NVIDIA 2025: od DLSS-a do potpunog AI renderiranja – tehnička analiza budućnosti grafičkog prikaza

1. Tradicionalno renderiranje i njegov limit

Rasterizacijsko renderiranje temelji se na tome da GPU obrađuje svaki trokut i svaki piksel scene. Uz realistične simulacije svjetla, refleksija i kompleksne shader efekte, broj operacija eksponencijalno raste. Svaka generacija GPU-a donosi rast tranzistora, ali taj rast više ne prati jednak porast performansi. Istovremeno, energetska potrošnja sve je izraženiji problem – high-end GPU-ovi troše i preko 600 W, što postavlja granice daljnjeg skaliranja rasterizacije.

2. DLSS kao most prema AI renderiranju

DLSS (Deep Learning Super Sampling) koristi temporalne podatke iz prethodnih frameova, vektore gibanja i low-res ulazni signal, a zatim neuronska mreža rekonstruira high-res sliku.

DLSS 2: fokus na upscaling (npr. 1080p → 4K).

DLSS 3: uvodi Frame Generation – AI predviđa i interpolira cijeli novi kadar između dvaju stvarno renderiranih frameova.

DLSS 4 (2024.): značajno povećava omjer predviđenih piksela – do 15/16 sadržaja na ekranu zapravo generira AI, a ne GPU rasterizacija.

Time DLSS nije više samo pomoćna tehnologija, nego ključni temelj za potpuni prijelaz na AI renderiranje.

3. Neural Rendering – arhitektura budućnosti

U sklopu Blackwell arhitekture, NVIDIA uvodi koncept Neural Renderinga. Umjesto rasterizacije kao glavnog mehanizma, neuronske mreže generiraju većinu ili sve piksele u stvarnom vremenu. Modeli se treniraju na ogromnim datasetovima renderiranih scena i mogu predviđati kako bi scena trebala izgledati pod određenim kutem kamere, osvjetljenjem i fizičkim uvjetima. Time GPU više nije samo procesor za vektorsku matematiku, već hibridni čip – kombinacija klasičnih CUDA jezgri, RT jezgri i dediciranih AI akceleratora. Na Hot Chips 2025 NVIDIA je istaknula da se ovom metodom FPS može povećati i do 10 puta, dok se zadržava fotorealistična kvaliteta.

4. Energetska učinkovitost i skalabilnost

Ključni problem rasterizacije je nelinearno skaliranje:

• Za 10 % boljeg vizualnog prikaza, često je potrebno i do 30–40 % više tranzistora i energije
• AI zaobilazi taj problem jer se oslanja na predikciju, a ne na direktno računanje svakog piksela

Rezultat:

• Manja potrošnja energije po prikazanom kadru
• Veća skalabilnost – AI modeli se mogu usavršavati i ažurirati softverski, bez da korisnici nužno trebaju novu generaciju hardvera

5. Potencijalne granice i izazovi

Iako vizija „100 % AI piksela” zvuči revolucionarno, postoje i tehnička pitanja:

• Točnost i artefakti: AI ponekad može generirati vizualne anomalije, osobito u brzim pokretima ili netipičnim scenama
• Latencija: Frame Generation povećava kašnjenje inputa jer interpolacija zahtijeva dodatno vrijeme obrade
• Trening modela: zahtijeva ogromne datasetove i računalne resurse, što znači da NVIDIA mora razvijati i centralizirane AI sustave, a ne samo grafičke kartice
• Kontrola developera: u potpunom AI renderiranju programeri gube dio izravne kontrole nad vizualnom prezentacijom – što otvara pitanja o „autentičnosti” umjetničkog rada

6. Strateški značaj

Za NVIDIJU, AI renderiranje nije samo tehnološka inovacija nego i strateški zaokret:

• Pozicionira RTX GPU-ove kao ključnu infrastrukturu za buduće igre i profesionalnu vizualizaciju
• Stvara diferencijaciju u odnosu na konkurenciju (AMD i Intel), koja zasad nema jednako razvijene AI rendering pipeline-ove
• Otvara vrata novim tržištima – od metaversea do industrijske simulacije, gdje energetska učinkovitost i skalabilnost imaju kritičnu važnost

Zaključak

DLSS je bio prvi veliki korak prema oslanjanju na umjetnu inteligenciju u grafici. Neural Rendering označava sljedeću fazu – svijet u kojem bi svaka točka na zaslonu mogla biti proizvod neuronske mreže. Ako se vizija ostvari, u nadolazećem desetljeću mogli bismo svjedočiti potpunom pomaku paradigme: od „računanja” piksela prema „generiranju” piksela odnsno od GPU-ova kao rasterizacijskih strojeva prema AI hibridnim akceleratorima.

No ostaje otvoreno pitanje – hoće li umjetna inteligencija zauvijek riješiti problem performansi i potrošnje energije ili će donijeti nove izazove, od vizualnih anomalija do gubitka kreativne kontrole?