在2026年游戏开发者大会（GDC 2026）上，英特尔图形工程师玛莉莎·杜波依斯（Marissa du Bois）登台展示了英特尔版本的神经纹理压缩技术。该技术与英伟达（NVIDIA）的NTC非常相似，两者都是确定性技术。此次演示是对2025年游戏开发者大会（GDC 2025）上展示的原始研发原型的后续更新，其关键进展在于英特尔现已将该项研究产品化，推出了独立的软件开发工具包（SDK）。
纹理集神经压缩（TSNC）本质上是一种更智能的游戏纹理存储方式。传统的GPU块压缩格式（BC1到BC7）使用固定的数学规则来减小纹理尺寸，虽然它们速度快且得到广泛支持，但未能充分利用压缩潜力。TSNC采用了一种根本不同的方法：它使用随机梯度下降法训练一个小型神经网络，学习对给定纹理集中的特定纹理进行编码和解码。其结果是生成一个紧凑的潜在空间表示，一个微小的多层感知器可以在运行时将其重建为原始的漫反射、法线、粗糙度、金属度、环境光遮蔽和自发光数据。
其核心洞见在于，一个纹理集（单个材质的所有PBR贴图）在其各个通道之间存在大量冗余结构。TSNC利用了这种共享结构，这是通用块压缩技术根本无法做到的。
特征金字塔：两个层级
TSNC压缩方案的核心是特征金字塔，这是一组由四个BC1编码的潜在空间纹理组成的集合，它们被排列在不同的分辨率配置中。英特尔目前提供了两种具有不同质量/压缩权衡的变体：
变体A使用两个全分辨率潜在图像和两个半分辨率潜在图像。对于4K输入纹理，这意味着两个4K和两个2K潜在图像，总计约26.8 MB，而原始的未压缩位图大小为256 MB。这相当于超过9倍的压缩率，几乎是单独使用标准BC块压缩所能达到的4.8倍压缩率的两倍。通过英伟达（NVIDIA）的FLIP分析工具测量，感知质量损失大约为5%，在实际中表现为法线贴图的轻微精度损失，其他方面影响甚微。
变体B是更激进的选项。它将潜在图像级联降低至原始分辨率的1/2、1/4和1/8，实现了超过17倍的压缩率，是变体A的两倍多。然而，质量损失更为明显：BC1块状伪影开始出现在法线贴图以及AO/粗糙度通道中，FLIP测得的感知误差大约在6%至7%。这听起来绝对值可能很小，但英特尔承认这“足以让观察者注意到”。因此，变体B可能最适合用于远处或次要材质，在这些地方质量损失不太可能被仔细审视。
自去年基于PyTorch构建的研发原型以来，整个纹理集神经压缩（TSNC）压缩器已使用Slang计算着色器从头重写。此外，无论开发者是在虚幻引擎（Unreal）、自定义引擎中工作，还是在CPU上运行解压缩，相同的解压缩器代码都可以针对正确的后端。
在GPU方面，英特尔现在支持微软（Microsoft）的DirectX 12 Cooperative Vectors API，利用英特尔锐炫（Intel Arc）的XMX矩阵核心（存在于A系列和B系列 GPU上）进行硬件加速矩阵推理。对于不支持XMX的硬件，标准的FMA（融合乘加）后备方案可在CPU和非英特尔GPU上运行。
英特尔的玛莉莎·杜波依斯（Marissa du Bois）详细介绍了四种不同的部署策略，每种策略在节省磁盘空间和内存使用之间都有不同的权衡：
安装时——分发压缩包，在安装过程中本地解压缩。纹理以未压缩形式存储在用户驱动器上。节省的主要是分发带宽。
加载时——纹理在磁盘上保持压缩状态；在游戏加载时解压缩到显存（VRAM）中。减少了安装大小和加载期间的显存（VRAM）压力。
流式传输时——与纹理流式传输结合，按需解压缩纹理。对于磁盘和内存而言是两全其美的方案，但增加了运行时推理负载。
采样时——纹理在显存（VRAM）中永久保持压缩状态，并在着色器中进行逐像素解码。这是减少显存（VRAM）使用最激进的选项，具有恒定的推理成本。
开发者需要根据其特定用例和底层引擎选择其中一种。
英特尔在配备B390集成显卡的Panther Lake笔记本电脑上，以完整的1080p计算着色器工作负载对推理进行了基准测试。结果如下：
FMA路径：每像素0.661纳秒
XMX线性代数路径：每像素0.194纳秒
硬件加速矩阵运算带来了3.4倍的速度提升，而且这些数字在集成显卡上也能保持，这使得逐像素采样时部署方案看起来比原先想象的更为可行。对于独立GPU，开销会更低。英特尔计划在今年晚些时候发布纹理集神经压缩（TSNC）软件开发工具包（SDK）的Alpha版本，随后是Beta版和公开版本，不过这些日期尚未最终确定。
