La barrera propietaria que durante años ha separado a las tecnologías de reescalado por inteligencia artificial comienza a mostrar fisuras técnicas. A través de un ambicioso proyecto comunitario bautizado como d4r, el desarrollador conocido como "countervolts" ha conseguido un hito insólito: ejecutar de manera experimental algoritmos neuronales de NVIDIA DLSS 4 y DLSS 4.5 sobre tarjetas gráficas AMD Radeon de la serie RX 9000, basadas en la arquitectura RDNA 4.
El avance se apoya directamente en las capacidades nativas de precisión en coma flotante de 8 bits (FP8) integradas en el silicio de última generación de AMD, abriendo un debate fascinante sobre la interoperabilidad del software gráfico en PC.
Cómo funciona la compatibilidad de DLSS en hardware AMD
Históricamente, NVIDIA Deep Learning Super Sampling (DLSS) ha requerido núcleos Tensor propietarios para procesar sus redes neuronales convolucionales. Sin embargo, con la llegada de la arquitectura RDNA 4, AMD incorporó aceleradores matriciales con soporte nativo para instrucciones FP8, un formato matemático clave para la inferencia rápida de redes neuronales profundas.
El proyecto de modificación d4r aprovecha precisamente esta paridad en el set de instrucciones matemáticas:
- Traducción de instrucciones matriciales: El mod mapea las llamadas de inferencia de los modelos DLSS hacia las unidades de cálculo FP8 de RDNA 4 sin requerir emulación por software pesado.
- Compatibilidad preliminar: Se han realizado pruebas de concepto con versiones recientes de las librerías dinámicas (DLL) de DLSS 4.0 y DLSS 4.5.
- Estado estrictamente experimental: El creador del mod subraya que el proyecto se encuentra en una fase muy temprana, con fallos visuales perceptibles e inestabilidad en tasas de cuadros sostenidas.
- Impacto en latencia: Aunque la reconstrucción de imagen logra activarse, la generación de fotogramas adicional aún no cuenta con sincronización óptima en los controladores de AMD.
Comparativa técnica de tecnologías de reescalado
Para entender la dimensión técnica de este experimento, conviene contrastar cómo operan ambas soluciones en el mercado actual:
| Característica Técnica | NVIDIA DLSS (Oficial) | AMD FSR (Oficial) | Mod Experimental d4r |
|---|---|---|---|
| Aceleración requerida | Núcleos Tensor (NVIDIA GeForce RTX) | Agnóstico / Algorítmico (FP16/FP32) | Aceleradores matriciales FP8 (RDNA 4) |
| Tipo de modelo | Red neuronal profunda propietaria | Filtros espaciales y temporales analíticos | Inferencia de modelo NVIDIA en silicio AMD |
| Estabilidad actual | Certificada en cientos de títulos | Integrada nativamente en la industria | Experimental / Prueba de concepto |
| Soporte de controladores | Oficial mediante Game Ready Drivers | Oficial mediante AMD Software Adrenalin | No oficial (requiere reemplazo de DLLs) |
Dictamen Técnico: Aunque el mod dista de ser una solución lista para jugar a diario, demuestra que a nivel de silicio, los formatos estandarizados como FP8 pueden allanar el camino hacia una convergencia tecnológica donde el software no quede encadenado a una única marca de silicio.
El horizonte del reescalado abierto en PC
La iniciativa pone de manifiesto el enorme interés de la comunidad por no quedar atrapada en ecosistemas cerrados. A medida que AMD e Intel refinan sus propios enfoques neuronales con FSR 4 y XeSS, estos experimentos comunitarios empujan a la industria hacia una mayor flexibilidad técnica en beneficio del usuario final.
