요약:
AMD는 FSR 4의 범위를 더욱 확대하고 있습니다. AMD 컴퓨팅 및 그래픽 부문 수석 부사장 Jack Huynh은 최근 한국 언론에 회사가 2026년 말 이전에 FSR 4를 통해 더 많은 APU, 게임용 노트북 및 휴대용 게임용 PC를 공식적으로 지원할 계획이라고 밝혔습니다. 이는 현재 주로 독립형 그래픽 카드를 대상으로 하는 기계 학습 초해상도 기술이 통합 그래픽 카드 및 저전력 게임 장치 분야에 더욱 진출할 것임을 의미합니다.
FSR 4는 기계 학습을 기반으로 한 AMD의 차세대 이미지 초해상도 기술입니다. 기본 원리는 NVIDIA의 DLSS와 유사합니다. 즉, 게임이 항상 목표 해상도에서 이미지를 완전히 렌더링할 필요는 없습니다. 대신 먼저 낮은 해상도로 렌더링한 다음 알고리즘을 사용하여 고해상도 이미지를 재구성함으로써 이미지 품질을 최대한 유지하면서 GPU의 실제 렌더링 부담을 줄입니다.
FSR 4는 처음에는 Radeon RX 9000 시리즈 독립 그래픽 카드인 AMD RDNA 4 아키텍처를 대상으로 했습니다. 전통적인 알고리즘에 의존했던 이전 FSR과 비교하여 FSR 4는 기계 학습 추론을 도입하여 동적 객체, 세부 사항 및 시간적 안정성과 같은 문제를 더 잘 처리할 수 있습니다.
올해 6월, AMD는 RDNA 3 아키텍처를 기반으로 하는 Radeon RX 7000 시리즈 그래픽 카드에 FSR 4의 경량 버전을 도입했습니다. RDNA 3에는 RDNA 4와 정확히 동일한 기계 학습 하드웨어 기능이 없기 때문에 AMD는 모델을 조정하고 원래 FP8 계산을 보다 널리 사용 가능한 INT8 계산으로 변경하여 작동 요구 사항을 줄였습니다.
이번 APU 및 휴대용 콘솔용 버전은 더욱 가벼워질 것입니다. AMD는 컴퓨팅 리소스가 제한된 APU가 머신러닝 초고해상도를 실행할 수 있도록 통합 그래픽의 성능 제한에 특별히 최적화된 FSR 4 모델을 개발하고 있습니다.
이는 휴대용 게임용 PC에 특히 중요합니다. 현재 시장에 나와 있는 많은 Windows 휴대용 컴퓨터는 ASUS ROG Ally X, Lenovo Legion Go 및 GPD Win과 같은 장치를 포함하여 AMD Ryzen 시리즈 APU를 사용합니다. 이들 제품의 GPU 부분은 데스크탑 독립 그래픽 카드에 비해 성능이 제한되어 있으므로 게임 프레임 속도를 향상시키기 위해 초해상도 기술에 크게 의존합니다.
FSR 4가 이러한 장치에서 공식적으로 실행될 수 있다면 플레이어는 낮은 내부 렌더링 해상도를 사용하여 더 높은 해상도에 가까운 시각적 효과를 얻을 수 있으며, 이를 통해 약 15W~30W의 전력 소비 범위 내에서 더 높은 게임 성능을 얻을 수 있습니다.
AMD는 또한 Ryzen AI Max 등 APU 제품에 대한 지원을 확대할 계획입니다. 이는 강력한 통합 GPU가 탑재된 얇고 가벼운 노트북과도 관련이 있습니다. 이러한 장치에는 별도의 그래픽 카드가 없지만 최신 3D 게임을 실행하기에 충분한 통합 그래픽 처리 능력이 있기 때문입니다.
AMD는 이번에 2026년에 FSR 4를 지원하는 차세대 APU를 출시할 것이라고 밝혔습니다. 이 소식은 차세대 Ryzen 핸드헬드 프로세서에 대한 추측을 더욱 강화했습니다.
일명 Ryzen Z3 및 Ryzen Z3 Extreme에 대한 관련 폭로가 최근 나타났습니다. 보고서에 따르면 두 칩은 RDNA 3.5와 RDNA 4 사이의 그래픽 아키텍처를 사용하고 RDNA 4의 기계 학습 기능과 RDNA 3.5의 기본 설계를 결합할 수 있습니다.
관련 보고서에 따르면 Ryzen Z3 시리즈에는 4개의 Zen 6 CPU 코어 및 2개의 저전력 Zen 5 코어와 쌍을 이루는 12개의 GPU 컴퓨팅 장치가 있을 수 있습니다. Z3 일반 버전은 약 15W 정도의 전력 소모에 최적화된 것으로 알려진 반면, Z3 익스트림은 약 25W까지 전력 소모를 늘릴 수 있다고 한다.
그러나 이러한 사양은 아직 AMD가 공식적으로 확인하지 않은 유출이며 최종 제품 매개변수로 간주할 수 없습니다. 소위 "RDNA 4m" 아키텍처도 주로 이전 Linux 드라이버의 관련 정보에서 비롯됩니다. AMD는 아직 완전한 모바일 RDNA 4 제품 아키텍처를 공개하지 않았습니다.
동시에 최근 공급망 정보에는 'Gainsborough'라는 칩 코드네임도 등장했습니다. 일부 정보 제공자는 위에서 언급한 차세대 APU와 동일한 아키텍처를 사용할 수 있다고 믿고 있으며 향후 Steam Deck 2에서 사용될 수 있다고 추측합니다. 그러나 현재 Gainsborough가 차세대 Steam Deck의 핵심 칩이라는 확실한 증거는 없습니다.
Steam Deck에 사용되는 AMD APU는 항상 특별한 내부 코드명을 사용해 왔습니다. 예를 들어 1세대 스팀데크는 '에어리스(Aerith)'를 사용했고, 스팀데크 OLED는 '세피로스(Sephiros)'를 사용했다. 이 코드명은 실제로 Valve가 아닌 AMD에서 따온 것입니다. 따라서 유사한 코드명이 존재한다고 해서 특정 칩이 스팀 데크 2의 프로세서라는 것을 증명할 수는 없습니다.
또한 현재 중요한 호환성 문제가 있습니다. Steam Deck은 RDNA 2 아키텍처를 사용하므로 AMD가 올해 말에 FSR 4를 더 많은 APU와 휴대용 콘솔로 확장한다고 해도 기존 Steam Deck이 즉시 지원된다는 의미는 아닙니다.
현재 경로에 따르면 RDNA 3 및 최신 아키텍처를 사용하는 장치는 FSR 4를 가장 먼저 수신할 것으로 예상되는 반면, RDNA 2에 대한 지원은 2027년까지 기다려야 할 수 있습니다. 이 타임라인이 변경되지 않으면 Steam Deck, 일반 ROG Ally 및 RDNA 2를 사용하는 기타 일부 장치는 기다려야 할 수 있습니다.
AMD는 앞으로 머신러닝 초해상도의 하드웨어 적용 범위를 더욱 확대할 것임을 분명히 했습니다. AMD의 최신 제품 경로에 따르면 FSR Upscaling 4.1은 이미 RX 7000 및 RX 9000 시리즈를 지원하고 있으며 RDNA 2의 기계 학습 초해상도 지원은 2027년에 출시될 예정입니다.
AMD가 FSR 4의 제품명을 점진적으로 변경하기 시작했다는 점에 유의해야 합니다. FSR 기술이 단순한 초해상도에서 프레임 생성, 광 재구성, 방사 캐싱과 같은 다중 기계 학습 기능으로 확장됨에 따라 AMD는 현재 전체 기술 시스템을 FSR "Redstone"이라고 부르는 반면, 원래 FSR 4는 점차 FSR Upscaling으로 이름이 변경됩니다.
휴대용 기기 시장의 경우 이러한 변화는 매우 중요할 수 있습니다. 휴대용 콘솔의 핵심 모순은 항상 성능, 이미지 품질 및 전력 소비 간의 균형이었습니다. GPU 규모를 직접 늘리는 것과 비교해 머신러닝을 통해 실제 렌더링 부담을 줄이면 전력 소모를 크게 늘리지 않고도 최종 화질과 프레임 속도를 향상시킬 수 있다.
특히 고해상도 화면이 점차 고급형 휴대용 콘솔의 표준이 된 이후에는 FSR과 같은 기술의 가치가 더욱 높아질 것입니다. 예를 들어 휴대용 콘솔은 약 720p 또는 800p의 내부 해상도로만 렌더링한 다음 FSR을 통해 1080p 이상으로 재구성하면 GPU가 전체 기본 해상도로 렌더링해야 하는 부담을 피할 수 있습니다.
그러나 FSR 4가 휴대용 콘솔의 개별 그래픽 카드와 동일한 효과를 얻을 수 있는지 여부는 여전히 다양한 GPU 성능과 실제 게임 지원을 위해 설계된 AMD 모델에 달려 있습니다. 기계 학습 초해상도 자체에도 컴퓨팅 리소스와 비디오 메모리가 필요합니다. 따라서 전력 소비가 매우 제한된 휴대용 콘솔의 경우 알고리즘을 통해 얻는 성능 향상과 모델 실행으로 인해 발생하는 추가 오버헤드 간에 균형을 맞춰야 합니다.
AMD가 2026년 말 이전에 이 확장을 성공적으로 완료할 수 있다면 FSR 4는 더 이상 RX 9000 시리즈 독립 그래픽 카드의 고급 기능이 아니라 점차 AMD의 전체 게임 하드웨어 생태계에서 공통 기술이 될 것입니다. 독립 그래픽 카드가 없는 게이밍 핸드헬드 및 노트북의 경우 이는 단순히 APU의 원시 GPU 성능을 향상시키는 것보다 더 중요할 수 있습니다.
현재 개발 경로로 볼 때 AMD는 고급 독립 GPU에서 APU, 노트북 및 휴대용 컴퓨터에 이르기까지 기계 학습 기능을 점진적으로 분산시키려고 노력하고 있습니다. 새로운 세대의 저전력 칩이 등장함에 따라 미래의 휴대용 콘솔 간의 경쟁은 더 이상 GPU 컴퓨팅 장치의 수와 최고 성능을 비교하는 것이 아니라 기계 학습 초고해상도, 프레임 생성 및 기타 AI 그래픽 기술의 효율성에 점점 더 의존하게 될 것입니다.
댓글