直球對決 AI：遊戲顯卡的未來 -- 還有沒有下一個十年？

從 GTX 世代到 RTX 世代，GPU 的黃金年代是否結束？
當 AI 成為主角，遊戲顯卡還重要？會成為配角嗎？
AI 正在改寫 GPU：玩家顯卡的下一個十年何去何從？

如果你是一個玩 PC 多年的玩家，可能會有一種微妙的感覺：最近幾代顯卡，似乎沒有以前那麼令人興奮了。在過去，顯卡幾乎每兩三年就帶來一次巨大的飛躍。十年間，我從 NVIDIA GeForce 8600 GTS 到 NVIDIA GeForce GTX 1060、GTX 3060（中階甜品），幾乎每一代都能感受到明顯的性能提升。

NVIDIA 好像不再把「遊戲顯卡」當核心市場。

但事情其實更複雜，我幫你拆成三個層次來看：

• 遊戲 GPU 變成「AI 副產品」：主要產能和零件都 AI 優先。
• 玩家市場對畫面要求其實已經有些無感：電腦螢幕效果已經非常優秀。
• AI 賺太多錢：這就是玩家被冷落的根本原因。

高階顯卡的價錢一直往上墊高，連中階產品都不再有萬元以內的甜甜價。

GPU 的歷史軌跡

當我們回顧 GPU 的歷史，其實可以清楚看到一條技術演化的軌跡。今天的顯卡之所以能同時處理遊戲畫面與人工智慧運算，並不是突然出現的能力，而是經過二十多年架構演進逐漸形成的結果。

在 1990 年代到 2000 年代初期，GPU 其實還不能算是真正的「計算處理器」。當時的顯示晶片主要負責的是固定功能的圖形處理，例如頂點變換、光柵化、像素填充與貼圖等。所有運算流程都是預先設計好的硬體管線，GPU 只能按照既定流程工作，開發者幾乎沒有辦法改變它的行為。

這個階段的 GPU 本質上是一種專門為 3D 圖形設計的加速器，它的存在目的非常單純：讓畫面更快、更漂亮。遊戲產業就是這個技術時代最主要的推動者。

真正的轉折發生在 2000 年代中期。隨著圖形效果越來越複雜，GPU 開始引入可程式化的 Shader。到了 2006 年，NVIDIA 推出了具有統一 Shader 架構的 GPU，這種架構讓原本分開處理頂點與像素的運算單元合併為可重複使用的平行計算核心。這種設計的代表產品之一就是：NVIDIA GeForce 8800 GT。

NVIDIA GeForce 8800 GT 8800GT, Wikipedia

統一 Shader 架構的出現，使 GPU 從單純的圖形處理器逐漸轉變為一種高度平行化的計算平台。此時 GPU 的核心優勢已經不只是圖形處理，而是能同時執行大量簡單運算。這也是後來 GPU 能夠應用於科學計算、物理模擬甚至密碼破解的基礎。隨後 NVIDIA 推出了 CUDA 平台，正式把 GPU 推向「通用平行運算」的道路。從這個時期開始，GPU 的角色不再只是顯示卡，而逐漸變成一種可以處理大量資料的計算引擎。

在接下來的十年間，GPU 的運算能力持續提升，遊戲畫面也不斷進化。DirectX、OpenGL 以及後來的 Vulkan 等圖形 API 持續提高 GPU 的可程式化程度。到 NVIDIA GeForce GTX 1060 這一代時，中階顯卡就已經足以流暢運行當時大多數主流遊戲。GPU 的每一次架構更新幾乎都直接轉化為更高的遊戲畫面品質與更高的幀率。

然而，GPU 的第三個重要轉折點出現在 RTX 世代。當 NVIDIA GeForce RTX 2060 推出時，GPU 架構首次加入了專門為 AI 計算設計的硬體單元：Tensor Core。這些核心原本是為深度學習矩陣運算設計，但也被用來支援新的遊戲技術，例如光線追蹤與 DLSS。DLSS 的原理並不是直接以高解析度渲染畫面，而是先用較低解析度渲染，再利用 AI 模型重建出高解析度影像。這種方法大幅減少了傳統圖形渲染所需的計算量，同時又能維持畫面品質。

關於 DLSS 可參考另一篇專文：《DLSS 讓顯卡「作弊」？遊戲畫面不再是算出來的！其實是 AI 猜的》

從架構演進的角度來看，這其實象徵著 GPU 正式進入「AI GPU」的時代。GPU 不再只是為了處理多邊形與像素，而是開始同時處理神經網路推理與機器學習任務。這種轉變也反映在產業市場上。今天 GPU 最大的需求來源其實不是遊戲玩家，而是資料中心與人工智慧訓練系統。例如 NVIDIA H100 這類 AI GPU 的價格可以高達數萬美元，遠遠超過一般消費級顯卡。對 GPU 製造商而言，AI 市場的規模與利潤已經遠遠超過傳統遊戲市場。

因此，從技術發展的脈絡來看，GPU 的角色其實經歷了三個階段：最初是專門用於圖形渲染的顯示加速器，接著演化為通用平行運算平台，最後逐漸成為人工智慧計算的核心硬體。這條演進路徑解釋了為什麼今天的遊戲顯卡越來越強調 AI 功能，也說明了為什麼未來的 GPU 很可能不再只是「顯示卡」，而是一種結合圖形渲染與 AI 加速能力的個人算力引擎。接著我們從歷史軌跡整理出代表性的三個時代：

1. 玩家顯卡的黃金年代

所以回顧 2007 到 2016 年，幾乎可以稱為玩家顯卡的黃金年代。從 NVIDIA GeForce 8800 GT 開始，統一 Shader 架構改變了 GPU 設計。接著幾代 GPU 不斷推動遊戲畫面進化：

• Shader 革命
• DirectX 進化
• FPS 的飛躍
• SLI 的夢想

到 NVIDIA GeForce GTX 1060 時，許多玩家只要一張中階顯卡（常被戲稱為甜品卡），就能順暢遊玩當時幾乎所有主流遊戲。在那個年代，GPU 技術的主要目標非常明確：讓遊戲畫面更逼真。這是玩家顯卡的黃金年代，GPU 技術完全為遊戲服務。

關於甜品卡，可參考另一篇專文：《我和 NVIDIA 的恩怨：從 8600GTS 那次降價開始 -- 甜品卡玩家的二十年》

2. RTX 世代：重要的轉折點

從 NVIDIA GeForce RTX 2060 開始：

• DLSS（Deep Learning Super Sampling）
• Ray Tracing Core
• Tensor Core

這些技術最初被介紹為遊戲功能，例如光線追蹤與 DLSS。但仔細觀察會發現，Tensor Core 的真正用途其實來自另一個領域：人工智慧。

這意味著 GPU 不再只是為遊戲服務，而是開始同時服務 AI 計算。這其實是一個重要轉折：GPU 開始同時服務 AI。

3. AI 成為 GPU 的真正客戶

現在 GPU 的真正市場其實是：

• Datacenter
• AI

目前 GPU 的收入大比例來自 AI 算力需求，遊戲 GPU 不再是 GPU 世界的中心，所以近幾年 GPU 市場最大的變化，其實來自資料中心。

例如：NVIDIA H100，這類 AI GPU，單張價格可以超過三萬美元。相比之下，一張遊戲顯卡的價格通常只有幾百到一千多美元。這樣的市場差距讓 GPU 技術的發展方向開始改變。許多新架構與計算單元，其實都是為 AI 訓練與推理設計。

未來遊戲顯卡所使用的技術，很大程度上成為 AI GPU 技術的延伸。

隨著人工智慧技術迅速發展，GPU 的定位正在悄悄改變。過去二十年，顯卡的進步主要是為了提升遊戲畫面的真實感與流暢度，但今天推動 GPU 技術進化的力量，越來越來自 AI 計算需求。資料中心對算力的需求，讓 GPU 成為人工智慧時代最重要的硬體之一，而這些技術也會回流到消費級顯卡之中。

結果是，遊戲顯卡的角色開始擴展。未來 AI 不只是提升遊戲畫面的工具，它可能逐漸改變遊戲世界的設計方式、也會影響圖形技術，甚至連遊戲電腦本身的定位也可能發生改變。當 AI 成為 GPU 架構的一部分時，未來的遊戲顯卡可能會同時影響三個層面：遊戲世界的運作方式、圖形渲染技術的發展，以及玩家電腦在整個數位環境中的角色。

未來趨勢：AI 會進入遊戲 GPU？

下一個十年：遊戲顯卡會變成什麼？AI 不只是用來提升 FPS，它可能會改變遊戲設計本身。未來遊戲可能出現幾種新的 AI 應用。

未來 1：AI 變成遊戲的一部分（改變遊戲世界）

• AI NPC：在傳統遊戲裡，NPC 的行為通常是事先寫好的腳本。商人只會賣東西，守衛只會巡邏，對話也只有固定幾句台詞。但當 AI 被引入遊戲後，NPC 可能不再只是預設程式，而是能根據玩家行為做出反應的角色。未來的 NPC 可能記得你曾經幫助過他，也可能因為你做過的選擇而改變態度。與 NPC 的對話不再只是選單選項，而更像是與一個真正的角色互動。這種 AI NPC 的出現，意味著遊戲中的人物不再只是背景，而可能成為一個真正存在於遊戲世界中的「智能角色」。
• AI 生成世界：過去的遊戲世界大多是由設計師事先製作完成的，每一座城市、每一條街道、每一個任務都需要人工設計。但 AI 生成世界的概念，讓遊戲環境可以在玩家遊玩時即時產生。城市可能會隨著玩家探索而逐漸擴展，森林與地形也可能在每次遊戲時都不同。AI 可以根據玩家的行為、進度甚至風格生成新的任務、地圖與事件。這意味著未來的遊戲世界不再是一個固定的舞台，而是一個會不斷變化、持續生長的數位世界。

未來 2：AI 取代部分渲染（改變圖形技術）

• DLSS：在傳統遊戲渲染中，顯卡必須計算畫面上的每一個像素。解析度越高，需要計算的像素就越多，GPU 的負擔也越重。DLSS 的出現改變了這個邏輯。遊戲其實只需要用較低解析度先渲染畫面，再利用 AI 模型重建出高解析度影像。換句話說，GPU 不再需要計算所有細節，而是讓 AI 幫忙「補完」畫面。這種方式不僅能提升遊戲幀率，也象徵著圖形技術的一個重要轉變：未來的畫面品質，不再完全依賴硬體算力，而是部分交給 AI 來完成。
• Frame generation：除了提升解析度，AI 也開始參與畫面幀數的生成。在傳統遊戲中，每一幀畫面都必須由 GPU 計算完成，幀率完全取決於顯卡的運算能力。但 Frame Generation 的概念是，讓 AI 根據前後兩幀畫面預測並生成新的中間幀。這意味著顯卡不需要實際計算所有畫面，也能讓遊戲看起來更加流暢。某種程度上，這就像影片補幀技術被帶入即時遊戲渲染。未來的遊戲畫面，可能不再完全由 GPU 計算，而是由「GPU + AI」共同生成。

未來 3：遊戲 PC 變成 AI PC（改變遊戲電腦）

• GPU 不只是顯示卡，而是：AI accelerator：在很長一段時間裡，GPU 的角色非常單純：它是負責畫面渲染的顯示卡。CPU 負責遊戲邏輯與物理計算，而 GPU 則專門處理像素、光影與多邊形。玩家選擇顯卡時最關心的指標也只有一個——遊戲幀率（FPS）。但隨著人工智慧技術的快速發展，GPU 的角色正在發生改變。今天的 GPU 不只是圖形處理器，它同時也是一種高度平行化的 AI 計算平台。從深度學習訓練到即時推理，GPU 都能提供遠高於 CPU 的計算效率。
  這也是為什麼近年顯卡架構開始加入專門的 AI 運算單元，例如 Tensor Core。這些核心最初是為機器學習設計，但很快被應用到遊戲技術中，例如 DLSS、Frame Generation 等 AI 渲染技術。對玩家而言，顯卡的用途正在擴展：它不只是用來「畫出畫面」，也開始負責「生成畫面」。從這個角度來看，未來的顯卡可能不再只是遊戲硬體，而是一種個人電腦中的 AI 加速器。
• 遊戲 PC 成為 AI workstation：隨著人工智慧技術進入個人電腦，顯卡的角色正在改變。過去 GPU 的主要任務是圖形渲染，但在 AI 時代，它同時成為一種能處理大量平行計算的 AI 加速器。未來的遊戲電腦，可能不再只是為了提升畫面品質而存在，而是逐漸變成一種個人算力平台。現代 GPU 擁有大量平行運算核心，GPU 成為 AI 加速器非常適合深度學習模型的矩陣計算。因此顯卡除了負責遊戲畫面，也開始處理 AI 任務，例如 DLSS、Frame Generation、NPC 行為模型甚至語音與動畫生成。當 GPU 同時負責渲染與 AI 計算時，它的角色就不再只是顯示卡，而是一種個人電腦中的 AI 加速器。當 AI 功能逐漸進入遊戲與內容生成，玩家電腦的算力需求也會改變。未來的遊戲 PC 可能同時用於遊戲、AI 推理、影像生成甚至語音模型運算。顯卡除了提供畫面輸出，也可能成為個人 AI 計算的核心硬體。這意味著每一台遊戲 PC，都可能在不知不覺中變成一台小型 AI 工作站。

從這三個未來，我們來猜想遊戲顯卡的未來...

AI 遊戲顯卡的猜想

遊戲顯卡的未來猜想

換句話說，當 AI 正式進入 GPU 時代之後，遊戲顯卡的下一個十年，可能不只是性能提升的故事，而是整個遊戲生態系統的改變。

AI 對顯卡需求其實呈現出兩個相反但同時存在的方向。一方面，行為模擬與生成式內容會增加 GPU 的推理工作量。未來的顯卡可能不只負責畫面渲染，還要同時處理遊戲世界中的 AI 計算，例如角色決策、動畫生成甚至即時語音與互動模型。換句話說，一張顯卡可能同時在做三件事情：渲染畫面、執行 AI 推理，以及生成新的內容。

但另一方面，AI 也正在改變傳統圖形渲染的方式。像是 DLSS（Deep Learning Super Sampling）這類技術，已經證明 AI 可以用較低解析度的畫面重建出高解析度影像。Frame Generation 則更進一步，透過 AI 預測生成新的畫面幀數，讓遊戲在不增加實際渲染負擔的情況下看起來更加流暢。從技術角度來看，未來 GPU 不再需要計算每一個像素，而是可以把部分工作交給 AI 推測與補完。

這種變化意味著顯卡的發展方向可能出現新的平衡：一方面 AI 工作負載增加，另一方面傳統渲染負擔降低。顯卡的核心能力，也因此從單純的圖形運算，逐漸轉向「圖形 + AI」的混合架構。

因此未來玩家選擇顯卡時，可能不再只看 FPS。顯卡的評價標準很可能同時包括三個面向：遊戲性能、AI 算力以及顯存容量。AI 模型往往需要大量顯存來存放權重與中間資料，這也是為什麼近年顯卡開始強調 VRAM 的重要性。

擁有較大顯存的顯卡，在 AI 時代反而可能比某些純粹追求算力的顯卡更耐用。遊戲顯卡未來的發展重點已不是「純算力」，而是 「記憶體架構」 與 「互聯效率」。

從更長遠的角度來看，顯卡的存在方式也可能逐漸改變。未來的 GPU 可能不再只是為遊戲服務的顯示卡，而是一種結合圖形處理與 AI 推理能力的通用算力裝置。遊戲、影像生成、語音模型與各種 AI 應用，都可能共享同一張 GPU。當這種趨勢成熟之後，每一台遊戲電腦或許都會同時是一台小型 AI 工作站，而顯卡也將不只是「遊戲硬體」，而是個人電腦中最重要的算力核心。

遊戲 PC 可能變成 AI PC

傳統遊戲 PC 的分工是：

• CPU → 遊戲邏輯
• GPU → 畫面渲染

未來可能變成：

• CPU → 遊戲邏輯 + 世界模擬
• GPU → 畫面渲染 + AI
• SSD → 遊戲世界資料

GPU 的角色不再只是顯示卡，而可能成為 個人 AI 加速器。AI 硬體會「普及化」嗎？普及的方式可能不是透過「更強的顯示卡」，而是 「算力去中心化」：

• AI PC 概念： 未來的 CPU (NPU、APU...)，會承擔掉 80% 的日常 AI 任務（如翻譯、排版、修圖）。
• 軟體優化（量化技術）： 以前要 24GB 才能跑的模型，現在透過 FP4 或更好的量化技術，8GB 就能跑出類似效果。這才是真正的「硬體普及」的甜蜜點。

AMD 的 APU、蘋果整合 的 Apple Silicon、遊戲主機...，都是未來對應遊戲硬體產業的參考方向，現在又加入 AI 這個重大變數，未來的發展方向仍錯綜複雜。但有趣的是，遊戲主機其實早就走在這條路上。當 PC 玩家還在討論顯卡與處理器的分工時，主機早已把 CPU 與 GPU 整合進同一顆晶片。AI 時代來臨之後，PC 的架構或許也會逐漸向這種整合設計靠攏。為來遊戲產業為了推廣，必然會設法讓家用中階整合式主機能順玩遊戲。

結語

遊戲設計正在從「預先設計的內容」轉向「生成式內容」。

過去幾十年，遊戲工程師一直在做一件事：讓更多人能一起玩遊戲。所以即使只有 100M 甚至更低的網速，大多數線上遊戲仍然能順暢運行。未來 AI 會重新定義遊戲電腦。顯卡不再只是為了畫面，而是為了 AI。而每一台遊戲 PC，可能都會變成一台小型 AI 工作站。相信遊戲工程師為了大家能順玩，還是會努力解決任何造成延遲的問題。

GPU 的歷史，其實一直在變。未來的顯卡，不再只是為了讓遊戲更漂亮。從顯示卡，到平行運算器，再到 AI 加速器。每一台 PC 都擁有自己的 AI 引擎。它們可能同時是：

• 遊戲 GPU
• AI GPU
• 個人算力引擎

對 PC 玩家來說，下一個十年的顯卡，可能會比過去更強，也更陌生。曾經，GPU 的進步是為了讓遊戲更逼真。但今天，推動 GPU 技術進化的力量已經變成 AI。下一個十年的顯卡，可能不只是為了遊戲而存在。它們也可能是每個人電腦裡的 AI 引擎。

如果 AI 技術真的改變了遊戲與 GPU 的角色，那麼未來的顯卡市場，可能不只是性能提升的故事，而是整個 PC 架構與遊戲生態系統重新分配的過程。