DLSS 5 神经渲染性能暴跌实测：RTX 5080 的投入产出账#

各位朋友好。我是紫星。之前本站的《DLSS 5 前瞻分析》里，我把 DLSS 5 神经渲染的硬件门槛划了个大概的线，当时我说「等正式版实测数据出来了再用数字说话」。现在数据来了——而且第一组公开实测，就把前瞻里最保守的担心全部坐实，甚至更糟。

PC Gamer 本周放出了 DLSS 5 在首款实装游戏《NBA 2K27》上的实测。一张 RTX 5080，原生 1440p 能跑到 230 帧，开启 DLSS 5 之后直接跌到 93 帧，降幅约 73%。这不是「提升画质顺手掉一点帧」，这是把一张本来能流畅跑竞技体育游戏的卡，一记闷棍敲回了 40 帧出头的及格线。

这篇我们不聊情怀，只把数字、原理和这笔投入产出账掰开算清楚。

一、实测数据：DLSS 5 的代价到底多大#

1.1 原生与开启 DLSS 5 的帧数对比#

先把 PC Gamer 的原始数据整理成表。需要强调的是所有数值均为同一平台、同一场景、仅切换 DLSS 5 开关的结果。

其中 1440p 这个案例是最刺眼的：230 帧到 93 帧，等于说这张卡的性能预算里有六成以上被 AI 重绘吃掉了。而 4K 下的测算更值得玩味——英伟达官方此前对 DLSS 5 性能代价的预估是「50% 到 60%」，实测约 58% 落在区间的偏劣一侧，也就是比官方给出的最差情况还要更接近顶格。

1.2 为什么说这是「性能暴跌」而非「正常开销」#

有些朋友可能会想：跑 AI 总得花算力，这算不算正常？我的判断是，这一次的性质完全不同。

过去 DLSS 的意义是「用更少的算力得到更高分辨率」，本质是省力。而 DLSS 5 走的是反方向：它要把原本由光栅管线完成的光影、材质、场景重建全部交给神经网络重新推理一遍。省力的工具忽然变成了吃力的工具，这就是「暴跌」二字的由来。

二、原理拆解：3D 引导神经渲染为何如此吃算力#

2.1 从「补像素」到「重画整帧」#

DLSS 1 到 4 的全部工作，都可以归结为「在已有画面的基础上做减法或加法」：超分是补分辨率，帧生成是补中间帧，光线重建是清理噪点。它们处理的都是「画面缺失的那部分」。

DLSS 5 改变了这个基本假设。它不再把渲染管线当作最终像素的来源，而是把 GPU 已经算出来的几何、材质、光照数据当作「引导信号」，交给神经网络去重绘出最终的每一帧。这就是英伟达所说的「3D 引导神经渲染」——AI 不再从二维画面里猜，而是拿着引擎提供的三维数据去画。

2.2 算力需求暴涨的三个来源#

这就是为什么 1440p 会从 230 帧掉到 93 帧：神经渲染的每一帧都是完整的新推理任务，它不像传统管线那样可以「哪帧够了就不算」，而是必须为每一帧付出同等的高昂代价。算力需求随分辨率近乎同步上涨，4K 下更是直接把 5080 级显卡的余量吃干抹净。

2.3 为什么 4K 比 1440p 更接近官方最差预估#

一个容易忽略的细节是：1440p 降了 73%，4K 却只降了约 58%。乍看 4K 反而「更省」，其实是因为在 4K 下原生帧数本身已经很低，AI 重绘的绝对代价被相对值稀释了。如果把两个分辨率放到同一张卡的算力预算里看，4K 的绝对吞噬量远比 1440p 更恐怖——它是把一张卡逼到 40 帧及格线的元凶。

三、英伟达的立场：用代价换未来的神经渲染革命#

3.1 「先付账，后收成」的技术赌注#

面对这批难看的数据，英伟达的回应并不意外：他们把这笔账称作「用代价换未来」。这个表态需要拆成两层看。

作为写硬件的，我对「方向正确」本身没有异议。图形渲染从光栅到光追再到神经生成，确实是大势所趋。问题在于，英伟达用一款对帧数极其敏感的体育游戏《NBA 2K27》当首发样片，又把代价推到 58% 到 73%，这个「未来」的入场券，目前只有买 5080 及以上的玩家才付得起。

3.2 官方预估 50%-60% 与实测的落差#

这里有个值得单独拎出来的数据点：英伟达官方预估性能代价是「50% 到 60%」，而实测逼近 58%。单看数字似乎落在区间内，但「区间顶格」和「区间中位」是两回事。结合 1440p 的 73% 来看，官方给出的预估区间在实际场景里恐怕偏乐观，尤其是在高刷新率竞技场景下，代价会被进一步放大。

四、技术路线之争：英伟达与 AMD 的分岔口#

4.1 英伟达：从画面里学，还是从引擎里取？#

DLSS 5 的技术特征是「用模型从引擎给出的三维数据里重绘画面」。这套路线的优势是上限高、画面可控，代价就是刚才算的那笔巨大算力账。

4.2 AMD：读取引擎底层三维数据对标#

有趣的是，AMD 的回应恰恰踩在英伟达重绘方案最薄弱的地方。AMD 的路线更倾向于「读取引擎底层的三维数据」去做针对性处理，而不是让 AI 把整帧重新画一遍。这背后是两种截然不同的效率哲学：

我的看法是，这场路线之争现在还没有胜负，但 DLSS 5 的首发实测已经给了 AMD 一个明确的攻击点：如果神经渲染的代价高到让 5080 都吃力，那么「读取底层数据、用更省的算力达到接近效果」的路线，反而有了更充分的生存空间。

4.3 FSR 与神经渲染的未来格局#

FSR 系列此前一直以「不挑硬件」著称，但在神经渲染这场新竞赛里，「不挑硬件」的代价是功能上限不足。未来很可能出现这样的局面：英伟达用 DLSS 5 抢占画质天花板，AMD 用读取底层数据的方案抢占性价比基本盘。两边的生态会进一步分化，玩家则在「要画质」还是「要帧数」之间做出自己的选择。

五、副作用：AI 重绘的画面能吃吗？#

5.1 《底特律：变人》仿生人五官被 AI 扭曲#

如果说性能代价还只是「掏钱」的问题，那么画质副作用就是「货不对板」的问题了。在 DLSS 5 相关的早期测试里，《底特律：变人》出现了一个非常典型的翻车案例：仿生人角色的五官被 AI 重绘后发生了肉眼可见的扭曲。

《底特律：变人》这个案例之所以有代表性，是因为它恰恰是「AI 重绘最容易翻车」的画面类型：大量高细节、需要极高精准度的仿生人面部。当一个以「机器与人的界限」为核心卖点的游戏，连角色的脸都让 AI 画走形了，这就不是「画质抗锯齿瑕疵」的问题，而是神经渲染在对精度极其敏感的内容上，仍然存在不可忽视的风险。

5.2 对运动与材质表现的影响#

竞技体育游戏里，球员的快速跑动、球衣的褶皱、皮肤的受光，都是神经渲染要重新学习的对象。如果这些细节在高速运动下出现不稳定，那么即使帧数勉强够用，画质层面的妥协也会让《NBA 2K27》这种以拟真为卖点的游戏出现明显的观感缺失。这是 DLSS 5 在体育品类里短期难逃的坑。

六、现实建议：要不要为 DLSS 5 买单？#

6.1 是否开启 DLSS 5 的决定表#

6.2 装机建议：这笔投入产出账怎么算#

我的结论很直接：DLSS 5 目前是「技术上的未来，现实上的坑」。它验证了神经渲染的方向，但也把代价毫无保留地摊在了玩家面前。现阶段任何把 DLSS 5 当作「提升帧数的工具」来期待的人，都会大失所望；只有把它当作「画质与性能的全新博弈」来理解，才算看清了它的本质。

七、更新日志#

——紫星，NTGame 主编