廣大遊戲玩家都知道，現在的主流遊戲體積越來越大，越來越耗硬碟。比如大家比較熟悉的【荒野大鏢客2】、【極限競速地平線5】和【使命召喚】系列（上圖）等遊戲，完全安裝可輕松超過100GB。
平心而論，現在100GB也不算什麽，但這是對於機械硬碟來說，現階段大容量M2固態硬碟的價格並不便宜，對M2固態硬碟來說，100GB仍然還是比較大的。另外，遊戲玩家的電腦裏往往會安裝多款遊戲，所有遊戲都全部加在一起，對儲存空間的壓力就大了。
至於遊戲體積為什麽越來越大，這個問題很好理解，因為現在的遊戲畫質越來越高，畫質越高對各種素材（比如各種材質、紋理和貼圖等等）檔的質素要求也越高，因此，遊戲的總體積就會越來越大。
事實上，不光是遊戲面臨這樣的問題，音訊和影片同樣如此。如果要進一步提高音質和畫質，就需要提高取樣率儲存更多的細節，這樣也同樣會導致最終檔的體積變大。——非常類似處理器的功耗和效能，效能越高，意味著功耗也就越高。
不過，對於音訊和影片來說，這個問題要好解決的多，本質上是就是需要不斷地最佳化、改進（編碼和解碼的）演算法。新演算法要在能保證音質和畫質的情況下盡量減少體積，比如MP4、MP5和AV1等方案，就都是沿著這個思路向前發展的。
相對而言，對如何盡可能地壓縮、降低遊戲體積的研究相對滯後，不過最近一段時間，AMD推出了一種基於人工智能的紋理壓縮方法，英文為名稱「Neural Texture Block Compression」，簡稱「NTBC」，中文譯名為神經紋理塊壓縮技術，聲稱這項技術可以大幅降低遊戲的體積。
不同於目前傳統的BC壓縮演算法，NTBC技術的核心和優勢在於采用了神經網絡架構AI技術，因此擁有「降維打擊」的優勢。
NTBC利用深度學習模型來分析和理解紋理數據的特征，可以透過訓練神經網絡來辨識紋理中的冗余資訊，並學習如何在保留細節的同時去除這些冗余。
在編碼階段，NTBC透過對紋理塊進行分析，辨識出關鍵的特征點，並將這些特征轉換成更緊湊的表示形式。而在解碼階段，它會根據壓縮後的特征重新構建原始紋理，盡可能地還原細節和色彩，確保遊戲畫面的保真度不受影響。
NTBC的優勢和作用並不只降低遊戲的體積，還可以提升遊戲的效能。這也非常好理解，因為原有的各種素材檔經過壓縮後體積更小，在遊戲執行過程中所消耗的視訊記憶體容量也更小，有傳聞稱可節省30%的視訊記憶體。
系統可以將節省下來的視訊記憶體用於其它目的，從而可以在相同的硬件條件下，提供更高的遊戲幀率和更流暢的遊戲體驗。
看到這裏，廣大遊戲玩家對AMD的NTBC技術可能非常期待，希望能盡早使用體驗到，不過，目前NTBC仍處於早期的理論研究階段，目前已知它還有一些問題和不足，比如它偶爾會建立模糊的細節或偽影等等。
總的來說，AMD的NTBC技術的核心是透過神經網絡最佳化紋理壓縮演算法，從而大幅降低遊戲的體積和視訊記憶體使用量，同時保持高質素的畫質，這是一項非常具有創新意義的技術，其發展潛力和套用前景很廣。
至於NTBC技術到底什麽時候能落地，可實際套用於商業遊戲中，目前還不得而知，小編會在第一時間分享更多相關後續動態和爆料，敬請關註。
