人眼对画错的影子几乎是瞎的，却能一眼识破一次假眨眼。这两件事放在一起，基本就是这个问题的答案。
游戏厂商这几年把预算堆在光追、4K、毛孔级贴图上，玩家照样一眼看出"这是游戏"。问题出在人眼根本就没在看厂商花钱的那些地方。
分辨率这条路早就到头了
先弄清楚一个很朴素的问题：4K到底比1080p真实多少。这个问题在视觉科学里有定量答案。
人眼中央视野的分辨极限，工程上常用的阈值是60像素/度。2024年那篇Resolution limit of the eye用实测数据把这条线画得更细，20度偏心处中位观察者只有约22像素/度，95分位也就35像素/度。
换算到客厅，3米外看55吋电视，多数人已经分不出1080p的单个像素，4K往8K走的收益接近于零。
也就是说像素早就过剩了。电视厂商还在卖8K，游戏UI里还有原生4K选项，但人眼这一端的带宽十年前就填满了。
GTA VI上个月底那场扩展演示是个很好的反例材料。Digital Foundry给的评价是"大概是我们见过的实时渲染里最震撼的一次演示"。
可它在标准PS5上跑的是原生1440p、30帧，没用FSR也没用任何超采样，30帧的上限还是Zen 2的CPU卡出来的。震撼全场的画面，分辨率停在七年前的水平。
它赢在光线追踪的全局光照和反射，那分辨率之外的下一个嫌疑人，自然就是光。
那光影呢？人其实看不出光照错了
这一段是判断改得最大的地方。最早以为出戏的第一来源就是光照，毕竟所有关于画面进步的宣传都在讲光追，Lumen、路径追踪、神经渲染，钱也都花在这。
翻到感知心理学那一摞论文才发现，人对光照错误的敏感度低得离谱。
Ostrovsky、Cavanagh和Sinha在2005年做过一组实验，Perceiving illumination inconsistencies in scenes，结论用的词是"人对场景里的光照不一致惊人地迟钝"。
Nightingale等人2019年把题目收窄到影子和反射的错误，结果是被试的整体检出率很差，错误细微的时候接近瞎猜。影子方向画反了、水面的反射少了半张脸，多数人过场就过去了。这跟大多数人想的正相反。
那光追的钱是白花了吗，倒也不是。光照对真实感的贡献走的是另一条路，它管的是"材质有没有活过来"，而人对材质对不对是有感觉的。
皮肤是最典型的例子，GPU Gems 3第14章给的数是皮肤反射光里约94%来自次表面散射，光线钻进皮肤几毫米再散出来，直接从表面反射的只占约6%。不做次表面散射，多边形再多也是塑料。
这项技术在2015年被Jimenez那篇屏幕空间方案压到了全高清一帧0.5毫秒，所以今天的3A角色脸上都有它。
UE5的Lumen解决的是同一类问题，间接光。房间里没被灯直接照到的角落是什么颜色，桌子底下有没有从地板弹回来的光，这些在过去靠美术手工烘焙，Lumen让它全动态。
但它也有自己的穿帮预算，软件光追模式下Lumen Scene默认只覆盖相机周围200米，相机跑快了间接光会慢半拍跟上来。Nanite那边则不支持骨骼动画角色和半透明，也就是说场景可以有电影级几何精度，走在场景里的人还是老办法。
把这两段合起来看，光照的作用是把材质的可信度托住。能让人在半秒之内判定"这是游戏"的东西，得去人眼配了专用硬件的地方找。
出卖游戏的是脸和动作
1973年Gunnar Johansson做了一个后来被引用了几千次的实验，point-light walker。他在人的关节上贴十几个光点，关灯，只放这些光点的运动给被试看。被试瞬间就能认出有人在走路，还能判断性别、情绪，甚至认出是熟人。十几个点，没有轮廓也没有材质。
后来的脑成像研究把这件事落到了具体脑区。Grossman和Blake 2002年发在Neuron上的实验显示，看光点行走者时颞上沟会特异激活，连梭状回面孔区都跟着亮。
也就是说大脑给"生物运动"和"面孔"各配了一套专用电路，处理速度和敏感度都远超通用视觉。这两套电路就是游戏最容易被抓包的地方，因为它们从来不看多边形数，只看动作对不对、脸活不活。
脸这边最具体的证据是《死亡搁浅2》。2025年英国《在线安全法》上线之后，有玩家用照片模式里Sam的脸去过面部年龄验证，过了；PC Gamer拿水獭帽版本复现也过了。机器已经分不出这张脸是不是真人，人还是能。差别在动起来之后，眨眼频率、眼球微跳、视线焦点、口型和音素对不对得上，这些是脸部专用电路每天在真人身上校准的量。
《赛博朋克2077》用的JALI系统把口型和面部动画做到了十种语言程序化生成，已经是业内顶尖。它反而更能说明凝视为什么重要：对上视线时，玩家会专门发帖夸角色像在跟自己说话；Johnny低头或把焦点落在别处时，人也会立刻读出"他没有看我"。这未必是动画错误，但大脑对眼神方向的判断，显然比对影子方向苛刻得多。
动作这边的敏感点更土，脚。动画混合的时候不锁脚的接触点，角色的脚就会在地面上滑，业内叫foot sliding，解决办法是脚部IK把脚钉在地上。问题在于IK有预算，MoCap Online那份指南给的数是两骨骼IK可以同时跑几十个几乎不花钱，全身IK在主机上只够前景1到4个角色用。所以主角走路是稳的，街上第五个路人开始滑冰。玩家未必说得出IK这个词，但他的颞上沟看得一清二楚。
Naughty Dog在GDC 2021讲过《最后生还者2》的Motion Matching，思路是放弃动画状态机，从动捕数据库里实时搜最接近当前姿态的下一帧，让角色从跑到停之间没有那种切状态的顿挫。这套技术之所以被反复提，说明它解决的是一件人眼特别在意的事。动作对了，脸对了，画面再粗糙也能过关；反过来，动作和脸不对，画面越精细越糟。这就到了这个问题最核心的一层，为什么越像越假。
越像越假，机制叫感知不一致
恐怖谷这个词大家都知道，它是森政弘1970年在《Energy》杂志上写的一篇随笔，2012年才有正式英译。原文只有一条手画的曲线，横轴是像人的程度，纵轴是亲和感，在快要像真人的地方猛跌一下。这条曲线四十多年来一直是个假说，真正的实证工作是最近十年做出来的，而且结论比原版精细得多。
MacDorman和Chattopadhyay 2016年在Journal of Vision上那篇Familiar faces rendered strange用了365名被试，变量控制得很干净。他们把人脸的各个特征分别调节真实度，皮肤、眼睛、眉毛、嘴，然后对比两种情况，一种是所有特征一起降低真实度，一种是只降其中几个。结果只有后者，也就是"特征之间真实度不一致"的脸，才引发被试的诡异感。后来同一组人用548名被试重跑，进一步确认这种感觉来自不一致本身，跟这张脸是不是难以归类没关系。Kätsyri等人2015年在Frontiers in Psychology的综述把此前几十项恐怖谷研究过了一遍，分类困难那条假说几乎找不到支持，感知不匹配这条得到支持。
这就解释了为什么老游戏没有恐怖谷，PS2时代的角色皮肤、眼睛、动作全都一样假，特征之间是一致的，大脑把它归到"画"这一类就不再计较。今天的角色皮肤做到毛孔级，次表面散射一应俱全，眼睛却还在按30秒眨一次的频率机械眨动，大脑把皮肤归到真人那一类之后，紧接着就在眼睛上撞了车。
跨模态的不匹配也是同一回事。有一组实验把真人脸配上合成语音、机器人脸配上真人语音，两种搭配都比各自一致的版本更诡异。所以真实感是一个AND关系，皮肤、眼睛、动作、声音、物理，任何一项掉队，其余的都白做。
至于大脑为什么这么干，预测编码给的解释最省事。Rao和Ballard 1999年的模型说视觉皮层一直在自上而下地预测接下来会看到什么，感觉输入进来只是拿来和预测做减法，剩下的差值叫预测误差，往上层传的只有这个差值。2025年Rideaux等人在Journal of Vision上的实验进一步显示，被违反的预期不光会被注意到，还会被优先处理，表征精度反而更高。
把这个机制套到游戏上，逻辑就通了。角色越接近真人，大脑调用的预测模型就越接近对真人的模型，而对真人的模型精度极高，眨眼间隔、重心转移、说话时眉毛的位置全都在里面。模型越精，容差越窄，同样一个小错，在卡通角色身上不产生误差，在照片级角色身上就是一个尖峰。
逼真是一种诅咒，它把玩家的容差压到了最低。
公平起见还得说另一面。恐怖谷曲线本身的形状一直有争议，Bartneck等人2007年用真人照片和各种机器人做对比，发现真人照片的好感度还不如一些玩偶型机器人，提出恐怖悬崖模型，认为曲线右端根本不回升。这一点对游戏的启发反而更直接，它意味着追求照片级本身可能没有终点线，一致性才是能拿到手的东西。
16毫秒砍掉了什么
游戏的假有一部分来自预算层，跟感知无关。皮克斯那个The Science Behind Pixar项目公开过《Luca》的渲染数据，某个场景一帧要渲50小时。游戏引擎在60帧下的预算是16.6毫秒一帧，30帧也只有33毫秒。50小时是18万秒，除以0.0166，两边差约1000万倍。
这个数解释了很多穿帮的来源。屏幕空间反射在物体移出画面时反射跟着消失，环境光遮蔽在物体边缘留一圈黑边，远处植被突然换模型，这些都是在16毫秒里主动砍掉的东西，工程上叫近似，感知上叫穿帮。DLSS 4和FSR 4是2025年这一轮的新解法，NVIDIA说Transformer超分模型比旧CNN快40%、省30%显存，AMD的FSR 4也第一次转向机器学习时序模型。但帧生成的代价也很具体，快速移动的元素和UI文字会出现重影和闪烁，基础帧率越低越明显。AI生成的帧本身又引入了一种新的不一致。
这条路的尽头是Genie 3。DeepMind 2025年8月发布的这个模型可以从一句文字生成一个能实时走动的世界，官方数据是这样的：在720p分辨率下能维持几分钟的一致性。24帧每秒，记忆约一分钟，超过这个时间走回头路场景会变。TechTalks的评测里记录了人物倒着走这类物理错误。同一段官方演示里，向前移动时完整的公路和护栏也会在几秒内退化成一整块泥面，再变成开阔水面。这里掉的不是分辨率，而是对象身份和空间关系。这个极端样本很干净，画面在像素级别很真，但底层缺少传统物理引擎那种刚性的一致性约束，一眼假来得比任何传统渲染都快。
世界不回应你的时候
到这一步如果收尾，结论会是真实感取决于脸和动作，我当时确实差点就这么记下来。但有一类游戏不符合这个结论。
热门跟贴