作者 | 李冬梅

長期以來，移動游戲圖形技術的發展始終受制于一個核心矛盾：開發者希望獲得接近 PC 和主機平臺的畫面表現，但手機的功耗、散熱和電池容量決定了其無法簡單復制桌面端的渲染方案。

近日，Arm 與游戲開發商 Sumo Digital 聯合公布了一款名為《光影新生》（Neural Dawn）的技術演示型手游項目。

與其說這是一款游戲，不如說它更像是一場針對下一代移動圖形技術的實戰驗證：在有限功耗預算下，如何通過 AI 與圖形渲染的結合，讓移動設備運行此前主要出現在高端 PC 和主機上的實時光照技術。

該項目最大的意義在于它首次將 Arm 正在推進的“神經圖形”技術完整嵌入真實游戲開發流程，并展示了未來移動 GPU 的一個重要發展方向——從單純提升圖形算力，轉向圖形計算與神經計算協同工作。

從“更快的 GPU”到“AI 參與渲染”

過去幾十年，圖形技術的發展邏輯相對簡單：增加晶體管數量，提高 GPU 性能，再通過更高的計算能力實現更復雜的畫面效果。

但移動設備并不具備無限擴展功耗的空間。

隨著實時光線追蹤、高動態光照、大規模場景渲染等技術逐步進入游戲行業，傳統路徑開始遇到瓶頸。

Arm 此次展示的核心思路是利用 AI 模型參與圖形渲染流程，讓部分原本需要大量 GPU 運算完成的工作交由神經網絡處理，從而降低總體計算成本。

《光影新生》采用了兩項關鍵技術：

• Neural Super Sampling and Denoising（NSSD，神經超級采樣與降噪）

• Neural Frame Rate Upscaling（NFRU，神經幀率提升）

其思路與 PC 領域已經廣泛應用的 AI 超分辨率技術類似。

游戲首先以較低成本完成基礎渲染，然后利用神經網絡恢復圖像細節、提升畫面質量，并生成更平滑的動態效果。

對于移動平臺而言，這意味著：GPU 實際渲染負載下降、功耗和發熱壓力降低，節省出來的預算可用于更復雜的光照與場景效果。

換句話說，AI 在這里并非游戲玩法的一部分，而是成為渲染管線中的組成模塊。

神經技術與虛幻引擎 MegaLights 首登移動端

相比神經渲染本身，《光影新生》更受行業關注的一點是其采用了虛幻引擎（Unreal Engine）最新推出的 MegaLights 技術。

MegaLights 是 Unreal Engine 5.5 引入的新型動態光照系統。

傳統游戲開發中，大量光源同時存在會迅速推高渲染成本，因此開發者通常需要限制動態光源數量、使用預計算光照并對場景進行大量烘焙處理。

MegaLights 的目標則是允許場景中存在更多實時動態光源，并結合光線追蹤陰影進行計算。對于游戲開發者而言，這意味著燈光不再只是裝飾環境的背景元素，而可以直接參與敘事、關卡設計和玩家引導。

在《光影新生》中，光線本身被設計成核心玩法元素：玩家在洞穴網絡中探索時，光源既承擔氛圍塑造功能，也承擔導航和交互提示功能。

但問題在于，即便在部分主機游戲中，MegaLights 的應用仍然有限，因為其對算力要求極高。

而《光影新生》的技術價值恰恰在于驗證：移動設備是否能夠借助神經渲染技術承擔這種級別的實時光照計算。

Arm 為什么開始在 GPU 中加入神經加速能力

從產業趨勢看，這并不是一次單純的游戲技術展示。更重要的信息來自 Arm 對未來 GPU 架構的規劃。

按照 Arm 公布的信息，其下一代 Arm Mali GPU 將首次集成專用神經加速器（Neural Accelerator），并納入今年晚些時候推出的移動端 Arm CSS（Compute Subsystem）平臺。

這意味著未來的 Mali GPU 不再只是圖形處理器。其設計思路開始接近 PC 領域近年來興起的 AI+GPU 融合架構：

• GPU 負責傳統圖形計算；

• 神經加速器負責 AI 推理；

• 兩者共同完成圖像生成與優化。

從技術演進角度看，這也是行業的共同方向。無論是 PC 顯卡中的 AI 超采樣技術，還是手機 SoC 中不斷增強的 NPU，本質上都在利用神經網絡替代部分傳統渲染工作。

Arm 此次展示的重點在于：這種模式開始從實驗室研究進入真實游戲項目驗證階段。

對于游戲行業來說，新技術能否落地，往往不取決于技術本身，而取決于開發成本。

如果一項技術需要重寫渲染管線、重新培訓團隊，那么即使效果再好也難以普及。因此 Arm 此次特別強調：開發者可以通過 Unreal Engine 插件直接接入相關能力，而不必構建新的圖形架構。

根據官方披露的信息，《光影新生》由 Sumo Digital 一個約 17 人的團隊開發，項目周期約 18 個月。

更重要的是，其采用的工作流與未來開發者接入 Arm 神經圖形開發套件時的流程基本一致。

對于開發者而言，這意味著無需自建 AI 渲染框架也無需大量底層優化工作，就可以在現有 Unreal Engine 項目中逐步引入相關能力。這也是 Arm 后續發布《Arm 神經技術實踐指南》以及神經圖形開發套件的重要背景。

會議推薦

企業級 Agent 落地，繞不開 4 個真實的工程問題！如何在 Agent 安全性和可用性之間找到平衡點？Agent 需要什么樣的記憶系統才能真正理解上下文？如何通過算法壓榨實現智力增量與成本控制的極致平衡？多 Agent 協作，如何做到可觀測、可治理、可控制？6.26-27 AICon 上海站，國內頭部公司的 Agent 實踐，一次說透。

今日薦文

你也「在看」嗎？