ANR公测，跨三家显卡挑战DLSS

Apex Compute 在 11 月 12 日开放了 Apex Neural Rendering（ANR）测试版，一套试图打破显卡品牌边界的 AI 渲染方案正式进入玩家测试阶段。它计划提供帧生成、超分辨率和光线重建三项能力，目前率先开放的是 ANR Frame Generation，也就是 ANR FG。(ithome.com)

ANR 是一套面向实时图形渲染的神经网络技术组合，目标是在不重新渲染全部像素的情况下提高画面帧率、分辨率和光线追踪质量。它最值得关注的地方不是厂商宣称的跑分领先，而是覆盖英伟达、AMD 和英特尔三家 GPU，甚至将 GTX 16、Radeon RX 5000 和 Steam Deck 这类无法使用原生 DLSS 帧生成的硬件纳入支持范围。

这直接戳中了 DLSS 最坚固、也最具争议的一道围墙：技术体验与显卡品牌、硬件代际深度绑定。

ANR不只是一个插帧工具

帧生成是一种根据前后真实渲染帧推算中间画面的技术，它提高的是显示帧率，而不是游戏引擎真正完成逻辑、物理和输入处理的频率。简单来说，GPU 原本每秒渲染 60 张真实画面，帧生成可以在相邻画面之间补出一张或多张预测帧，让显示器接收到 120 FPS、180 FPS 甚至更高的画面流。

超分辨率是一种从低分辨率输入重建高分辨率图像的技术，它用较低的原始渲染成本换取接近高分辨率输出的视觉效果。光线重建则是用神经网络替代或辅助传统降噪器，从稀疏的光线追踪采样中恢复反射、阴影和全局光照细节。

ANR 的完整规划正好覆盖这三块：ANR FG 负责帧生成，ANR SR 负责超分辨率，ANR RR 负责光线重建。不过截至 2026 年 11 月 12 日，只有 ANR FG 已进入公开测试，ANR SR 和 ANR RR 仍处于「Beta soon」状态。(github.com)

这意味着今天可以下载的 ANR 还不是完整的 DLSS 替代品。DLSS 已经把超分辨率、帧生成、光线重建和低延迟协同成一套商业化技术栈，而 ANR 现阶段只交付了其中一块，离「全家桶对全家桶」还有明显距离。

覆盖范围比跑分更重要

ANR FG 的硬件支持范围明显比英伟达原生帧生成更宽。官方 GitHub 项目列出的兼容设备包括 GeForce GTX 16 系列、RTX 20 至 RTX 50 系列，Radeon RX 5000 至 RX 9000 系列、Steam Deck，以及 Intel Arc A、Arc B 系列。

操作系统方面，ANR FG 支持 Windows 10、Windows 11，也可以通过 Proton 运行在 Linux 和 SteamOS 上。11 月 12 日发布的 FG V.B14 还列出了 Apple silicon M1 及更新芯片，以及 macOS 26 或更新系统的测试工具支持。(github.com)

| 平台 | ANR FG 当前支持范围 | |---|---| | NVIDIA | GeForce GTX 16；RTX 20、30、40、50 系列 | | AMD | Radeon RX 5000、6000、7000、9000 系列 | | Intel | Arc A 系列、Arc B 系列 | | 掌机 | Steam Deck | | Apple | Apple silicon M1 及更新型号的测试工具 | | 系统 | Windows 10/11、Linux、SteamOS、macOS 26+ |

这种兼容策略对旧显卡用户尤其有价值。RTX 20、RTX 30 和 GTX 16 用户可以使用 DLSS 超分辨率，却不能使用英伟达原生 DLSS Frame Generation；AMD 和英特尔用户则更不可能在正常情况下调用 DLSS 帧生成。ANR 如果能在这些设备上稳定工作，相当于把原本由硬件厂商划定的功能边界向后推了数代。

Steam Deck 的支持则比桌面显卡更有现实意义。掌机 GPU 的算力和功耗预算有限，许多大型游戏很难同时维持高画质和稳定帧率；如果 ANR 能以较低开销把稳定的 30 FPS 或 40 FPS 转换为更连贯的显示输出，它带来的体验变化可能比在 RTX 5090 上从 200 FPS 提升到更高数字更明显。

官方数据确实漂亮

Apex Compute 公布的性能数据表明，ANR FG 在 RTX 5090、3840×2160 分辨率下的单帧生成时间和显存占用均低于 NVIDIA DLSS Frame Generation。

| RTX 5090、4K 测试 | ANR FG | DLSS FG | ANR 相对变化 | |---|---:|---:|---:| | 2X 模式生成一帧耗时 | 1.01 ms | 1.26 ms | 降低 19.8% | | 4X 模式生成帧平均耗时 | 0.61 ms | 0.82 ms | 降低 25.6% | | GPU 显存占用 | 214 MB | 562 MB | 减少 61.9% |

这组数字中，显存占用比 0.25 毫秒的时间差更值得关注。ANR FG 比 DLSS FG 少占用 348 MB 显存，对拥有 32 GB 显存的 RTX 5090 几乎无关痛痒，但对 6 GB、8 GB 显存的旧显卡和掌机而言，几百 MB 可能决定游戏会不会出现材质降级、显存交换或帧时间尖峰。(ithome.com)

生成耗时的优势则需要谨慎解读。2X 模式下，ANR FG 每张生成帧比 DLSS FG 快 0.25 毫秒；4X 模式下，两者相差 0.21 毫秒。这个差距证明 ANR 的模型可能足够轻量，但不能直接推导出游戏总帧率提高 20% 或端到端延迟降低 20%。

帧生成只是完整渲染管线中的一个环节。游戏实际帧率还受到 CPU 提交、光栅化、光线追踪、超分辨率、显示同步和驱动调度影响；玩家感受到的延迟还包括鼠标或手柄输入、游戏引擎更新、真实帧渲染和显示器扫描。一个更快的插帧模型，可以降低部分开销，却不能让生成帧拥有真实帧的输入信息。

4X模式不是免费获得四倍性能

多帧生成是一种在两张真实渲染帧之间连续生成多张预测帧的技术，它能够快速抬高显示 FPS，但不会同步提高游戏逻辑的更新频率。ANR 所谓的 4X 模式，可以理解为每个真实渲染周期输出更多中间帧，而不是让 GPU 的原生渲染性能突然提升至四倍。

这一点对竞技游戏尤其重要。假设游戏原生只有 30 FPS，那么真实帧之间相隔约 33.3 毫秒；即使通过帧生成显示为 120 FPS，角色操作、物理状态和输入反馈的基础节奏仍接近 30 FPS。画面看起来更平滑，但操控不会自动变成原生 120 FPS 的响应水平。

ANR 真正适合的场景可能是已经具备稳定基础帧率、但显示流畅度不足的游戏。稳定的 50 至 80 FPS 加帧生成，通常比波动的 20 至 35 FPS 加帧生成更可靠，因为神经网络拥有时间间隔更短、差异更小的真实帧作为输入，遮挡关系和高速运动也更容易预测。

所以，ANR 能不能挑战 DLSS，不应该只看它「每帧生成快了多少」。更关键的问题是帧时间是否稳定、HUD 是否被错误插值、镜头快速转动时是否出现重影，以及低基础帧率下是否产生明显的物体撕裂和边缘闪烁。

公测版本仍有明显的工程门槛

ANR FG 目前更像面向发烧友和开发者的兼容层方案，而不是已经完成商业化集成的游戏功能。用户需要下载 anr-fg-full 或 anr-fg-addon 软件包，将其安装到具体游戏的可执行文件目录，再通过 OptiScaler 接入游戏已有的帧生成接口。

OptiScaler 是一个用于在游戏中替换或适配超分辨率、帧生成实现的开源工具，ANR 借助它接收游戏原本提供给帧生成系统的图像和运动信息。安装完成后，部分游戏需要在设置中开启 NVIDIA 帧生成选项，底层实现才会被替换为 ANR FG。(github.com)

这套方式的优势是部署快，不需要等待每一家游戏工作室单独适配。它的代价同样明显：每款游戏的渲染管线、资源格式、HUD 合成顺序和反作弊机制都可能不同，兼容性很难仅靠一套替换层完全解决。

GitHub 发布记录已经暴露出这种早期状态。FG V.B10 曾修复《无人深空》无法正确读取无 HUD 图像的问题；V.B11 处理了部分 NVIDIA Streamline 游戏在 AMD 显卡上可能出现的损坏画面；V.B13 再次调整图像格式转换，避免 HUD 与场景一起被插值；最新 V.B14 则解决旧版 Microsoft Visual C++ 运行库导致部分游戏误报不支持 DirectX 12 的问题。(github.com)

一天之内快速迭代多个版本说明开发团队响应很快，也说明 ANR 还处于真正意义上的公测阶段。对于愿意折腾、能够提交日志和复现问题的用户，它已经值得尝试；对于只希望在游戏设置中打开一个开关的普通玩家，它还没有达到 DLSS 原生集成的成熟度。

跨平台不等于每张卡表现一致

ANR 支持多家 GPU，不代表它在所有架构上的速度、画质和稳定性完全相同。不同显卡拥有不同的矩阵计算单元、数据格式支持、驱动编译器和内存带宽，统一模型最终仍需要针对具体硬件选择执行路径。

Intel Arc B 系列就是一个直接例子。FG V.B12 开始调用 Arc B 系列的 XMX 矩阵计算单元，使 Arc B580 在 4K、2X 模式下的生成帧耗时从 6.88 毫秒降至 5.99 毫秒，下降约 12.9%；在 1080p 下则从 1.81 毫秒降至 1.57 毫秒，下降约 13.3%。(github.com)

AMD Radeon RX 7000 和 RX 9000 系列在部分 Vulkan 游戏中也可以利用矩阵计算单元，但官方给出的提升幅度只有 2% 至 5%，并且取决于游戏创建设备时开放的能力。这些更新证明 ANR 并非简单地把同一个通用计算程序扔给所有 GPU，而是在逐步适配不同厂商的专用硬件路径。

老显卡支持因此既是 ANR 最大的卖点，也是最大的测试压力。GTX 16 和 Radeon RX 5000 可以运行，不等于它们能够在 4K 分辨率或高倍帧生成下保持足够低的开销；Steam Deck 可以安装，也不等于所有 30 FPS 游戏都能稳定输出无伪影的 60 FPS。

ANR暂时没有击败DLSS

ANR 当前最有说服力的成绩，是用更开放的硬件覆盖范围交付了一个能够运行的 AI 帧生成测试版。它在厂商自测中拥有更低的单帧生成耗时和显存占用，也表现出快速修复游戏兼容问题的能力。

ANR 当前最缺乏的证据，是大规模独立测试。现有核心性能数字来自 Apex Compute 自己选择的 RTX 5090、4K 场景，画质对比素材和测试方法同样由开发团队提供；这些结果可以证明方案有潜力，但不能证明它在数十款游戏、多种 GPU 和复杂 UI 场景中全面领先 DLSS。

DLSS 的护城河也不只是一个神经网络模型。英伟达拥有驱动、Tensor Core、Streamline、游戏开发者合作和延迟优化链路，能够在游戏正式发布前完成集成和验证；ANR 目前依赖兼容层进入游戏，必须面对接口差异、反作弊限制和渲染资源格式变化。

因此，ANR 对 DLSS 的第一轮挑战不是画质王座之争，而是生态开放性之争。如果它能让 GTX 16、RTX 20/30、Radeon RX 和 Intel Arc 用户以可接受的开销获得稳定帧生成，哪怕画质只做到接近 DLSS，也已经具备实际价值。

真正的考验刚刚开始

ANR 接下来需要证明三件事：第一，在 RTX 5090 之外的中低端显卡上，模型开销是否仍足够低；第二，在真实游戏中，HUD、粒子、透明物体和快速镜头是否能保持稳定；第三，计划中的 ANR SR 和 ANR RR 能否按期落地，并与 ANR FG 形成完整的神经渲染管线。

独立测试最应该覆盖的也不是平均 FPS，而是基础帧率、1% Low、端到端输入延迟、显存峰值和逐帧画质。只有当这些指标在不同品牌、不同代际 GPU 上都能复现，ANR 才能从一个有趣的兼容工具成长为真正的 DLSS 竞争者。

现阶段的结论很明确：ANR 值得关注，也值得有经验的玩家参与测试，但还不值得仅凭厂商数据宣布「DLSS 已被超越」。它打开了一扇门，让 AI 渲染能力不再天然等同于购买某一家最新显卡；门后的路能不能走通，要看未来几个月的兼容性迭代和第三方实测。

参考来源

• Apex Compute：ANR 官方 GitHub 项目 — 包含功能规划、硬件支持范围、安装方式和问题反馈说明。
• ANR FG V.B14 发布页面 — 2026 年 11 月 12 日发布的最新测试版本及修复内容。
• ANR 全部版本发布记录 — 包含 Intel XMX、AMD 矩阵单元、HUD 处理和游戏兼容性更新。
• IT之家：ANR 跨平台 AI 渲染技术公测 — 汇总 ANR 与 DLSS 的性能、显存数据及公测信息。