Arm 把類 DLSS 神經圖形帶進 Android：小米 18 Fold 首發 Mali G2-Ultra NX

《The Verge》於 2026 年 9 月 8 日刊出專訪報道，指小米（Xiaomi）在中國大陸推出摺疊旗艦 18 Fold，其自研 Xring O3 晶片內建 Arm Mali G2-Ultra NX 圖形處理器，首次把歷時約五年開發的「神經圖形」（neural graphics）硬體加速帶上手機。來源真實性已驗證：本文以 The Verge 對 Arm Edge AI 執行副總裁 Chris Bergey 的專訪為發現線索，並對照 Arm 新聞室與開發者文件中關於 Neural Super Sampling（NSS）、Neural Frame Rate Upscaling（NFRU）與 Neural Graphics Development Kit 的公開說明。重點在於：手機端如何用 AI 補齊像素與影格、與 Nvidia DLSS 的異同，以及對香港／亞洲手遊與端側 AI 產業的含義。

一、核心事件：小米摺疊機成神經圖形首發載具

技術細節

根據 The Verge，Xiaomi 18 Fold 搭載的 Mali G2-Ultra NX，不只是「更強的手機 GPU」，而是在 GPU shader 路徑內導入類似 Tensor 的能力，讓裝置可硬體加速一系列 AI 圖形技術。Arm 對外統稱這些技術為 neural graphics，包括：

Neural Super Sampling（神經超取樣）：以較低解析度渲染，再用模型重建近乎原生的高解析度畫面。
Neural Frame Rate Upscaling（神經影格率提升）：在既有影格之間生成中間影格，拉高觀感幀率。
Neural Denoising／光線重建類能力：減少光追雜訊，朝行動裝置即時路徑追蹤靠近。

Bergey 表示，若同時套用超取樣、影格生成與去噪，系統理論上可呈現最高約四倍的影格率觀感增益；但 The Verge 亦提醒，影格生成通常伴隨額外延遲，玩家「手感」未必等同四倍流暢。首批遊戲將以超取樣為主，影格生成預期 2027 年初，去噪稍後跟進。

硬體層面，報道引述 Arm 聲稱相對小米先前 GPU 有約 85% 效能提升，相對 Arm 上一代旗艦在「非 AI 遊戲」場景約 14% 提升。整機功耗目標約不超過 2.5 瓦，其中 GPU 約 1.5 瓦，以維持可長時間遊玩、不過熱的主流手機體驗。同芯片亦用於小米 Pad 9 Pro Max，宣傳可達約 3.2K、120fps 的示範級表現。

首批確認採用該加速器的遊戲包括 Where Winds Meet、Infinity Nikki 與 Arena Breakout: Infinite；後續名單仍在保密期。技術需遊戲引擎與工作室整合，Unreal Engine、Unity 等可協助接入，並非玩家一鍵對任意遊戲開啟。

二、技術原理深度解析

神經圖形的核心邏輯與桌面端 Nvidia DLSS、AMD FSR、Intel XeSS 相近：少渲染、多推斷。傳統管線為每個像素、每幀付出完整著色成本；神經管線則把一部分工作交給已訓練模型，用歷史影格、運動向量與特徵圖「猜」出高解析度或中間影格。

Arm 開發者文件把產品線拆成：

NSS：先渲染較少像素，再以模型重建，目標是在可接受時延內換取畫質與功耗空間（新聞室早期材料曾舉例 540p 升至 1080p、約 4ms／幀量級的示範數字，實際機種會因整合而異）。
NFRU：以 AI 生成中間影格，抬高觀感幀率而不必把所有影格都完整渲染。
NSSD：結合超取樣與去噪，讓行動裝置可用較少光線樣本逼近路徑追蹤效果。

Arm 亦強調開放策略：Neural Graphics Development Kit 含 Unreal 外掛、Vulkan ML 擴充（含面向神經網路推斷的 Graph Pipeline）、模擬器、以及 GitHub／Hugging Face 上的開放模型權重，讓工作室可在硬體量產前一年級開始適配。這與部分封閉廠商堆疊形成對比——生態能否擴散，取決於引擎外掛成熟度與首發大作品質，而非僅規格表。

必須分清名詞：Arm 的「neural graphics」現階段重點是速度與功耗，不是 Nvidia 部分「神經材質／臉部重建」那種對光照物理的全面重想像。The Verge 專訪亦明確寫出此差異。

四、日常應用場景

1. 開發者與技術團隊

手遊工作室可把高畫質目標改為「基礎解析度 + NSS／NFRU」預算制：先用 Neural Graphics SDK 在 Unreal 對照幀率與畫質，再決定是否為旗艦 SKU 開光追或更高特效。自研引擎團隊則需評估 Vulkan ML Graph Pipeline 的整合成本。對香港／深圳外包與中小型工作室而言，這代表新一輪適配專案與性能調校需求。

2. 企業與隱私敏感行業

端側神經推斷把模型與推理留在裝置內，減少把畫面內容上傳雲端的壓力。企業若要以內部資料微調視覺或工業 AR 模型，可把「資料不出境」原則延伸到端側 GPU／NPU 工作負載。這與企業私有 LLM 託管的邏輯一致：敏感資料與專屬權重應留在可控環境。

3. 一般用戶

短期內，中國市場的小米 18 Fold／平板用戶會最先感受到更長的高畫質遊玩時間與更少鋸齒；Bergey 亦暗示明年起其他手機、平板乃至 Chromebook 級大屏裝置可跟進。實際體驗取決於遊戲是否完成整合，以及影格生成的延遲取捨。

4. 香港與亞洲市場視角

亞洲是手遊最大市場之一，小米、其他 Arm 授權晶片廠與騰訊、網易等工作室本就深度參與 Arm 神經圖形生態。香港開發者與發行商可觀察兩條線：一是旗艦 Android 裝置何時把「類 DLSS」變成預設賣點；二是本地工作室能否用開放套件，在不必等完整硬體普及前完成管線驗證。對需要客製 App 與效能調校的品牌，亦可透過本地開發團隊提早適配。

五、專業評價與潛在考量

優勢

把桌面級神經渲染概念正式落到可量產 Android 旗艦，並以開放工具鏈降低工作室進入門檻。
功耗與續航敘事清楚：用 AI 換取「同畫質更省、或同功耗更高畫質」。
首發綁定摺疊大屏與平板，有利展示高解析度效益。

需要留意的地方

影格生成的延遲與「手感」落差，需實機與實作驗證，不宜只看「最高四倍」行銷數字。
技術需逐款遊戲整合，生態擴散速度取決於大作與引擎外掛，而非單靠一款 SoC。
名詞與競品對照複雜，媒體與消費者易混淆「AI 濾鏡」與真正的管線級超取樣；技術寫作應分開說明。

結語

小米 18 Fold 首發 Mali G2-Ultra NX，標誌 Arm 神經圖形由開發套件與示範（如 Neural Dawn）進入消費裝置。對開發者，這是新一輪「渲染預算重新分配」；對用戶，是手機遊戲畫質與續航敘事的下一章。香港若要部署與端側 AI 相關的私有模型或客製 App，可參考 YSK Limited 的企業私有 LLM 全託管（https://ysk.hk/services/ai-automation），以及香港 APP 開發服務（https://ysk.hk/services/app-development）。

參考來源

Sean Hollister，《First Xiaomi, then the world: why Arm might give phone gaming a huge graphics boost》，The Verge，2026-09-08：https://www.theverge.com/games/990676/arm-neural-rendering-mali-g2-ultra-xiaomi-xring-o3
Arm Newsroom，《Arm Neural Technology Delivers Smarter, Sharper, More Efficient Mobile Graphics for Developers》：https://newsroom.arm.com/news/arm-announces-arm-neural-technology
Arm Developer，《Neural Technology for Mobile Games》：https://developer.arm.com/mobile-graphics-and-gaming/neural-technology
發現來源（非事實依據）：X @verge，https://x.com/verge/status/2097143405042360813