让 AI 少干活，这个思路值得整个行业学一下

我注意到一个有意思的细节：索尼在 SIGGRAPH 2026 上讲的 PS5 Pro 增强版 PSSR，核心思路是让 AI 少干活。

这跟最近几年的主流方向正好反着来。大模型在卷参数量，超分技术在卷网络规模，大家都在给 AI 加码，索尼却在做减法。丹尼尔·克雷格讲的那个重新设计思路，我理解下来就是一句话：之前 PSSR 让 AI 把所有像素都处理一遍，现在分成两条路径，关键部分交给 AI，规则明确的活交给专门的模块去算。AI 只处理它真正擅长的那部分，结果画质反而更好，每帧还快了大约 100 微秒。

100 微秒听着很小，放到游戏渲染里，这是每一帧都能省出来的固定开销。我上周写过一篇查 AI 公司估值水分的方法，里面提过一个判断标准：真正有价值的 AI 落地，是把算力花在刀刃上。PSSR 这个改动就是这个逻辑的极端版本。

先说技术层面。新版 PSSR 动了底层架构，把光照、阴影这类有规律可循的部分从神经网络里抽出来，交给传统光线追踪管线去处理。AI 网络只负责那些模糊的、没有明确规则的环节，比如纹理细节推断、动态画面的时间稳定性。拆完之后，AI 模型的规模变小了，推理次数变少了，但输出结果更扎实。

有个细节我印象比较深，老版 PSSR 在快速移动的画面里容易出现闪烁，类似那种细碎的高光边缘会飘。说白了，神经网络对像素点的判断是概率性的，画面静止的时候很准，一动起来就容易乱猜。把运动相关的部分拆给确定性算法之后，这个闪烁问题就基本被绕开了。不是模型修好了，是压根不让它负责这块了。

这种思路在传统软件工程里很常见，但在 AI 产品里很少见。现在大多数 AI 功能的做法是，一个模型能干的活就全让它干，哪怕有些部分明明有更便宜更可靠的传统算法可以替代。

不过这里得说清楚，PSSR 敢这么改，前提是它应用场景极其窄。游戏画质的超分是一个高度约束的问题，开发者知道输入是什么、输出要什么、硬件能力有多少。在这个封闭环境里，做减法能让系统整体更可靠。

放到通用 AI 场景里就不一样了。你说让 LLM 少干点活，把一部分任务拆给传统规则引擎，听起来很合理，但在一个开放领域里，你很难判断哪些环节是 AI 擅长、哪些环节可以安全地交给确定性算法。上周我看了一个 AI-native 创业项目的产品，他们就是这么干的：用户输入先过规则匹配筛一遍，吃不准的才丢给大模型。跑了一个月，省了大约六成调用费，效果还更稳。但他们的场景是客户支持工单分类，字段和意图都是有限的，规则匹配才兜得住。

这恰恰说明，PSSR 的价值不仅是技术方案，它提醒我们在设计 AI 系统时先问一个问题：哪些工作真的需要 AI 做？

回到游戏场景，PS5 Pro 的硬件规格是固定的，算力就这么多。与其让 AI 花大量计算去处理那些用传统方法就能解决的部分，不如把资源集中在真正提升画质感知的环节。索尼这次让 PSSR 支持了超过 50 款游戏，并且默认开启，说明这条路在实机上是能跑通的。我看到有玩家实测了二十多款游戏的对比，最明显的变化是毛发和布料这类细节，之前 AI 算出来容易糊成一片，现在边缘干净了很多。

有人可能会说，老版本 PSSR 再迭代几版，把模型练得更强，同样能解决闪烁问题。但那是用更多的数据、更长的训练时间去换画质提升，而索尼选择了更便宜的那条路，从系统设计层面削减 AI 的负担。

这个决策对我来说有点熟悉。前阵子我在分析 AI 公司估值时发现一个规律：那些烧钱烧得最凶的 AI 产品，往往是让模型承担了所有工作；而能在单位成本里跑出更优结果的产品，普遍做了类似的系统分层。算到最后，两者的画质可能差不多，但省下来的每一帧 100 微秒，累积起来就是体验和成本的双重优势。

我留意到 PS5 Pro 这代主机在硬件销售上并没有达到索尼预期那种热度，但 PSSR 这套减法的工程思路，倒可能会成为这段时间里最有参考价值的技术案例。对正在做 AI 产品的人来说，与其考虑怎么把模型变得更强，不如先想想怎么让模型做的事更少。这是一个值得带回去试一下的方向。