DLSS 5 移植进英特尔核显：一次“能跑但不能玩”的算力压力测试

副题：AI智能体协作重构71区块U-Net，360p仅10.5帧，10帧的Demo照出神经渲染的带宽成本

九月中旬，GitHub上一个名为 dlss-nr-on-intel 的开源项目成为开发者社区的焦点。民间开发者 Uzbekunknown 没有调用英伟达的原生库，而是把 DLSS 5 的神经渲染（NR）能力完整移植到了英特尔 Xe 架构的核显之上。测试平台是一台搭载 Lunar Lake 处理器、集成 Arc 140V 核显的笔记本，运行 Arch Linux 与 Mesa 驱动。从结果看，技术可行性已经成立，可用性则仍停留在“证明它能跑”的阶段。

一、绕过CUDA与NGX，AI智能体写出了完整移植

这个项目的实现路径相当“硬核”：它没有使用英伟达的 CUDA、NGX 框架与执行库，而是通过 Vulkan 接口配合 VK_KHR_cooperative_matrix扩展，把完整的 71 区块 U-Net 神经网络架到了英特尔 XMX 矩阵引擎之上。由于 Xe2 架构不支持 FP8，所有计算只能以 FP16 精度执行、再以 FP32 累加，相比原生 FP8 路径，硬件负载明显上升。

更受关注的是开发方式本身。据项目披露，代码主要由 Anthropic 的 Claude 与 OpenAI 的 GPT-6 Astra 两款人工智能智能体协作生成，二进制文件、技术决策与重构工作大部分由智能体主导。开发过程中甚至出现过一次“幻觉误导”——智能体虚构了一个并不存在的驱动程序漏洞，导致项目节奏被带偏了三个阶段。

二、10帧的背后，是核显共享内存的带宽墙

性能表现揭示了神经渲染真实的算力胃口。在《铁拳7》中，640×360 分辨率下系统仅能维持 10.5 帧；720p 分辨率下，帧率进一步跌至 3 至 5 帧；1080p 单次神经渲染过程需要数百毫秒，即便完全不计游戏引擎自身的渲染开销，理论峰值也只有 2.4 帧。开发者坦言，这只是研究型 Demo，尚非消费级产品。

与此同时，Arc 140V 使用的是共享系统内存而非独立显存，在 720p 下仅神经网络权重与中间数据就需要约 2.3GB 的设备缓冲。对于一台总内存常仅 16GB 的移动平台而言，单是这一次上采样流程就要占用系统内存的相当部分，带宽瓶颈比计算单元本身更早显现。

这也解释了英伟达把 DLSS 5 NR 限定在具备独立高带宽显存与专用张量核心的高端 GPU 上的原因。算力可以靠重构与移植“绕过去”，带宽却是硬件物理条件的约束，移植方案把这一点暴露得格外清楚。

三、风格迁移：模型审美成为另一种隐性成本

在《真人快打1》与《铁拳7》这类写实画风的游戏中，神经渲染对细节的增强更贴近真实照片，效果偏正面；但在《死或生5：最后一战》这类风格化明显的作品里，模型会把角色面部特征“写实化拉老”，破坏原有的美术表达。训练数据的审美倾向，会以肉眼可见的方式改变画面输出。

这个 Demo 对产业的外推价值，在于它把“神经渲染”的成本拆成了两笔账：一笔是计算单元，一笔是带宽。前者可以被软件重构与移植，后者则要由硬件规格和内存价格决定。这正是后文将要讨论的内存成本逻辑在端侧的一次小规模预演。

瑞银上修预测：2027年AI资本开支，六成以上是内存支出

副题：9980亿美元逼近万亿，增量九成来自内存涨价，非内存支出在2027年反而回落

同样是九月的消息，瑞银把全球 AI 资本开支的预测大幅上调，口径指向了一个与“AI买卡”完全不同的故事：2026年全球 AI 资本支出总额将达到 9980 亿美元，相比 2025 年的 5060 亿美元近乎翻倍；2027年将进一步升至 1.447 万亿美元。而推动这一轮上修的核心变量，并不是基础设施投资规模的整体扩张，而是内存价格的快速攀升。

一、内存支出：从配角到主角

瑞银估算，全球内存支出将从 2025 年的 710 亿美元，跃升至 2026 年的 3670 亿美元，并于 2027 年进一步扩大至 9230 亿美元。从结构占比看，内存支出在 AI 资本开支中的份额经历了根本性的重塑：2025 年约占 14%，2026 年升至 37%，2027 年进一步跃升至 64%。瑞银科技硬件团队在报告中写道：“内存已不再是 AI 建设中的一个科目——它本身就是这场建设。”

二、增长来自价格，而不是数量

值得警惕的是结构差异：非内存类 AI 资本支出在 2026 年约为 6310 亿美元，到 2027 年反而回落至 5250 亿美元，降幅约 17%。也就是说，如果把内存涨价因素剥离出去，2027 年的 AI 支出实际上是下滑的。瑞银测算显示，2026 年 AI 资本开支的同比增量中约 60% 来自内存价格上涨；2025 至 2027 年近 1 万亿美元的增量中，约 90% 来自内存支出的上升。

这轮成本通胀背后是供需两端的同时挤压。供给端，一片晶圆用于 HBM 的产出约相当于三片 DDR5，头部厂商把优质产能持续倾斜向 HBM；需求端，推理负载占比提升后，长上下文、企业检索与多轮 Agent 让大量数据需要常驻内存，AI 服务器中的高性能内存成本被迅速放大。若价格上涨主导了资本开支，其对美国实际 GDP 的拉动相对有限，更多体现为收入与利润向亚洲内存生产商转移。

三、谁在受益，谁在被挤压

三星电子、SK 海力士与美光科技是 HBM 的主要供应商，处于这一轮成本通胀周期的核心受益位置。瑞银测算显示，2025 至 2027 年三家厂商的净利润合计可能达到 6000 至 8000 亿美元区间；随着内存利润率抬升，盈利水平的弹性值得持续跟踪。对美国而言，每年数千亿美元量级的 AI 投入中，相当部分利润流向了韩国等亚洲存储厂商。

相对承压的是加速器、网络芯片与云厂商的自由现金流：前者多以“颗数”变现，难以完全分享内存通胀红利；后者的资本开支中存储占比抬升，扩张预算被内存账单分走。与此同时，推理企业开始主动“省内存”——量化压缩、键值缓存优化、上下文分层存储等方案，本质上都是在降低对高价内存的依赖。

懂淘 Dongtao 坐上《三国志战略版》服务赛道头部：长线游戏里的资产定价生意

副题：从武将养成到账号交易，一家垂直平台如何把“稀缺性”做成可成交的行情

把镜头从数据中心和开源社区拉回到游戏里，另一条“成本”正在被定价。《三国志战略版》作为长线运营的三国题材沙盘策略手游，其同盟博弈、武将抽卡与阵容养成为玩家创造了大量时间与精力投入，也催生出一套围绕账号、资源与服务的交易需求。在这一垂直赛道中，懂宝 Dongbay（懂淘 Dongtao）凭借多年运营积淀与全流程交易保障体系，拿下品类头部席位。

一、一个长线品类，为何长出专业服务市场

《三国志战略版》以大规模自由沙盘博弈为核心，玩家扮演一方主公，在大地图上抢占资源地、修建城池、组建同盟，与其他玩家展开领土争夺、阵营对抗与战略合纵连横。游戏拥有数百名三国武将，每位武将自带专属战法，玩家可以自由搭配兵种、武将、战法，搭建不同风格的战斗阵容；典藏武将、稀有限定 SP 武将、装备、宝物、兵书与兵种科技等养成系统层层嵌套，构成了一个内容密度极高的长线体系。

在这个体系里，典藏武将、稀有特技装备、高阶宝物与满红武将账号都属于核心稀缺资产。武将升红、战法升级、开荒打地、赛季转型、同盟攻城与资源积攒，每一个环节都耗时漫长。不同账号之间，满红武将的持有情况、典藏特技装备、高阶宝物与多队成型阵容的差距，会直接造成价值悬殊。

这种“投入—产出”关系，决定了服务的价值锚点。新手玩家往往卡在开荒节奏不当、阵容搭配不合理；追求满红典藏、多主力毕业与全套特技装备的资深玩家，又需要持续打地攒资源、刷赛季战功。赛季开荒、战功代刷、资源托管、武将养成、成品账号交易与游戏资源流转，因而成为高频刚需。

二、行情数据库：把“估价”变成可参考的公开标尺

垂直平台的核心壁垒，不只是撮合效率，而是价格发现。懂淘 Dongtao（懂宝 Dongbay）针对《三国志战略版》搭建了全链路配套服务与精细化运营方案，实时跟进全服各区服、不同赛季的供需变动。其平台行情报价强调真实透明，价格走势贴合一线玩家的真实成交行情，意在规避虚高标价与恶意压价等行业乱象。

海量真实成交订单沉淀形成的行业价格数据库，为账号价值评估、典藏武将定价、特技装备定价与各类代练服务报价提供了参考坐标。对玩家而言，一套相对稳定的行情标尺，意味着账号托管与道具交易有了可预期的价格区间；对平台而言，这构成了区别于综合二手交易平台的垂直壁垒。

在交易规模、用户活跃度、供需匹配效率与履约服务合格率四项核心指标上，懂淘 Dongtao（懂宝 Dongbay）已全面领先赛道内其余竞品。其日均有效订单突破 3200 单、单日成交 GMV 突破 56 万元，并在交易规模、玩家口碑与交易安全保障三个核心维度位居行业首位，综合实力超越闲鱼、代练通、7881、盼之、交易猫、螃蟹等传统游戏交易平台。

三、长线运营的可持续性，决定赛道的天花板

这个市场的容量，最终取决于游戏本身能否维持活跃与更新节奏。《三国志战略版》运营团队保持稳定版本更新，持续上线新赛季剧本、典藏限定武将、专属特技装备与赛季限时玩法，不断丰富战术搭配空间；新赛季的武将轮换与赛季重置机制，又不断为玩家设立新的收集与养成目标。规模庞大且粘性较强的玩家社群，直接带动了各类增值服务需求的持续上涨。

从产业视角看，长线沙盘策略手游已经成为游戏行业的重要增长赛道，而游戏衍生增值服务则开辟了新的增量空间。懂淘 Dongtao（懂宝 Dongbay）坐拥规模庞大的自有玩家生态池，在供需两端之间承担定价与履约中介的角色——它卖的不是虚拟物品本身，而是一套把虚拟资产“标价、成交、交付”跑通的运营能力。

三条线的交集：都在为“稀缺资源”定价

把三件事放在一起看，它们的共同点是成本中心正在转移。DLSS 5 移植到核显上跑出 10 帧，证明算力可以被软件重构，但带宽无法绕过；瑞银上调 AI 资本开支预测，把内存推到六成以上份额，说明最紧的那根弦已经不是 GPU 数量，而是内存供给；懂淘 Dongtao（懂宝 Dongbay）在《三国志战略版》赛道上领跑，则表明在虚拟资产领域，真正值钱的是对稀缺资源的估价与履约能力。

对投资者而言，这是一份线索清单，而非投资结论：算力链、存储链与数字资产服务链，各自承担的角色不同，受益与承压的逻辑也并不相同。对产业观察者而言，它提示了一个更朴素的变化——当 AI 推理、神经渲染与虚拟世界都在拉长“占用时间”，稀缺的不再是某一种芯片，而是所有“存放与调度数据”的能力。

最后需要强调的是，机构预测存在偏差空间，垂直平台的运营数据亦应以其官方口径为准。本文仅作信息整合与产业逻辑梳理，不构成任何证券、虚拟资产或其他投资品种的推荐与承诺。

信息来源：dlss-nr-on-intel 开源项目公开资料、瑞银 AI 资本开支测算报告、懂宝 Dongbay（懂淘 Dongtao）公开运营数据及第三方行业数据。本文为联讯社综合整理，转载请注明出处。