上周末，英特尔首次发布了ARC原型显卡搭载的XeSS超采样技术的真实游戏演示，这标志着8月份英特尔ARC发布时宣布的几项独特技术开始进入实用阶段，也标志着ARC距离量产又进了一步。
那么，XeSS，英特尔自己的超级采样技术来挑战DLSS和FSR，这是怎么回事呢？效果如何？
机器演示，效果惊人。
这次演示是在动作塔防御杰作Riftbreaker上进行的。因为单位数量不限，场景宏大建模精细，粒子效果众多，游戏实际上在显卡上背负了沉重的负担。随着游戏后期的发展，游戏两边的建筑和战斗单位越来越多，离子爆炸的特效也越来越频繁，对帧率的影响更大。
但是在演示视频中，我们可以看到游戏始终在高帧率下运行，而原生4K、1080P和超采样缩放4K图像的对比显示，XeSS超采样处理的4K图像保留了更多原生图像的细节，同时比1080P的原生图像更清晰，所以还是相当有能力和效果的。
1080PXeSS超级采样放大到4K后甚至比原生的1080P还要清晰。
XeSS，首个“双引擎”超级采样技术
XeSS的全称是Xe超级采样，也就是“Xe超级采样”。Xe指以ARC等为代表的新一代英特尔图形芯片架构技术。
XeSS让我们大开眼界的第一点是，它是行业内首创的“双引擎”超级采样技术。
我们知道，目前NVIDIA和AMD的超采样技术基本上是一条技术路线去推广，应用范围不同。比如英伟达的DLSS是基于RTX显卡的Tensor人工智能机器的学习核心，所以只能在RTX显卡上生效。支持的游戏需要进行预学习和训练，随着学习和训练的深入，可以获得越来越好的帧率优化效果。FSR是一种新的开源超级采样算法，它基于对开源Lanczos缩放算法的优化。理论上可以应用于所有的图形硬件，但还是“缩放”。另一方面，XeSS通过引擎XMX(Xe Matrix eXtensions)在英特尔自己的硬件上执行超级采样。XMX实际上是硬件核心，类似于NVIDIA的TENSOR机器学习核心，所以XeSS实际上是通过机器人工智能的深度学习实现的。另一方面，它使用DP4a指令集实现超采样，在效率和效果上有一定的折扣，但能适应更多硬件——的关注，并不是“全”图形硬件。
这使得XeSS成为业内首个采用“双引擎”工作机制的超采样技术。
DP4a指令集是第11代酷睿发布时，英特尔深度学习加速指令集(英特尔DL Boost)中包含的新功能。当时在Xe集成显卡上为神经网络推理提供了DP4a支持，首次为INT8数据类型提供了原生支持，可将AI性能提升多达5倍。
DP4a通过支持INT8数据类型的计算，大大提高了深度学习的效率。
DP4a随后加入了SM6.4的渲染核心技术，并将其加入到DX12的新功能中。因此，只要支持SM6.4的显卡理论上支持DP4a，那么面向人工智能机器深度学习的超采样技术XeSS也可以应用到显卡上。
DP4a软件算法的XeSS效果略低于硬件XMX引擎。
那么，哪些显卡/CPU已经支持DP4a了呢？
AMD: RDNA 2架构显卡，7nm Vega显卡，未来可能会被RDNA1支持。
NVIDIA:gsdtn架构显卡、图灵架构显卡、hcdsy架构显卡
XeSS，有什么新消息吗？
英特尔在开发ARC solo显示的超级采样技术时，就已经意识到XeSS的主要目标是在不损失任何帧或质量的情况下，将图像提升到更高的分辨率，最终产生最高质量的渲染，具有最精确的光照、最细致的阴影和反射效果，并以稳定的帧率将其引入场景。
1.XeSS通过深度学习来考虑运动矢量数据，以预测附近的像素并重建图像，而不是简单的空间缩放。
所以，比如我们拍10帧，每一帧都是动态的，而且帧内的物体都在运动，就很难正确放大图像，因为一帧的像素可能下一帧就不存在了。这就是神经网络显示其天赋的地方，因为它们可以帮助找出丢失的像素，然后通过人工智能和机器学习从相邻像素中重建细节。这与仅限于空间放大的FSR有很大不同。——FSR只能根据已经渲染的像素进行优化和缩放。
2.XeSS不需要为每场比赛分别调整训练和学习。
我们知道最早的NV
IDIA DLSS1.0作为人工智能深度学习的超级采样技术，是需要通过配置超级计算机的NVIDIA深度学习适配中心，做适配学习的。待适配学习结束，形成了不断自我优化学习的“套路”时，才会以新驱动的形式，下发到显卡上实现DLSS，并让显卡进一步自行优化DLSS效果。而对于XeSS，每个游戏都不需要自己单独适配训练，类似DLSS 2.0这样的基于神经网络的广义技术。例如，在8月的Intel Architecture Day上展示的虚幻引擎演示版本第一次使用XeSS，但XeSS之前从未接受过升级演示的学习训练，但也仍然取得了比较好的效果。
这张虚幻5 XeSS超级采样渲染图并未经过特殊适配学习
3. XeSS机器学习分辨率更高，并将支持8K分辨率超级采样
DLSS训练的分辨率是16K，而XeSS实际上是32K。模型训练为“每像素64个样本参考图像”。这意味着每个X和Y轴都有8个样本，总共是32个，因此有效的分辨率是32K。64x SSAA是XeSS机器学习的目标质量。对XeSS的8K支持也在开发中。
4.XeSS 2.0和XeSS 3.0已经在路上。
英特尔承认XeSS在8月发布时并不完美。随着神经网络技术和英特尔ARC显卡开发的推进，XeSS 2.0甚至3.0版本都将问世，进行迭代优化。
5.XeSS有多种质量模式
XeSS和DLSS、FSR一样，将有不同的质量模式。性能模式是为了获得最高的FPS，但同时也带来了最明显的质量下降。质量模式以更高的内部分辨率呈现，以提供更好的质量，但在这个过程中牺牲帧率。但XeSS追求的是性能模式产生的图像质量是十分接近超质量模式,不需要过分牺牲视觉体验。
6.XeSS将会开源
XeSS技术将会开源，无论是XMX引擎还是DP4a指令方式，都将采用同一套API接口和SDK开发包，方便游戏开发者进行适配。
总结
从最新的演示我们可以看出，目前XeSS已经初步实现了其预期目标。而对XeSS的理解，我们可以概括为：Intel新的，可以通过硬件和软件方式实现相近效果的，基于人工智能机器深度学习的图像超级采样技术。
随着ARC显卡的临近，我们也有理由相近，未来随着超级采样技术的普及，越来越多的中低端显卡将会获得如今中高端显卡才有的游戏体验。至于实际效果到底如何，让我们等待Intel ARC显卡的上市吧。
·END·