Apex Compute 推出跨平台 AI 渲染技术 ANR 公测，兼容英伟达、AMD、英特尔显卡
挑战 DLSS：ANR 跨平台 AI 渲染技术公测，兼容英伟达、AMD、英特尔显卡
用 AMD 或老款英伟达显卡的玩家可以关注一下：ANR 让这些显卡也能用上 AI 帧生成，自测数据比 DLSS 更快更省显存。不过目前要靠 OptiScaler 手动改游戏目录安装，兼容性和实际延迟都得等第三方实测。
Apex Compute 于 11 月 12 日正式开放 Apex Neural Rendering（ANR）测试版，套件包含 AI 帧生成、超分辨率和光线重建三项技术，目前仅帧生成功能（ANR FG）开放测试，其余两项预计后续推出。与英伟达 DLSS 仅面向自家显卡不同，ANR 兼容英伟达 GTX 16/RTX 20 系列及更新、AMD RX 5000 系列及更新、英特尔 Arc A/B 系列显卡，还支持 Steam Deck 掌机。
官方公布的性能数据显示，在 4K 分辨率和 RTX 5090 显卡下，ANR 2 倍模式生成一帧仅需 1.01 毫秒，DLSS 帧生成需 1.26 毫秒；4 倍模式下分别为 0.61 毫秒和 0.82 毫秒。显存方面 ANR 仅占用 214 MB，DLSS 需 562 MB。
ANR FG 测试版已在 GitHub 开放下载，但目前依赖 OptiScaler 工具运行，需逐个修改游戏目录安装，不同游戏兼容性差异可能较大。官方数据均为自测结果，独立实测尚未验证其画面质量和输入延迟表现，实际效果有待更多测试。
挑战 DLSS：ANR 跨平台 AI 渲染技术公测，兼容英伟达、AMD、英特尔显卡
IT之家 11 月 12 日消息，英伟达 DLSS 技术迎来了一个新的竞争对手。由 Apex Compute 开发的 AI 渲染技术套件 Apex Neural Rendering（ANR）正式推出测试版，包含 AI 帧生成、超分辨率和光线重建等功能。 与英伟达 DLSS 主要面向自家显卡不同，ANR 宣称兼容英伟达、AMD 和英特尔的多代显卡，甚至支持部分较老的型号。 其中，ANR 帧生成（ANR FG）支持英伟达 GeForce GTX 16 系列及 RTX 20 系列或更新的显卡、AMD Radeon RX 5000 系列或更新显卡，以及英特尔 Arc A 系列和 B 系列显卡。此外，Valve 的 Steam Deck 掌机也在支持范围内。 软件方面，目前推出的测试版支持 Windows 10/11 和 Linux，也可以通过 Proton 在 SteamOS 上运行。 据IT之家了解，Apex Neural Rendering 由三项技术组成：帧生成、超分辨率提升和光线重建。不过，截至目前，只有帧生成功能已经开放测试，另外两项技术预计将在后续陆续推出。 Apex Compute 还公布了一组性能数据。根据该公司的测试，在 4K 分辨率下，使用英伟达 GeForce RTX 5090 显卡时，ANR 以 2 倍模式生成一帧画面仅需 1.01 毫秒，而英伟达 DLSS 帧生成需要 1.26 毫秒。在 4 倍模式下，两者的耗时分别降至 0.61 毫秒和 0.82 毫秒。 显存占用方面，ANR 据称仅需 214 MB，而 DLSS 则需要 562 MB。 如果这些数据准确，ANR 就有望解决帧生成技术的一项主要痛点：额外增加的延迟。帧生成虽然能够提高画面显示帧率，但处理过程本身也可能带来额外延迟，影响操作响应速度。 除了性能和显存占用，Apex Compute 还宣称 ANR 能够提供更好的画面质量，并公布了多组画面对比图，其中包括《最后生还者第二部》（The Last of Us Part II）中的游戏场景。 不过，这些数据和画面对比均来自开发商自身，尚不能作为 ANR 全面超越 DLSS 的依据。最终表现仍需要独立测试，尤其是在实际游戏环境中进行验证。毕竟，帧生成速度更快，并不意味着整体游戏性能一定更好，也不一定能够降低玩家实际感受到的输入延迟。 ANR FG 测试版目前已在 GitHub 上开放下载，现阶段需要依赖 OptiScaler 工具运行。安装过程需要修改各个游戏的独立目录，并不像在游戏设置中调整几个滑块那么简单。因此，不同游戏的兼容性可能存在较大差异。 对于希望在不同品牌显卡上体验 AI 帧生成技术的玩家来说，ANR 提供了一个新选择。不过，它能否真正成为 DLSS 的有力竞争者，还需要等待后续两项技术落地以及更多独立实测结果。
This report is categorized under AITOP's "Products" desk. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include ANR, DLSS, 英伟达, AI帧生成.
Source attribution: curated from IT之家.
