在CES 2025上，英偉達發表基於Blackwell架構的GeForce RTX 50系列消費性顯示卡。同時也帶來了DLSS 4，具備多幀生成功能，在每個傳統渲染的幀之間生成多達三個額外的幀，也是自2020年發布DLSS 2.0以來對其AI模型的最大升級，DLSS光線重建、DLSS超解析度和DLAA將由Transformer模型驅動，這是Transformer模型首次在圖形領域的即時應用。

在CES 2025期間，Digital Foundry採訪了英偉達應用深度學習研究副總裁Bryan Catanzaro，討論了DLSS 4的發布及在超分辨率、光線重建和幀生成等多方面的改進。

DLSS Transformer模型取代了先前DLSS使用卷積神經網路（CNN），用於超解析度和光線重建，變得更加智能，實現了對場景的更深層次理解，從而生成提供更高穩定性、減少鬼影、運動細節更多、場景邊緣更平滑的像素。同時英偉達也對幀生成進行了大幅修改，放棄了先前基於光流加速器的模型。

Bryan Catanzaro表示，當打造DLSS 3時，為了透過硬體加速來計算光流，但沒有足夠的Tensor Core，也缺乏足夠好的演算法，還沒有開發出一個能夠在Tensor Core運行的即時光流演算法來滿足預期的計算量。光流加速器最初用於DLSS 3幀生成式有意義的，但是像光流這樣的演算法的任何硬體實現的困難之處在於很難改進，直到採用完全基於人工智慧的解決方案來替代，就像DLSS 4所做的那樣。

DLSS 4的訊框產生功能較依賴Tensor Core，但是使用了較少的顯存，效率也較高。當被問及新技術是否可以移植到GeForce RTX 30系列等舊硬體時，Bryan Catanzaro並沒有否定這個可能性，認為主要是優化和工程的問題，另外還有最終的使用者體驗。

當GeForce RTX 40系列推出幀生成功能時，Bryan Catanzaro曾解釋為什麼是新款GPU獨佔，主要原因是有更好的光流硬體加速器，理論上上一代顯示卡也能支持，但是改進可能不會那麼大。隨著新機制不再依賴光流硬體加速器，似乎又開啟了另一扇大門，然而新的幀生成功能對Tensor Core要求更高，但是舊的GPU架構配備的Tensor Core性能沒那麼好，不知道英偉達會如何實現這個目標。

此外，Bryan Catanzaro也強調了更新後Flip Metering與CPU解耦的重要性，這也是幀率提升的關鍵之一。