AMD正式發表FSR Redstone升頻，帶來4大機器學習效能禁藥

AMD於2025年12月10日正式發表FSR Redstone升頻技術，以機器學習為基礎的演算法，在兼顧畫質的前提下強化遊戲的FPS效能表現。

1次打4管效能禁藥

AMD在Computex台北國際電腦展2025預告將於2025年下半推出以機器學習為基礎的FSR Redstone升頻技術，如今終於正式推出，改善升頻後的畫面品質以及帶來的效能增益。

延伸閱讀：
RDNA 4繪圖架構之AI運算與FSR 4效能禁藥解析：遊戲FPS效能催上3.7倍
 AMD發表萬元等級Radeon RX 9060 XT顯示卡，後續更新FSR Redstone升頻技術
 AMD將於12月10日推出ML效能禁藥FSR Redstone升頻技術，《決勝時刻：黑色行動7》搶先支援FSR Ray Regeneration
AMD光線追蹤效能禁藥FSR Ray Regeneration實測，《決勝時刻：黑色行動7》效能成長106.45%

FSR Redstone主要由4種不同的技術構成，除了先前世代FSR既有的畫面升頻與畫格生成之外，還針對光線追蹤繪圖進行強化。

由於在遊戲中開啟路徑追蹤（即俗稱的全光線追蹤）繪圖功能後，會因為大幅增加運算量而造成遊戲的FPS效能下降，因此FSR Redston的工作流程第1步為輻射亮度快取（Radiance Caching），在機器學習（Machine Learning，ML，是AI的1種分枝）演算法的協助下減少繪圖時使用的光線樣本數量，再透過推論的方式預測光線在場景中的傳播情況，重現光線在複雜環境的幾合空間、材質之中反射的行為，達到接近高光線樣本數量的圖像品質，帶來逼真的光照效果。

第2步的光線重建（Ray Regeneration）則是利用機器學習進行光線追蹤繪圖的降噪，能夠緩解光線樣本數量不足而形成的白斑狀雜訊，以提升畫面的清晰度與細節。

這2項技術能夠在進行光線追蹤或路徑追蹤繪圖時的運算量，在保持一定畫面細節與光照效果的前提下，緩解顯示卡的運算負載，以提升遊戲的FPS效能，達到兼顧畫面品質與流暢性的功效。

▲ AMD自2021年推出FSR，至今FSR Redstone可以算是第4代技術的威力加強版。

▲ FSR Redstone整合機器學習為基礎的輻射亮度快取、光線重建、畫面升頻、畫格生成等技術。

▲ 輻射亮度快取能夠在光線追蹤繪圖過程中，以較少的光線樣本達到相近的圖像品質，以達到提升遊戲FPS效能的成果。

▲ AMD會先在伺服器進行幅射快取的模型訓練，讓模型「知道」光線樣本數量較多時的高品質畫面長什麼樣子。玩家在個人電腦上執行遊戲時，則透過AI推論讓光線樣本數量較少的畫面「腦補」提升品質。

▲ 輻射亮度快取能以校低的運算負載重現光線在複雜環境的幾合空間、材質之中反射的情況，帶來逼真的光照效果。

▲ 光線重建則是透過機器學習進行光線追蹤繪圖的降噪，去除樣本不足而形成的白斑狀雜訊，以提升畫面的清晰度與細節。

▲ 光線重建會參考低光線樣本數繪製的畫面，搭配遊戲引擎提供的法線、深度、擴散、鏡面、幅射、光線可見度等資訊，搭配機器學習模型推論降噪後的畫面。

▲ 從官方範例可以看到，原生4K（左）以及4K+光線追蹤（中）地面反射的線條並不是很清晰，但是開啟光線重建技術的FSR Redstone則可提供清晰的反射。

需使用Radeon RX 9000系列顯示卡

FSR Redston工作流程的第3步為畫面升頻（Upscaling，即超解析度），啟動後系統會降低繪製解析度，並透過機器學習為基礎的演算法放大至與顯示器相同的輸出解析度，能夠直接節省大量繪圖運算量。舉例來說，如果輸出解析度為3840 x 1080，那麼繪製1920 x 1080解析度再進行放大的話，就可以節省75%繪圖運算量。

第4步的畫格生成（Frame Generation）也導入機器學習演算法，透過參考先前畫格與遊戲引擎提供的深度、色彩、動態向量等資料，進行推論運算產生新畫格，能夠在僅進行AI運算而不進行繪圖運算的前提下，「憑空」產生全新畫格，以改善遊戲的FPS效能。

▲ 畫面升頻則是降低遊戲的繪製解析度，再透過機器學習模型的推論將畫面放大至螢幕解析度，以節省運算資源，達到提高FPS效能與降低延遲的效果。這項功能依遊戲廠商的設計可以由AMD驅動程式或遊戲中選單開啟。