同一块显存上的两场战争：Nemotron 3.5 Bolt 与 DLSS 5 十月模型#
主笔：紫星 ｜ 发布：2026 年 11 月 1 日 ｜ 事实检索时间：2026 年 10 月 31 日（北京时间）
过去一年，装机预算里最先失控的不是核心规模，而是显存。我们在显存涨价专题里记录过这条曲线：型号越大、显存越足的卡，涨幅越难看。零售价是结果，很少有人往下追问一层——那些被人工智能服务器抢走的产能，如果留在本地显卡里，究竟被用来做了什么。
答案不在数据中心，而在你机箱里那块芯片的同一批张量核心上。一场战争是让非玩家角色真正能对话：一个只有几十亿参数、被压进约 4GB 显存预算的端侧小语言模型，要在玩家说完话的百毫秒之内组织出一句符合人物设定的回复。另一场战争是让画面更像真的：引擎照旧完成几何、光照与材质的渲染，然后由一个变换器网络对这帧输出做一次「重写」，补出传统实时管线算不出来的照明与材质细节。
这两件事看起来分属人工智能与图形两个部门，落到底层却是同一种运算：它们都跑在布莱克韦尔（Blackwell）架构的第四代张量核心上，用的都是 8 位浮点精度（FP8）。同一批乘加单元、同一份显存带宽、同一块显存容量，两个买家同时伸手。这就是「一块显存，两个买家」的字面意思，也是本文要拆开的那份争夺清单。
需要先把口径讲清楚，否则后面所有数字都会失真。本文涉及三类数据：其一是英伟达（NVIDIA）官方称的厂商自评数字，包括质量提升、速度倍数、显存节省与帧率提升，截至发稿均未见第三方独立复现；其二是第三方在明确硬件平台上的独立实测吞吐；其三是由实测吞吐换算出来的推论。三类口径在文中严格分开表述，不做任何跨口径的乘除或加减。
一块芯片，两个买家：争夺清单#
把两个负载并排放，冲突点比想象中具体。端侧角色推理的开销里，模型权重是常驻的、几乎不可压缩的固定成本，而键值缓存会随上下文长度线性膨胀——64,000 词元的上下文窗口意味着这段记忆必须一直占着显存。神经渲染的开销结构不同：它的网络权重不大（十月模型仅 1.18 亿参数），但它必须在一帧的时间预算内跑完，且要保留历史帧信息做时间稳定性，中间激活与帧缓冲是流动的、随分辨率和帧率同步放大的。
| 维度 | 端侧角色推理 | 神经渲染重写 |
|---|---|---|
| 运算单元 | 第四代张量核心（八位浮点） | 同一批第四代张量核心（同一种精度） |
| 显存中的固定占用 | 模型权重大致按 4GB 预算设计 | 网络权重（十月版 1.18 亿参数） |
| 显存中的浮动占用 | 键值缓存随上下文长度增长 | 中间激活、历史帧缓冲随分辨率与帧率增长 |
| 时间要求 | 对话节奏，追求「说完即答」的即时感 | 必须在一帧预算内完成，否则直接掉帧 |
| 失败的表现 | 回复慢、人物出戏、打断沉浸 | 帧率下降、画面出现瑕疵或不稳定 |
| 可让步的手段 | 关闭推理、设置思考上限、裁剪上下文 | 削减参数量、降低显存占用、调整帧生成倍率 |
| 峰值冲突场景 | 开放世界游戏同时开启神经渲染与智能非玩家角色 | 同左，两类负载在同一帧内争抢同一批单元 |
这张表也解释了为什么厂商在两条线上做的是同一件事：把占用砍下来。端侧模型被压进约 4GB 的显存目标，神经渲染模型在一个月内被削掉 24% 的参数——两边的工程动机完全相同，都是为了让另一个买家还有地方站。
两个负载之所以在这个时间点正面撞上，有三个前提同时成立：
- 精度统一：角色推理与神经渲染都落在八位浮点的张量核心路径上，争的是同一批乘加单元，而不是各占一块独立电路。
- 时间窗不同：一个以对话的百毫秒为尺度，一个以一帧为尺度，短的那个必须插进长的那个的空隙里，而不是排队等待。
- 总量固定：显存容量在装机那一刻就定死了，任何一方的常驻占用上升，都会直接压缩另一方能开到的分辨率与上下文长度。
第三点是装机者最该记住的一条。过去判断一张卡够不够用，看的是显存能不能装下当前游戏的纹理；现在还要再加一问：装完之后，还剩多少给这两个新买家。
端侧小语言模型：一份 4GB 的规格单#
这颗模型就是 Nemotron 3.5 Bolt（下称该模型），型号 E4B 4GB，即日起通过游戏内推理软件开发套件向开发者提供。据 MarkTechPost 报道，该模型于 2026 年 10 月 23 日发布，开源权重可在多个本地推理平台上获取；其规格为 80 亿总参数、40 亿有效参数，上下文窗口 64,000 词元。NVIDIA 官方称，该模型相较其上一代模型在相关基准上平均质量提升约 40%，输出词元相较同类模型最多减少约 80%。这两个数字都是厂商自评口径，未见独立复现。
| 项目 | 规格或官方口径 |
|---|---|
| 型号 | E4B 4GB（80 亿总参数 / 40 亿有效参数，据第三方报道） |
| 提供方式 | 游戏内推理软件开发套件，即日起向开发者提供 |
| 上下文窗口 | 64,000 词元 |
| 语言支持 | 支持 35 种语言，基础模型预训练覆盖 140 多种语言 |
| 多轮工具调用 | 一次对话中跨轮次调用应用接口，可查背包、库存、任务状态、人物关系 |
| 对话模式 | 可切换，鼓励简洁、适合语音播报的回复 |
| 可配置推理 | 复杂请求开启推理、低延迟场景关闭，并可设置思考上限 |
| 质量与长度（官方称） | 平均质量提升约 40%，输出词元最多减少约 80% |
| 显存实测（官方自家测试） | 特定量化下，5070 上短对话约 3.5GB，32,000 词元上下文约 4.3GB |
| 对标对象（官方自评） | 响应质量对标参数量近其 7 倍的 Gemma 4 26B，未见独立复现 |
把「约 4GB」这个目标放回争夺清单里看，它的意义不是省电，而是共存。在一个显存预算被显存颗粒价格反复挤压的市场上，一个把自身占用锁死在 4GB 量级的模型，才有资格和神经渲染、和纹理、和帧缓冲坐在同一张桌子上。
落地案例目前有四条公开线索，节奏并不一致：
- 《绝地求生》（PUBG）在公测中集成了第一代端侧小语言模型的智能队友系统，测试为有限模式，运行至 2026 年 6 月 30 日。
- 《解限机》（Mecha Break）成为 2026 年早些时候首款搭载英伟达数字人技术驱动非玩家角色的已发售游戏，由西山居开发。
- Aniimo 采用第二代端侧小语言模型，把游戏内宠物变成可实时响应玩家语音的智能伙伴，定于 2027 年初发售。
- 《上古卷轴 5：天际》的开源模组平台 SkyrimNET 由开发者 MinLL 制作，把每个非玩家角色变成具备个人记忆、语音与自主性的非脚本化角色，支持运行时生成的动态对话与上下文感知任务；该平台同时支持云端与本地推理、跨多种语言模型，并已通过兼容加载器支持 Spark 平台。
《上古卷轴 5：天际》这条尤其值得注意：一个二十年前的老游戏，靠模组社区先跑通了「非脚本化角色」，这与我们在老游戏被人工智能复活里讨论的方向是同一股力量。厂商这边还在排期，玩家那边已经把负载压到显卡上了。
按时间排一遍，能看出代际推进的节奏：
| 时间 | 事件 | 代际 |
|---|---|---|
| 2026 年早些时候 | 《解限机》成为首款搭载该技术驱动非玩家角色的已发售游戏 | 首款落地 |
| 2026 年 6 月 30 日 | 《绝地求生》智能队友有限模式公测结束 | 第一代模型 |
| 2026 年 10 月 23 日 | 该型号模型发布并通过游戏内推理套件提供（据第三方媒体报道） | 新一代模型 |
| 2027 年初 | Aniimo 发售，游戏内宠物可实时响应玩家语音 | 第二代模型 |
代际差异在功能上表现为：第一代解决「能不能答」，新一代解决「答得快不快、能不能调用游戏接口」。这也是为什么新一代规格单里最显眼的不是质量分数，而是上下文长度、工具调用与可配置推理这三个直接决定延迟与占用的开关。
延迟门槛：实测给了什么，没给什么#
端侧推理对角色的意义不在「更聪明」，而在「不等」。第三方在明确硬件平台上跑出的独立基准是：5070（12GB）达到 106—133 词元/秒，5090 达到 178 词元/秒。按这个吞吐推算，一句 10 个词的回复可在 150 毫秒内生成完毕，快到足以被玩家当成即时反应而不是等待。
| 硬件平台 | 吞吐数据 | 口径 |
|---|---|---|
| RTX 5070（12GB） | 106—133 词元/秒 | 第三方独立基准 |
| 5090 | 178 词元/秒 | 第三方独立基准 |
| 5070（12GB） | 272.6 词元/秒 | 英伟达自家测试，含量化与投机解码，属厂商口径 |
| 5070（12GB） | 一句 10 词回复 150 毫秒内完成 | 由上述第三方实测吞吐推算，非直接测量 |
最后两行必须分开读。272.6 词元/秒出自英伟达自家测试，使用了量化与投机解码的特定配置；106—133 词元/秒出自第三方独立基准。两者配置不同，不能直接相减、相除，也不能互相印证。
这份实测同样有明确的缺口，写下来比省略更诚实：
- 第三方基准的具体测试条件未披露：量化精度、批处理大小、是否包含语音模块都不清楚，因此跨配置比较无效。
- 英伟达自家基准也并非全胜：据第三方转述的厂商表格，该模型在部分基准上落后于同规模竞品，只是在多数项目上领先。
- 该模型的确切发布日期由第三方媒体报道给出，英伟达技术博客未明确标注，属待核信息。
- 上述落地案例相关功能在国内的可用性未取到，本文不做判断。
还有一处需要分开读：官方口径里「输出词元最多减少约 80%」是一条长度指标，不是速度指标。它描述的是模型倾向给出更短的回答，由此带来的解码步数变化属于设计意图层面的推论，本文不把它换算成任何吞吐或延迟数字。同样地，150 毫秒这个推论只建立在第三方实测吞吐之上，不与厂商自家测试的那组数字发生关系。
换句话说，端侧角色推理的延迟门槛已经被跨过了，但跨过的方式和代价，目前只有一手实测能证明吞吐，其余都在厂商口径里。
从 1.48 亿到 1.18 亿：神经渲染在减重#
深度学习超采样 5 的三维引导神经渲染与前几代的工作位置不同。传统超分是在低分辨率输入上往外补像素，而这一代是在引擎完成几何、光照与材质渲染之后，由一个变换器网络对输出做「重写」，生成实时算力此前无法实现的照明与材质细节。这等于在传统图形管线末端新增了一个最终阶段——它不是可选滤镜，而是画面出厂前的最后一道工序。
正因为处在管线末端、每帧必跑，它对参数量极其敏感。十月默认模型的演进路线如下（速度、显存与帧率数字均为 NVIDIA 官方称，未见独立复现）：
| 版本 | 参数量 | 官方口径下的相对表现 |
|---|---|---|
| 2026 年 3 月大会展示版 | 未披露 | 十月模型据称比该版本快 10 倍 |
| 2026 年 9 月发布版 | 1.48 亿 | 作为对照基准 |
| 2026 年 10 月默认模型 | 1.18 亿（较九月版减少 24%） | 速度为九月版 2 倍；4K 下显存占用减少 20%；画质无损失；50 系与 Spark 上最高 1.4 倍帧率提升 |
处在管线末端还有一个容易被忽略的后果：它的开销是「每帧固定税」。超分之类的技术可以按档位关掉，而一个重写最终画面的阶段，只要开启就对每一帧生效，分辨率越高、帧率目标越高，这笔税越贵。这也是为什么厂商把 4K 下的显存占用单独拿出来说——4K 才是这笔税最重的地方。
一个月内削掉 24% 参数、速度翻倍、4K 显存再省 20%，这组数字指向的是工程优化阶段而非堆参数阶段。对玩家而言意义很直接：神经渲染从「旗舰卡才敢开」向「中端卡的显存也装得下」挪了一格，而挪出来的那一格，正是端侧角色推理想要的位置。
同一批更新里还有两项与共存相关的配套：一是神经渲染技术套件（共八项技术）已支持 Spark 平台，其中包括把纹理存成神经网络权重而非传统块压缩格式的神经纹理压缩、着色后随机采样的纹理过滤、加速层次包围盒构建的巨量几何技术，以及实时降噪器等；二是深度学习超采样 4.5 的虚幻引擎插件 8.9.0 版本新增对 Windows on Arm 的官方支持，提供原生 ARM64 二进制并支持在 5.8 版本引擎上构建打包，同时修复了 5.8 版本帧生成相关问题。插件的二代变换器超分模型改善了图像稳定性、抗锯齿与清晰度，动态多帧生成可根据负载调整倍率，最高档可为一个渲染帧生成五个额外帧。
上车节奏与美术的否决权#
神经渲染要进游戏，绕不开美术部门。已公布的接入节奏如下：
| 作品 | 时间点 | 说明 |
|---|---|---|
| 《NBA 2K27》 | 2026 年 9 月 3 日发售 | 首款集成深度学习超采样 5 的作品；第二赛季更新于 10 月 16 日推出 |
| 《霍格沃茨之遗》 | 2026 年 11 月 5 日 | 开发商 Avalanche Software 称软件开发套件的逐元素控制是保住画面调性的关键 |
| 《燕云十六声》 | 2026 年 11 月底 | 完成近期版本部署 |
《霍格沃茨之遗》这一条是全套里最容易被忽略、但对画面影响最大的细节。逐元素控制指的是：美术可以逐项指定神经阶段能改什么、不能改什么。也就是说，这套被描述为「重写画面」的技术，实际上带着一份由人类美术签署的否决清单——哪些材质由网络补细节，哪些必须原样保留，决定权在创作者手里而不在网络手里。
这不只是一个美术偏好问题。当一帧画面在管线末端被神经网络改写，而同一块芯片上还跑着一个正在生成对话的角色模型时，「谁有权决定这张卡在做什么」就变成了产品问题。厂商给的答案是把开关交给开发者：神经渲染侧有逐元素控制，角色推理侧有可配置推理与思考上限。两边的默认值都在往低占用方向调。
另一个值得注意的现象是接入门槛。已公布的三款作品全部是有稳定年度更新节奏的商业大作，而不是独立小品——这符合直觉：要逐项调校神经阶段能改什么、不能改什么，需要一支能跟 SDK 打交道的美术与引擎团队。反过来看，模组社区走的是另一条路：《上古卷轴 5：天际》的开源平台把选择权交给了玩家自己，代价是没有厂商级的调校，收益是不用等排期。
最后补一条本文的边界：该功能在旧一代显卡上的支持范围，截至发稿未取到明确信息，此处不给结论。
账单的另一半：显存为什么这么贵#
把镜头拉到上游，本地显卡与人工智能服务器争的不只是算力，还有同一批先进制程产能。据转述的行业数据，消费级显卡使用的 GDDR7 显存与人工智能服务器所需的高带宽内存（HBM）共享先进制程产能，三星、某韩国存储原厂与美光三大原厂已把 70%—90% 的先进产能优先分配给高带宽内存。该韩国厂商本周向投资者确认，供不应求的局面将持续至 2030 年。
| 环节 | 数据 | 口径 |
|---|---|---|
| 先进产能分配 | 70%—90% 优先给高带宽内存 | 转述的行业数据，来源层级偏低 |
| 供需展望 | 供不应求持续至 2030 年 | 该厂商对投资者的表态 |
| 零售价 | 某两家板卡厂的 5080（16GB 版）在京东售价均突破 2.2 万元 | 电商报价；国行公版首发建议零售价 8299 元 |
| 年度涨幅 | 5090 涨 132%，50 系整体均价涨 66%（剔除 5090 后仍近 57%） | 德国 3D Center 追踪，经二手转述 |
| 竞品对照 | 某竞品 9000 系平均涨 46%，锐炫 B580/B570 约涨 38% | 同上 |
| 官方口径 | 10 月 17 日在台北，个人计算业务高级副总裁 Jeff Fisher 否认 50 系停产，但承认产能受限、供应紧张是全球性问题 | 据中文媒体转述，人名拼写未经英文一手来源核对 |
这张表里最有用的一行不是某个具体价格，而是最后一条规律：显存越大的型号涨得越凶。它和本文开头形成闭环——端侧角色推理要常驻约 4GB 权重，神经渲染要保留历史帧缓冲，两者都在往「更大的显存」方向施压，而显存的产能正被另一批买家优先拿走。
对装机者来说，可操作的判断有三条：
其一，显存容量在当前周期里的权重高于以往任何一代。如果你在意未来两年能否同时开启这两类负载，容量优先级的排序应该往上提，具体取舍可参考内存涨价下的装机指南。
其二，厂商正在把两类负载的默认值都往低占用调。这意味着「够用」的门槛在下移，但下移速度取决于工程优化而不是硬件涨价——十月模型削掉 24% 参数是工程成果，不是市场让步。
其三，两类负载的收益并不对等。神经渲染的收益是每帧都在的画质与帧率，端侧角色推理的收益只在支持它的游戏里出现。在预算固定的情况下，先把显存留给前者，通常是更稳妥的排序。
涨价是结果，不是原因。本文想回答的始终是那个被价格话题盖住的问题：那些被人工智能抢走的算力，如果留在你的显卡里，一部分在给非玩家角色组织一句话，另一部分在给已经渲染好的画面做最后一次重写。它们争的是同一批张量核心，也是同一块显存。看懂这份争夺清单，才算看懂这张账单。
参考来源#
- 英伟达技术博客《英伟达 Spark 平台为游戏提供神经渲染与智能角色》（经 GameDev.net 转载）——模型规格、技术套件与落地案例。
- Tech Times（2026-10-28）《英伟达 Spark 平台带来可与七倍参数云端模型抗衡的端侧智能角色》——第三方实测吞吐、厂商自评标注、接入时间表；techtimes.com/articles/329590/20261028/…
- MarkTechPost（2026-10-24，经 MachineHours 转述）——该模型发布日期、参数构成与厂商基准细节；machinehours.com/news/（站内检索该模型名即可定位）
- 快科技《零售价突破 1.3 万元：第三方加价无上限》——5080 零售报价与首发建议零售价对照；m.mydrivers.com/newsview/1161455.html
- 今日头条《计算机硬件行情速览 · 2026 年 10 月 24 日》（引述 3D Center）——显卡年度涨幅追踪数据。
- 人人代码（转述 IT 之家、集微网等）《从 1.6 万到 6 万，一张显卡的涨价账》——先进产能分配与台北表态；renrendaima.com/wap/article/31391.html
- 混合现实新闻站 mixed-news.com——厂商自家显存占用测试数值的转述与「4GB 需视场景而定」的提示。
口径提示：本文所有标为「英伟达官方称」的数字均为厂商自述，未经独立实测复现；标为「第三方实测」的数字均注明硬件平台与未披露条件。两者不得混用或互相推算。关于该系列显卡的产能与价格，可进一步阅读显存涨价专题与内存被人工智能挤占。