Switch Pro, Switch 2, Super Switch, Switch Model S: non è del tutto chiaro come si chiamerà o quando arriverà, ma le voci sono continue e un argomento continuo è il utilizzo del DLSS di Nvidia – deep learning super-sampling – il mezzo per combinare il “tradizionale” super-sampling temporale con una rete neurale per aumentare radicalmente la risoluzione. È stato utilizzato con grande efficacia su PC e il suo compito su un nuovo Switch sarebbe quello di prendere l’immagine a 720p progettata per lo schermo mobile, quindi scalarla fino a 2160p per una presentazione gradevole sugli odierni display 4K. Questa è la teoria, ma in pratica, il DLSS è effettivamente praticabile per un dispositivo portatile? Abbiamo deciso di eseguire i numeri.
Prima di tutto, dobbiamo esaminare la plausibilità di un vero processore compatibile con DLSS che finisce in una console mobile. Almeno lì, ci sono risposte positive. L’ultimo SoC Tegra (system on chip) di Nvidia è nome in codice Orin, è basato sull’ultima architettura Ampere ed è progettato principalmente per l’industria automobilistica che presenta il nostro primo problema: ha un budget di alimentazione di 45 W, in un mondo in cui il debutto Switch ha colpito un massimo di 15 W, con 10-11 W probabilmente utilizzati dal processore principale stesso (e probabilmente la metà in modalità mobile). C’è una soluzione però: c’è una resa a bassissima potenza di Orin che funziona a soli 5 W per impostazione predefinita, ma dovrebbe facilmente scalare con un maggiore consumo di energia e più prestazioni quando è agganciato.
Anche così, nonostante l’integrazione dei nuclei tensoriali necessari per creare DLSS una realtà, stiamo ancora osservando un budget energetico ridotto e l’upscaling dell’intelligenza artificiale non è “gratuito”, quindi il nuovo passo nei nostri esperimenti è misurare il carico computazionale del DLSS. Vedrai nel video come abbiamo fatto questo, ma il metodo di calcolo è piuttosto semplice. Usando Doom Eternal come base, abbiamo utilizzato un RTX 2060 per misurare il tempo impiegato per elaborare il DLSS rispetto al rendering con risoluzione nativa e siamo giunti alla conclusione che il costo del tempo di rendering del processo è di 1,9 ms. L’RTX 2060 ha circa 5,5 volte la capacità di apprendimento automatico del chip Orin che opera a 10 W, quindi supponendo il ridimensionamento lineare, l’iterazione PC di DLSS richiederebbe un sostanziale tempo di elaborazione di 10,5 ms su un potenziale Switch Pro. In un mondo in cui Doom Eternal punta a 16,7 ms per frame, è semplicemente troppo alto. Tuttavia, per un gioco a 30 fps con un budget di rendering di 33,3 ms, è molto, molto praticabile.
È importante sottolineare che le nostre misurazioni sul costo del DLSS si basano sul confronto di input e output e non Non ho accesso a tutti i meccanismi interni, quindi i calcoli sono approssimativi, ma ti danno un’idea della fattibilità della tecnologia per una piattaforma mobile. E ci sono un sacco di variabili aggiuntive che dobbiamo considerare. Per cominciare, stiamo assumendo un’uscita 4K. Non c’è nulla che impedisca a uno sviluppatore di utilizzare DLSS per trasformare quell’immagine mobile 720p in un output DLSS 1440p, quindi utilizzare lo scaler GPU per fornire l’output 4K finale. In questo scenario, il costo di 10,5 ms del DLSS in un chip Nvidia mobile scende a soli 5,2 ms. Ci sarebbe una perdita di qualità, ovviamente, ma potrebbe adattarsi ad alcuni giochi o a determinati contenuti visivi.
Naturalmente, stiamo basando tutti i nostri test qui su un’implementazione PC di DLSS e non è sicuramente al di là delle possibilità che Nvidia ottimizzi la tecnologia per un’esperienza console – ricorda che il l’azienda ha persino creato la propria API grafica di basso livello solo per Switch. Questo è impegno. Ma al di là di queste variabili e dei nostri test, in realtà c’è qualcosa di altrettanto importante, se non di più: il DLSS può effettivamente sembrare decente quando si effettua l’upscaling di un’immagine da 720p a 2160p?
Si spera che gli screenshot in questa pagina illustrino esattamente perché DLSS è un potenziale gioco -changer per un potenziale Switch di nuova generazione e come un’immagine renderizzata per uno schermo mobile a 720p può effettivamente trasformarsi in una presentazione perfettamente praticabile da salotto. DLSS non solo esegue l’upscaling, ma esegue l’anti-alias dell’immagine nel processo, una soluzione due in uno, se vuoi. Combinando le informazioni dei fotogrammi precedenti con i vettori di movimento che indicano all’algoritmo dove è probabile che i pixel si spostino e informando tutto ciò con il deep learning, l’effetto è trasformativo.
Un’immagine 4K DLSS è paragonabile a una presentazione 4K nativa? Nello spazio PC, la modalità prestazioni utilizza un ingresso nativo 1080p per lo scaling, passando alla modalità qualità a 1440p. Il ridimensionamento da 720p significa molti meno dati con cui lavorare, il che significa più imprecisioni e artefatti nell’immagine di output, ma il punto è che un potenziale Switch di nuova generazione non ha bisogno per offrire una qualità 4K nativa. I criteri per il successo sono molto diversi quando si confronta un’esperienza PC vista a distanza ravvicinata da utenti che richiedono un’esperienza di fascia alta con un giocatore di console più tradizionale che guarda l’azione svolgersi a distanza da uno schermo piatto del soggiorno. Il nuovo Switch non ha bisogno di fornire una precisione 4K, ha semplicemente bisogno di fornire un’immagine che abbia un bell’aspetto su una tipica TV moderna da salotto.
Oltre al DLSS stesso, ovviamente c’è un sacco di creazione di teorie in questo articolo. Per cominciare, perché dovremmo presumere che Nintendo abbia come obiettivo un display a 720p per uno Switch di nuova generazione? Dal nostro punto di vista, è il miglior equilibrio tra potenza della GPU e densità di pixel e non è un errore che Valve abbia preso di mira un display altrettanto denso con il proprio schermo a 800p per Steam Deck. Passare da un obiettivo 720p a 1080p significa fondamentalmente che una grossa fetta del salto generazionale da Switch al suo successore verrebbe speso per più pixel, in contrasto con pixel di qualità superiore .
DLSS 2.2 è l’ultima versione della tecnologia di upscaling basata sull’apprendimento automatico di Nvidia. Questo video mostra la sua applicazione in Lego Builder’s Journey, quindi dà un’occhiata alle ultime innovazioni DLSS 2.2 in altri titoli.
Il prossimo grande presupposto è che Nintendo si atterrà a Nvidia per la prossima generazione di Switch (che è fondamentalmente un gioco da ragazzi a questo punto – anche solo per motivi di compatibilità) e che l’azienda utilizzerà effettivamente il chip Orin, o una sua variazione. Su quest’ultimo punto, uno dei leaker più accurati in circolazione – kopite7kimi sembra abbastanza convinto. Anche così, i nostri calcoli per il DLSS in un nuovo Switch si basano su un budget energetico di circa 10 W e non c’è assolutamente nulla che impedisca a Nintendo di spingersi oltre, dato un raffreddamento adeguato.
Ma lo scopo di questo test era fondamentalmente duplice: in primo luogo, capire se un chip Nvidia mobile basato sull’architettura più recente potesse effettivamente eseguire DLSS – e la risposta è positiva. È solo che dobbiamo essere consapevoli che sebbene DLSS sia basato sull’accelerazione hardware tramite core tensor, non è un upscaler “gratuito”: utilizzarlo ha un costo. La domanda è se quel costo può essere compensato aumentando la potenza e la frequenza quando è agganciato, ma la linea di fondo è che in teoria, DLSS è fattibile.
La seconda domanda riguarda la qualità. Anche con una risoluzione di soli 720p da gestire, il DLSS produce comunque buoni risultati 4K, sorprendenti e notevoli se messi fianco a fianco con l’input, anche se “non è buono come nativo”. Anche le applicazioni future faranno venire l’acquolina in bocca, e non solo per le console Nintendo. Le applicazioni di apprendimento automatico, incluso il super-campionamento, sono una strada molto praticabile anche per le versioni “Pro” delle console PS5 e Xbox Series, se questa è la direzione che Sony e Microsoft vogliono prendere.