На конференции GTC 2026 компания Nvidia в рамках обсуждения нейронного рендеринга представила технологию Neural Texture Compression (NTC) — нейросетевое сжатие текстур, которое радикально меняет подход к хранению и обработке графических активов в играх и приложениях реального времени. В демонстрационной сцене Tuscan Villa (или Tuscan Wheels) потребление видеопамяти сократилось с 6,5 ГБ при традиционном блочном сжатии (BCn) до всего 970 МБ — снижение почти в 7 раз (точнее, на 85 %). Качество изображения при этом осталось идентичным или даже выше по детализации.
Это не просто маркетинговая цифра. Технология уже доступна в бета-SDK RTX Neural Texture Compression на GitHub, и она решает одну из самых острых проблем современной игровой индустрии — взрывной рост потребления VRAM из-за ультрадетализированных текстур.
Как работает Neural Texture Compression?
Классическое блочное сжатие (BC7, ASTC и аналоги) работает по принципу «разделить текстуру на блоки и сжать каждый». NTC принципиально другой: это машинное обучение. Текстуры (все PBR-каналы материала вместе: diffuse, normal, roughness, metallic и т.д.) кодируются в компактное латентное представление (latent features) — примерно 5 бит на тексель вместо 8–16 бит у BCn. На GPU маленькая нейросеть (специально обученная под материал) в реальном времени восстанавливает финальные значения текселей при сэмплировании.
Nvidia AI tech claims to slash VRAM usage by 85% with zero quality loss
Nvidia предлагает два основных режима:
- Inference on Load (транскодирование на загрузке) — текстуры декомпрессируются в BCn один раз. Экономия в основном на диске и PCIe-трафике, но VRAM-сбережение скромнее.
- Inference on Sample (нейронная декомпрессия при каждом сэмплировании) — максимальная экономия VRAM (до 90–96 % в отдельных демо), но требует больше вычислений на Tensor Cores.
Технология детерминированная (не генеративная, как Midjourney), поэтому артефактов «галлюцинаций» нет — результат всегда воспроизводимый и предсказуемый.
Конкретные цифры из демо
- Tuscan Villa: BCn → 6,5 ГБ VRAM; NTC → 970 МБ (–85 %). Качество идентичное или лучше.
- Flight Helmet (старое демо 2025): не сжатые 272 МБ → BCn 98 МБ → NTC 11,37 МБ (почти в 24 раза меньше оригинала).
Neural Texture Compression demo shows it can do wonders for VRAM usage | TechSpot
- Текстуры в современных играх занимают 50–70 % всей VRAM. NTC может превратить 8 ГБ-карту в «достаточную» для ультра-настроек даже в 2027–2028 годах.
Сравнение с традиционными методами
Сравнение с традиционными методами
Классическое блочное сжатие текстур (BCn, включая BC7, ASTC и их аналоги) уже много лет остаётся основным стандартом в игровой индустрии. Neural Texture Compression (NTC) работает по совершенно иному принципу, поэтому сравнивать их напрямую очень показательно.
Размер в видеопамяти
Обычные BCn-текстуры занимают базовый объём, который считается «нормой» сегодня. NTC в режиме Inference on Sample сокращает потребление VRAM на 85–96 %. В реальных демонстрациях Nvidia это означало снижение с нескольких гигабайт до нескольких сотен мегабайт.
Качество изображения
BCn-сжатие часто даёт заметные артефакты, особенно на границах блоков, при сильном увеличении или на текстурах с резкими переходами. NTC в большинстве случаев показывает качество равное или лучше оригинала. Благодаря нейросетевому восстановлению детали сохраняются точнее, а артефакты блочного сжатия практически исчезают.
Размер на диске
BCn уже даёт хорошее сжатие. NTC идёт ещё дальше — файлы текстур становятся заметно меньше. Это означает меньший размер игр на жёстком диске и более лёгкие патчи и обновления.
Производительность
Традиционные BCn-текстуры обеспечивают максимальную скорость — сэмплирование почти не нагружает GPU. NTC в самом эффективном режиме (Inference on Sample) снижает производительность на 10–20 % на видеокартах RTX 40-й и 50-й серий. На более старых картах просадка может быть заметнее. Однако есть «лёгкие» режимы, где потеря FPS минимальна.
Требования к железу
BCn работает на любой видеокарте. NTC для достижения максимальной эффективности требует Tensor Cores и поддержки Cooperative Vectors (CoopVec). Поэтому технология пока остаётся сильно ориентированной на экосистему Nvidia.
Важный момент:
Neural Texture Compression не заменяет традиционное блочное сжатие, а отлично его дополняет. Разработчики могут использовать гибридный подход: хранить текстуры в сжатом NTC-формате, а при необходимости автоматически транскодировать их в обычный BCn для совместимости со старыми видеокартами или для снижения нагрузки на GPU.
В итоге NTC выигрывает там, где традиционные методы уже упёрлись в потолок — в первую очередь в экономии видеопамяти и качестве при экстремальном сжатии. При этом классическое BCn остаётся самым быстрым и универсальным вариантом.
Сравнение с традиционными методами
Классическое блочное сжатие текстур (BCn, включая BC7, ASTC и их аналоги) уже много лет остаётся основным стандартом в игровой индустрии. Neural Texture Compression (NTC) работает по совершенно иному принципу, поэтому сравнивать их напрямую очень показательно.
Размер в видеопамяти
Обычные BCn-текстуры занимают базовый объём, который считается «нормой» сегодня. NTC в режиме Inference on Sample сокращает потребление VRAM на 85–96 %. В реальных демонстрациях Nvidia это означало снижение с нескольких гигабайт до нескольких сотен мегабайт.
Качество изображения
BCn-сжатие часто даёт заметные артефакты, особенно на границах блоков, при сильном увеличении или на текстурах с резкими переходами. NTC в большинстве случаев показывает качество равное или лучше оригинала. Благодаря нейросетевому восстановлению детали сохраняются точнее, а артефакты блочного сжатия практически исчезают.
Размер на диске
BCn уже даёт хорошее сжатие. NTC идёт ещё дальше — файлы текстур становятся заметно меньше. Это означает меньший размер игр на жёстком диске и более лёгкие патчи и обновления.
Производительность
Традиционные BCn-текстуры обеспечивают максимальную скорость — сэмплирование почти не нагружает GPU. NTC в самом эффективном режиме (Inference on Sample) снижает производительность на 10–20 % на видеокартах RTX 40-й и 50-й серий. На более старых картах просадка может быть заметнее. Однако есть «лёгкие» режимы, где потеря FPS минимальна.
Требования к железу
BCn работает на любой видеокарте. NTC для достижения максимальной эффективности требует Tensor Cores и поддержки Cooperative Vectors (CoopVec). Поэтому технология пока остаётся сильно ориентированной на экосистему Nvidia.
Важный момент:
Neural Texture Compression не заменяет традиционное блочное сжатие, а отлично его дополняет. Разработчики могут использовать гибридный подход: хранить текстуры в сжатом NTC-формате, а при необходимости автоматически транскодировать их в обычный BCn для совместимости со старыми видеокартами или для снижения нагрузки на GPU.
В итоге NTC выигрывает там, где традиционные методы уже упёрлись в потолок — в первую очередь в экономии видеопамяти и качестве при экстремальном сжатии. При этом классическое BCn остаётся самым быстрым и универсальным вариантом.
Плюсы со всех сторон
Для игроков:
- 8 ГБ VRAM перестают быть приговором.
- Меньше статоров и вылетов из-за нехватки памяти.
- Меньшие размеры игр и обновлений.
Для разработчиков:
- Можно класть в проект текстуры в 4–8K без страха за память.
- Увеличение детализации без роста требований к железу.
- SDK уже готов — интеграция в Unreal Engine / Unity через RTX Kit.
Для индустрии:
- Решает «VRAM-кризис» 2024–2026 годов, когда даже RTX 5090 в 4K с RT иногда упиралась в память.
- Синергия с DLSS 5 и Neural Materials (ещё одна технология Nvidia: сжатие данных материалов с 19 каналов до 8 + ускорение рендеринга до 7,7×).
Минусы и риски (честный разбор)
- Производительность. На высоких разрешениях и с полным Inference on Sample может быть просадка 10–20 %. На RTX 50-й серии с Cooperative Vectors (DXR 1.2) это почти незаметно. На старых картах — только «лёгкий» режим.
- Аппаратная зависимость. Полная мощь требует Tensor Cores и новых расширений DirectX (Cooperative Vectors). На AMD и Intel работает хуже или требует адаптации (были демо на Intel Arc, но не такие впечатляющие).
- Интеграция. Разработчикам придётся переучивать текстуры под NTC и обучать нейросети под каждый материал. Не «включи и забудь».
- Экосистема. Пока только Nvidia SDK. Нет гарантии, что AMD/Intel быстро подхватят аналог (хотя базовая идея открыта с SIGGRAPH 2023).
- Качество на крайних случаях. В демо всё идеально, но в реальных играх с тысячами материалов возможны нюансы (пока не протестировано массово).
Neural Materials — «бонусный» уровень
Nvidia показала и вторую технологию: сжатие описания материалов через нейросеть. Вместо хранения 19 каналов BRDF — 8 каналов + маленькая NN для декодирования. Результат: ускорение рендеринга в 1,4–7,7 раза при 1080p. Это уже не только экономия памяти, но и чистый прирост FPS.
Когда ждать в играх?
- SDK уже в бете (v0.9.2).
- Первые демо-интеграции ожидаются в 2026 году.
- Массовое появление в AAA-тайтлах — 2027–2028 (Unreal Engine 5.5+ и новые Unity).
- Совместно с DLSS 5 это может стать «стандартом следующего поколения».
Вывод: революция или эволюция?
NTC — это революция в управлении памятью, сопоставимая по влиянию с появлением DLSS в 2018 году. Она не требует переписывать движки с нуля и не меняет конвейер рендеринга радикально. Просто позволяет делать больше с меньшим.
Для геймеров с 8–12 ГБ VRAM — это спасение. Для индустрии — способ продолжать гонку за фотореализмом без бесконечного роста объёма видеопамяти. Для Nvidia — ещё один мощный аргумент в пользу экосистемы RTX.
Технология уже не «будущее», а «настоящее в бете». Осталось дождаться, когда первые игры начнут её использовать по-настоящему. И тогда фраза «не хватает VRAM» может уйти в прошлое так же, как «не хватает FPS» после DLSS.