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。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 RegenerationAMD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。 ▲ AMD也會先在伺服器進行畫面升頻的模型訓練，執行遊戲時模型會將低解析度畫面搭配遊戲引擎提供的深度、色彩、動態向量等資料，推論出與螢幕解析度相同的遊戲畫面。 ▲ 參考FSR Redstone升頻的畫面（中），畫面充桅杆與繩索的清晰度明顯優於原生1080p（右）與FSR 3.1升頻（左）。 ▲ 畫格生成也在機器學習的加持下改善鬼影的狀況，提供更穩定的動態畫面與強化細節。 ▲ 以機器學習為基礎的畫格生成技術會以2張遊戲畫面為參考，遊戲引擎提供的深度、色彩、動態向量等資料，透過推論方式產生全新畫格，如此一來就能在不增加繪圖運算量的前提下提高遊戲的FPS效能。 ▲ FSR Redstone的畫格生成能夠有減緩低鬼影的問題。 ▲ AMD說明使用Radeon RX 9090 XT在4K解析度執行《決勝時刻：黑色行動7》的平均FPS為80幀，開啟光線追蹤後會降低至23幀，但能夠呈現玻璃反射的文字。開啟FSR Redstone的畫面升頻、畫格生成、光線重建等技術後，不但能夠保留玻璃反射效果，FPS效能甚至比關閉光線追蹤還高。 ▲ AMD提供的FSR Redstone效能增益數據，平均能讓遊戲FPS效能提高至3.3倍，最高甚至達4.7倍。 ▲ 在2025結束前，預計會有超過200款遊戲支援1個或多個FSR Redstone技術。 ▲ AMD提供的FSR Redstone軟體開發透件能夠透過替換DLL（動態連結函數庫）的方式對現有遊戲進行升級，簡化遊戲開發者的工作流程。相關資源於2025年12月10日釋出。 ▲ 目前AMD已正式推出FSR Redstone的畫面升頻、畫格生成、光線重建等功能，幅射快取將於2026年推出。 ▲ FSR 4與Redstone最大的不同在與導入機器學習方案，但是系統需求也比較嚴苛，需要搭配RDNA 4架構的AMD Radeon RX 9000系列顯示卡。 需要至注意的是，由於FSR Redstone導入機器學習演算法，因此系統需求也提高至採用RDNA 4架構的AMD Radeon RX 9000系列顯示卡。加入T客邦Facebook粉絲團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。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 RegenerationAMD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。 ▲ AMD也會先在伺服器進行畫面升頻的模型訓練，執行遊戲時模型會將低解析度畫面搭配遊戲引擎提供的深度、色彩、動態向量等資料，推論出與螢幕解析度相同的遊戲畫面。 ▲ 參考FSR Redstone升頻的畫面（中），畫面充桅杆與繩索的清晰度明顯優於原生1080p（右）與FSR 3.1升頻（左）。 ▲ 畫格生成也在機器學習的加持下改善鬼影的狀況，提供更穩定的動態畫面與強化細節。 ▲ 以機器學習為基礎的畫格生成技術會以2張遊戲畫面為參考，遊戲引擎提供的深度、色彩、動態向量等資料，透過推論方式產生全新畫格，如此一來就能在不增加繪圖運算量的前提下提高遊戲的FPS效能。 ▲ FSR Redstone的畫格生成能夠有減緩低鬼影的問題。 ▲ AMD說明使用Radeon RX 9090 XT在4K解析度執行《決勝時刻：黑色行動7》的平均FPS為80幀，開啟光線追蹤後會降低至23幀，但能夠呈現玻璃反射的文字。開啟FSR Redstone的畫面升頻、畫格生成、光線重建等技術後，不但能夠保留玻璃反射效果，FPS效能甚至比關閉光線追蹤還高。 ▲ AMD提供的FSR Redstone效能增益數據，平均能讓遊戲FPS效能提高至3.3倍，最高甚至達4.7倍。 ▲ 在2025結束前，預計會有超過200款遊戲支援1個或多個FSR Redstone技術。 ▲ AMD提供的FSR Redstone軟體開發透件能夠透過替換DLL（動態連結函數庫）的方式對現有遊戲進行升級，簡化遊戲開發者的工作流程。相關資源於2025年12月10日釋出。 ▲ 目前AMD已正式推出FSR Redstone的畫面升頻、畫格生成、光線重建等功能，幅射快取將於2026年推出。 ▲ FSR 4與Redstone最大的不同在與導入機器學習方案，但是系統需求也比較嚴苛，需要搭配RDNA 4架構的AMD Radeon RX 9000系列顯示卡。 需要至注意的是，由於FSR Redstone導入機器學習演算法，因此系統需求也提高至採用RDNA 4架構的AMD Radeon RX 9000系列顯示卡。加入T客邦Facebook粉絲團