刚刚结束的 SIGGRAPH 2025 上，Arm 详细介绍了可以在移动设备上的 Arm 神经技术 ( Arm Neural Technology ) 及其原理。

这是一个罕见的举动，因为集成 Arm 神经技术的 Arm GPU 要在 2026 年才会推向市场。

"Arm 之所以选择在搭载这项技术的 GPU 正式上市前进行发布，是因为若要这类技术能真正释放潜力，需要游戏开发者基于它们进行创新。"Arm 终端事业部产品管理总监 Steve Steele 表示。

Arm 会首先推出 Arm 神经超级采样 ( Arm Neural Super Sampling, Arm NSS ) 引擎，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。

实际上，神经技术已经在桌面端和主机端相继普及，Arm 是业界首个将神经技术带到移动端的公司，这得益于 Arm 能够在实现性能提升的同时满足手机端苛刻的功耗要求。

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。

这将成为 2026 年手游爱好者值得期待的一项新技术。

什么是 Arm 神经超级采样？

要解释 Arm 神经超级采样技术，最直观的方式就是通过效果的对比。

Arm 在 SIGGRAPH 大会上展示了全新演示项目 " 魔法城堡 "。下图为画面中两个高难度区域的放大效果。左侧是真实标签 ( Ground Truth ) ，即全分辨率渲染的效果。ASR 就是 Arm 超级分辨率技术实现的效果，Desktop 是桌面级的超级采样技术的效果，最右侧的 Arm NSS 在 " 性能 " 模式下，达到与主流桌面级神经优化升级技术同等的画质。

"Arm NSS 成本更低，每帧可节省 50% 的工作负载。"Steve Steele 指出。

通过效果对比可以发现，虽然桌面级的超级采样技术和 Arm NSS 与真实标签 ( Ground Truth ) 依旧有差距，但考虑到可以用更低的成本实现如此逼真的效果，已经让人惊叹。

同时可以看到，与相对普及的超级分辨率技术 ASR 相比，Arm NSS 可实现更高效和高质量的优化升级效果，这是因为 Arm ASR 是基于传统算法的方案，其性能提升只能达到一定程度。

Arm NSS 是一个基于 Arm ASR 的升级方案，能够通过较低质量的输入生成同等质量的输出，或以相同的输入生成更高质量的输出，且运行时间仅需四毫秒。

Arm NSS 的最终目标无疑是带来更流畅的游戏体验和更丰富的移动端体验。更具体的说，该技术能让游戏以 540p 分辨率进行渲染，并通过两倍性能优化升级，输出超高质量的画面。这意味着，对比于传统的全帧渲染方法，开发者可减少 50% 的 GPU 工作负载。

Arm 如何实现高达 50% 的 GPU 工作负载节省？

Steve Steele 解释，" 我们先通过只对场景中约 25% 的像素进行渲染，节省了大量的算力、能耗及时间。随后，借助 Arm NSS 算法，来实现图像的优化升级，比如从 540p 优化升级到 1080p。但是只对场景中约 25% 的像素进行渲染，为何不是节约 75% 的工作负载？那是因为在图形中还有几何体等其他因素需要纳入考量，所以总体上可以节省多达 50% 的 GPU 工作负载。

注意，Arm NSS 加速器将深度嵌入到 Arm Mali GPU 中，像是给每个 GPU 着色器都增加了 " 迷你 "NPU。

Arm 神经技术的另外两个用例

除了 Arm NSS，Arm 神经技术还有两个新用例在开发中，一个是神经帧率提升 ( Neural Frame Rate Upscaling, NFRU ) ，这一用例通过采集连续两帧画面并生成中间帧，直接提升帧率。该神经网络与 Arm 为其 GPU 新增的硬件紧耦合，可加速运动向量的生成，用于追踪像素在场景中的移动轨迹。

NFRU 这项技术可通过较低成本，将 30 FPS 的内容优化升级至 60 FPS。

另一个新用例是神经超级采样与降噪 ( Neural Super Sampling and Denoising, NSSD ) ，这是一套面向光线追踪内容的 Arm NSS 的扩展技术。

全路径追踪内容要求每个像素向场景发射数百甚至数千条光线，经过反弹后最终抵达光源，从而让图形引擎精确计算该像素的亮度。然而，这种路径追踪技术的成本极高，即便是桌面系统也难以承受。如果将路径追踪与 NSSD 这类神经网络相结合，每个像素只需发射少量光线，再借助神经技术重建缺失细节，不仅能从相邻像素推断数据，还能利用历史帧信息进行补充。

NSSD 实际能从根本上破解光线追踪技术普及的难题。

" 我认为目前阻碍光线追踪技术普及的原因之一，是其昂贵的计算成本。"Steve Steele 说，" 神经技术则能使不同类型的光线追踪以更低的成本得以实现，比如随机投射的光线，或是较少数量的光线，使得光线追踪能够在移动设备上实现。但随之而来的问题是如何对图像进行深度降噪，而这正是神经技术可以发挥其价值的地方，它能智能降噪光线追踪图像。"

所以包含 Arm NSS、NFRU、NSSD 的 Arm 神经技术实际上是 Arm 给手游带来革命性体验的一套组合技术，通过这些技术的组合，能在使用更少计算资源的情况下获得更清晰的画质或者更高帧率，或者在使用相同计算资源的前提下获得更高的画质和更流畅的游戏体验。

革命性手游技术普及关键——软件生态

正如神经技术在桌面端和主机端的相继普及，它必将成为移动端图形技术的演进方向，但需要确保的是，这一进程不会割裂技术生态系统，或给开发者增加额外负担。

为此，Arm 推出了新的套件，Arm NSS 可通过神经图形开发套件 ( Neural Graphics Development Kit ) 启用，该套件的核心是虚幻引擎 ( Unreal Engine ) 插件，开发者只需点击几下，就能将 Arm NSS 集成到游戏中；同时还包含开放格式的模型，这些模型将被推送至 Hugging Face，也会纳入开发套件。

由于全新的 GPU 硬件尚未问世，套件中还包含了面向 Vulkan 的 Arm ML 扩展的完整 PC 模拟器。这样一来，开发者就能在桌面端运行整个技术栈，验证模型在其内容上的表现。

此外，Arm 的性能工具中包含热门开源工具 RenderDoc 的 Arm 版本，且均已提升适配面向 Vulkan 的 Arm ML 扩展。

传统 Vulkan 支持图形管线 ( Graphics Pipeline ) 和计算管线 ( Compute Pipeline ) ，为了让开发者将 AI 直接引入熟悉的渲染管线，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 ) 。

与图管线 ( Graph Pipeline ) 配合，Arm 还引入了 VkTensor 概念，它允许将现有图像重新解释为张量，即神经网络的输入和输出形式，省去数据在输入神经网络前的复制开销。

Arm 还定义了一种名为 VGF 的开放数据格式，通过 SPIR-V 的扩展来描述神经网络的运算。Arm 的目标是推动全行业采用。

" 如果 Arm 丰富的硬件多样性因不必要的软件碎片化而受限，对任何人都毫无益处。"Steve Steele 说，" 这些面向 Vulkan API 的 ML 扩展可被任一家图形技术供应商采用。Arm 正与多家行业合作伙伴积极探讨，推动这些技术在移动端生态系统及其他领域落地生根。"

Steve Steele 指出，虽然上述这些技术与桌面端和主机端神经技术存在相似性，但向开发者提供技术的方式却大相径庭。与桌面端和主机端不同，Arm 的所有神经技术都将全面开放，这意味着游戏工作室重新训练模型所需的模型架构、权重以及工具，全部可供使用。

雷峰网了解到，Arm 神经技术已得到了来自业界的积极反馈。其中，Arm 神经图形开发套件已得到 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。

由于 NFRU 和 NSSD 两个用例暂时缺少 Arm ASR 那样的技术生态作为支持，因此 Arm 也宣布了早期访问计划，积极招募游戏工作室加入开发。

2026 年将是 Arm 给手游带来全新体验的开端，游戏开发者们会基于 Arm 神经技术带来哪些革命性的体验？