：在开源与 AI 的合力下，硬件的价值，永远比它的出厂定价更有想象力。

——紫星（硬件技术） & 无边（AI 视角），NTGame 编辑