深度解析AI大逆向时代的行业震动,英伟达DLSS 5技术被社区快速破解适配多代显卡与AMD平台,开源AI工具更实现Adobe全家桶平替与万物逆向,探讨软件商业模式的未来变革与信任价值。
Tags:AI 正式进入大逆向时代。
英伟达的老显卡要起飞了。
英伟达 DLSS5 技术遭到破解,无论是 20、30、40系列显卡,甚至是 A 卡。
都能使用 50 系显卡专属的 DLSS 帧生成技术了。
老黄整了半天的 50 系列显卡硬件护城河,整了半天原来就是个软件锁。
这还不是最离谱的。
最近,有人用 GPT-6 Astra 花 2000 美金,“复刻”出一个免费开源的 Photoshop 替代品。
Premiere 也做了复刻,我真是用够了 Pr 这个糟心软件,视频剪辑剪辑着,突然软件崩溃,然后翻来覆去找自动保存的工程文件,这种痛苦谁懂?
而且不仅是 PhotoShop、Premiere,而是全家桶一锅端。
但以上这些,都只是开胃菜。
有人更狠,直接把“逆向工程”做成了一个 AI 工具。
GitHub 上一个叫 REA(Reverse Engineer Anything)的开源项目,刚上线就拿到了 11 万 Star。
很夸张,直接原地起飞。
项目 Slogan 简单粗暴:逆向一切。
离谱不?看完细节你会觉得更离谱。
先说 DLSS 5 是什么。
DLSS 5 是英伟达最新的 AI 渲染技术,能用 AI 理解整个游戏场景,实时重新生成光照、皮肤质感的光影交互。
说人话,就是 AI 重绘,让画面看起来更真实。
今年三月 GTC 大会上,黄仁勋亲自站台,称其为“显卡界的 GPT 时刻”。
正式版定在秋季上线,锁死在最新的 RTX 50 系列显卡上。
结果,8 月底,一个玩家在 NBA 2K27 抢先体验版的安装目录里,翻出了 DLSS 5 的完整 DLL 文件。
核弹密码就写在一个篮球上,被开发商误塞了进去。
于是,网友直接上手拆了。
一个叫 Uncle Burrito 的技术宅发现,所谓的“硬件独占”根本不是什么高深加密,就是一组架构检测指令。检测到不是 RTX 50 系列就直接报错退出。
他把这几行检测替换掉,几个小时后,RTX 40 系列能跑了。
第一个移植 Demo 当天发布。
开源社区 RenoDX 立刻接力,进一步破解到 RTX 30 系列。
然后事情彻底失控了。
开发者 ShortFuse 发布了专门为旧架构优化的修改版本,把 FP8 运算降级为 FP16,让 RTX 20 系列也能跑。
这可是六年前的显卡了。
一个叫 danielblnc 的开发者更狠,直接跨越了边界,做了个叫 DLSS-NR-on-AMD 的工具。
把英伟达的独家技术强行搬到了对手 AMD 的 Radeon RX 9000 和 RX 7000 系列上。
整个过程全部在 RenoDX 的 Discord 频道和 GitHub 上公开进行。
接力告一段落后,还有人做了个一键工具叫 DLSS5-Swapper,任何老游戏都能强行挂上 DLSS 5 的 AI 渲染。
从泄露到各类显卡全部适配,不到一周。
至今,已经几百款游戏被移植。
英伟达的“硬件独占”策略,在开源社区面前,连一个周都撑不过。
之前苹果、高通、英特尔,都在干类似的事,把软件功能锁在特定芯片上,然后告诉你必须升级。
用户不知道旧卡能跑,所以愿意买新卡。
但是,在 2026 年,你已经瞒不住了。
有人说,正式版优化后,让旧卡跑不动就没事了?
但问题是大家已经证明旧卡能跑、帧率可以接受。
就算正式版真的跑不动了,所有人都会认为那是英伟达故意的,信任已经没了。
所以,英伟达在 9 月 4 日正式认怂。
就在 DLSS 5 原定“仅限 RTX 50”发布的当天,英伟达发言人 Rajal Maharaj 向 The Verge 确认:DLSS 5 将官方支持 RTX 40 系列。
政策逆转,源于社区的开源压力。
汇总一下该技术可用的Github开源适配版本:
| https://github.com/rakanki911/DLSS5-Swapper | ||
| https://github.com/rakanki911/DLSS5-Swapper | ||
| https://github.com/rakanki911/DLSS5-Swapper | ||
| https://github.com/rakanki911/DLSS5-Swapper | ||
| https://github.com/wilsjo2/OptiScaler-DLSSNR-PreSR-Multipass | ||
| https://github.com/jlrouzies-fr/DLSS5-Feeder | ||
| https://github.com/danielblnc/DLSS-NR-on-AMD | ||
| https://github.com/lmxxf/dlss5-on-amd-9070xt-porting | ||
| https://github.com/maohgad-web/Neural-coprocessor |
英伟达这件事的风波还没过, Adobe 又被 AI 全线偷家。
一个独立开发者用 GPT-6 Astra 分析 Photoshop 的全部功能,再让 AI 开发。
花了大约 2000 美金的 token 费用,做出了一个支持图层、蒙版、曲线、液化、背景移除,还能打开 PSD 文件的免费桌面应用。
Windows、macOS、Linux 全平台,离线运行,不要一分钱。
这个产物叫 Photon Studio。
官网链接:https://tenzen.studio
接着,Adobe 全家桶都被盯上了。
一个叫 Brandon Thomas 的开发者,十五年经验,早年在 Square 干过。
他用 Claude Opus 5.5 一口气对标了 Photoshop、Illustrator、Premiere、Lightroom、Acrobat、After Effects 和 InDesign,独立开发了一款项目。
全部开源,Rust 编写,完全免费。
项目叫 ArtCraft,logo 做了点手脚,但一眼就知道对标的是谁。
官网:https://getartcraft.com/
逆向出来了,到底能不能用呢?
Reddit 和 X 上的评价,分歧很大。
在 Photon Studio 的 Reddit 讨论里,有人反馈说,抱着很低的预期去试,结果意外地好。
ArtCraft 也收到了相当积极的评价。
Reddit 用户 Ill_Resolve8424 自称从 1990 年就开始用 Photoshop 工作。他表示,这是他试过最接近 Photoshop 的替代品。
但是,冷静的声音也不少。
因为原型打磨太过粗糙,体验并不都是好的。
Reddit 用户 jonmaddox 吐槽,PhotoCraft 连裁剪工具都不够可靠,裁剪起点和鼠标点击的位置对不上。
有人反馈画笔卡顿,还有人说,自己用到的矢量工具根本不能正常工作。
Photon Studio 也有类似的问题。一位用户拿约 15K 分辨率的大图测试,发现缩放异常、图层操作变慢。
他认为,做网页设计可能够用,但自己的印刷工作暂时还用不了。
显然,AI 让做原型变快了。但原型做得快,不代表成品就很完美。
看到这里,也有人可能会说这些“平替”都是玩具,没意义。
但别忘了,Adobe 2024 年被美国司法部起诉设置隐性退订费,2026 年赔了 1.5 亿美金和解。
用户不是不想走,是以前没地方可以去。
现在哪怕只是一个粗糙的出口,都能改变这个局面。
Thomas 做 ArtCraft 的动机不是赚钱,就是被退订费搞烦了。
当你的用户开始用 AI 来表达不满,这比任何竞争对手都可怕。
因为他们不需要商业模式,不需要融资,只需要一个周末。
前两件事,还算客气。
最近这个Github项目,才是真正从源头上把拆解自动化了。
演都不演了!
REA,全名 Reverse Engineer Anything,翻译过来就是:逆向一切。
名字很狂,它做的事情也很直接:给 AI 编程助手接上一套拆解软件的工具。
以前,想搞明白一个软件内部怎么运行,你得会用反编译器、看汇编、追踪函数调用。
必须从一堆看着像天书的机器指令里,一点点扒出它的底层逻辑。
说白了,这是个硬核手艺活,没两把刷子真干不了。
现在,REA 把这些工具直接接进了 AI 的工作流程。
你用自然语言提出问题,AI 就能调用工具,查找相关代码、追踪执行逻辑,再根据分析结果编写和测试自己的实现。
说人话,你可以指着一个软件里的功能告诉 AI:
“帮我搞清楚它怎么做的,再给我的项目做一个类似的。”
REA 负责提供分析工具和证据,AI 负责顺着线索调查、解释、写代码。
仓库链接:https://github.com/morluto/rea
官网:https://rea.tools/
官方已经放出了具体逆向案例。
第一个,拆 Notion 的复制结构。
你在 Notion 里复制一个内容块,再粘贴回去,为什么原来的结构还能保留?
有人用 REA 定位桌面应用里的相关接口,再顺着代码,追到了系统剪贴板。
其中一个关键设计是,Notion 把结构化的内容块数据保存在本地,同时往复制的 HTML 里放一个标识。
粘贴时,根据这个标识找到对应数据,就能恢复内容块的结构。
一个用户习以为常的小功能,就这样被追出了内部实现路径。
第二个,拆老游戏里的声音算法。
1996 年的打砖块游戏 DX-Ball,砖块在屏幕不同位置被击中,声音会相应偏向左边或右边。
根据官方公布的过程,AI 借助 REA 查看指令、追踪调用者、读取常量,把这段计算重建成了 C 代码。
结果有多接近?
3,205 组测试中,重建函数的返回值与原始函数一致。
使用指定的历史编译工具链,并处理重定位后,这个函数的全部 63 个字节也匹配。
第三个,拆《东方幻想乡》的弹幕计算。
REA 的另一个案例,直接分析了《东方幻想乡》这款 PC-98 老游戏的 16 位 DOS 指令,追踪子弹角度的计算,再对照重建的 C++ 实现。
子弹之间隔多少、玩家的位置怎么影响发射角度,每一步都能找到对应的运算。
更硬核的是,重建项目还把包含这段逻辑的弹幕生成代码,均用指定的老版编译器重新编译。
过去半个世纪,软件行业的商业逻辑建立在一个前提上:编译成二进制,你就看不懂了。
现在,最可怕的不是 REA 能拆什么,而是谁都能用它拆。
以前你要担心的是那几个顶尖逆向工程师。
现在你要担心的是每一个会打字的人。
写到这里,我反而开始担心另一件事。
如果一个产品刚刚证明自己有用,就能被迅速模仿,那么下一次,谁还愿意做那个最先试错的人?
站在用户这边,替代品越多、价格越低,当然是好事。
但站在创造者这边,事情就没那么简单了。
你花了很长时间,才弄明白用户究竟需要什么。
你做过没人用的功能,推翻过自己最得意的设计,终于找到一个有人愿意付费的方向。
然后,别人拿着这个已经被验证的答案,开始复制。
AI 可以降低重新实现一个答案的成本。可找到这个答案,仍然需要有人付出代价。
这笔账,软件行业迟早要重新算。
不过,功能越容易复制,信任就越重要。
代码可以被拆,信任却不在二进制文件里。
别人可以研究你的功能,但没办法靠拆解程序,直接获得用户对你的信任。
这份信任来自一次次具体的经历:用户提出的问题,你认真解决了;
用户交给你的数据,你妥善保管了;
产品出了故障,你及时出现了。
时间久了,他才愿意把更多工作交给你,把数据、习惯和流程沉淀在你这里。
这些积累会增加迁移成本。但软件公司还需要分清:用户是嫌搬家麻烦,还是相信继续用你,会过得更省心。
用户搬不走,和用户愿意留下来,是两种不同的竞争力。
所以,商业软件还有秘密吗?
当然有。
只是以后,软件公司可能越来越难仅凭“只有我做得出来”,就让用户持续付费。
当一个足够便宜、足够好用的替代品摆在面前,你更懂他的需求,你会继续改进,出了问题你也会在那里。
这些才可能成为他继续选择你的理由。
当秘密越来越难独自撑起一门生意,你还剩下什么,值得用户付费?
代码越来越容易被读懂。这个问题,反而越来越难回答。
没有评论:
发表评论