索尼与 AMD 最近在一段官方视频中首次公开讨论了即将到来的 PlayStation 6 的三项关键 GPU 技术：神经阵列（Neural Arrays）、Radiance 核心（专用光线追踪单元） 与 通用压缩（Universal Compression）。在视频里，PlayStation 系统架构师 Mark Cerny 与 AMD 的 Jack Huynh 一起解读了这些技术的原理与模拟结果，并把这一系列合作统称为 “紫水晶计划”（Amethyst program）。这并非简单的参数升级，而是试图在硬件架构层面为未来游戏渲染与 AI 加速做出根本性改变。下面把核心内容拆开、并讨论其可能的影响。
紫水晶计划是什么——三股技术合力
紫水晶计划并非单一技术，而是索尼和 AMD 联合打造的一套体系化策略，目标是把机器学习、专用光线追踪和高效带宽管理整合进下一代主机 GPU 架构，使游戏渲染在画质与能效上同时获得显著提升。三项技术互为补充：
- 神经阵列（Neural Arrays）：把大量面向 ML 的算力模块以更紧密的方式融入 GPU 架构，形成一个协作的 AI 引擎，专门处理神经渲染、超分、材质合成等任务。
- Radiance 核心（Radiance Cores）：专用的实时光线/路径追踪加速模块，承担极其昂贵的光线计算，减轻 GPU 常规着色单元与 CPU 的负担。
- 通用压缩（Universal Compression）：对进入 GPU 的所有类型数据实施更智能、更广泛的压缩，以极大降低内存带宽压力并节省功耗，同时配合神经阵列与 Radiance 核心发挥更好协同效应。
神经阵列：把 AI 从“外挂”变成“芯片的一等公民” 🧠
过去几年我们见证了 AI 在图像重构、降噪与超分辨率等方面的惊人成果，但大多依赖于离线或云端计算。神经阵列的思路是：在 GPU 内部布置专门、可扩展的 ML 单元，它们不是孤立模块，而像“协作的 AI 引擎”，能共享数据与中间态，直接参与渲染流水线。
优点包括：
- 更大的 ML 模型可在边缘实时运行（例如物体级别的神经渲染、基于采样的降噪）；
- 更低延迟与更小功耗（相比将数据上下送往通用算力）；
- 更高的可扩展性，面对未来更复杂的 AI 渲染任务更有余地。
需要注意的是，Mark Cerny 提到这些工作目前主要还停留在模拟阶段，现有的 PS5 / PS5 Pro 架构并不直接兼容。
Radiance 核心：光线追踪的专用化之路 ✨
光线追踪仍是现代渲染中最吃算力的环节。AMD 与索尼提出的 Radiance 核心，是一种专门处理光线与路径追踪的硬件单元——类似于 NVIDIA 的 RT Core 思路，但更强调与神经阵列的协同。
这样的专用模块可以：
- 分担大量光线求交与路径跟踪计算，释放主 GPU 着色单元做其它工作；
- 与 ML 模型（如基于学习的采样或重建）紧密配合，达到更少采样却更高质量的实时光照效果。
按 AMD 的表述，Radiance 核心旨在弥补过去在光线追踪领域的一些短板，为 PlayStation 平台带来更广泛的实时光影表现能力。
通用压缩：带宽就是王道 📦
当渲染变得更复杂，带宽往往成为瓶颈。所谓的通用压缩并非只针对纹理，而是对“进入 GPU 的所有数据”做智能压缩与流控。这能带来三重收益：降低内存带宽压力、减少功耗、并提高材料 / 纹理 / 中间缓冲的保真度。
关键是，当压缩与神经阵列、Radiance 核心协同工作时，系统可用更少的数据实现更高质量的视觉输出——例如把压缩后数据作为神经网络输入来做恢复或上采样。
实用性与挑战：从模拟走向量产的悬念
索尼与 AMD 在视频中多次强调：目前这些技术仍处于早期模拟阶段，实际硬件实现、功耗、散热和开发者工具链，都还有大量工程问题要解决。具体挑战包括：
- 硬件复杂度：增加神经阵列与 Radiance 核心意味着芯片组织更复杂，热设计与硅片面积成本需评估；
- 软件生态：开发者需要新的 API、编译器与中间件来有效利用这些硬件资源；
- 实时性与可靠性：把 ML 模型部署到硬件需要在精度、延迟与稳定性间取舍；
- 兼容性：现有游戏是否能平滑过渡，或需重构渲染管线。
尽管如此，AMD 表示其计划把这些创新向全平台开发者开放，不仅限于 PlayStation，这对游戏产业生态是积极信号。
这是一次架构级的“押注” 🎲
紫水晶计划显示出索尼与 AMD 的野心：不是把更多算力简单堆在 GPU 上，而是在 体系结构级别 重新定义“实时渲染”的边界——把 AI、光线追踪与压缩紧密耦合。若这些技术能从模拟走向可量产硬件，并获得工具链与开发者生态的配合，它将可能在未来几年内显著提升主机游戏的视觉质量与能效。但这条路并不容易——从模拟到上市仍有一段长路要走。我们可以期待，但也该谨慎乐观。