DirectX se está convirtiendo en una plataforma de ML: qué significan el álgebra lineal y los sombreadores neuronales para los futuros juegos

DirectX está yendo más allá de los sombreadores gráficos tradicionales. Microsoft está añadiendo álgebra lineal acelerada por hardware directamente a HLSL y una ruta separada para modelos de ML más grandes, sentando las bases para texturas neuronales, materiales aprendidos, iluminación neuronal y otras técnicas de renderizado impulsadas por IA.
Publicado:
Aleksandar Stajic
Updated: 26 de septiembre de 2026 a las 08:45
DirectX se está convirtiendo en una plataforma de ML: qué significan el álgebra lineal y los sombreadores neuronales para los futuros juegos

DirectX ya no es solo una API de gráficos que envía sombreadores tradicionales a la GPU. Microsoft está agregando primitivas de aprendizaje automático directamente a HLSL y una segunda ruta para ejecutar grafos de ML más grandes dentro del ecosistema de DirectX. Eso cambia dónde puede vivir la representación neuronal dentro de los futuros juegos de PC.

Por qué la representación neuronal necesita nuevas primitivas de DirectX

Las GPU modernas ya contienen hardware especializado para operaciones matriciales utilizadas por el aprendizaje automático. El problema para un desarrollador de juegos no es solo si ese hardware existe, sino cómo acceder a él de manera eficiente desde una canalización de gráficos en tiempo real.

Microsoft exploró esto por primera vez con el soporte de Cooperative Vector. En 2026, ese trabajo evolucionó hacia un diseño más amplio de DirectX Linear Algebra que admite operaciones de vector-matriz y matriz-matriz.

Eso importa porque diferentes trabajos de representación neuronal tienen diferentes formas. Un modelo pequeño que evalúa el comportamiento del material por píxel no es la misma carga de trabajo que un grafo grande de superresolución o eliminación de ruido.

El modelo de ML de DirectX de dos niveles

Dos formas en que el ML puede entrar en la canalización de gráficos de DirectX

1
1. ML a nivel de sombreador
Las cargas de trabajo neuronales pequeñas o de álgebra lineal se ejecutan directamente desde HLSL junto con el código de sombreador tradicional.
2
2. DX Linear Algebra
El sombreador puede solicitar operaciones vectoriales y matriciales aceleradas por hardware en lugar de implementar manualmente cada primitiva de ML.
3
3. ML a nivel de modelo
Las redes neuronales más grandes se representan como grafos de computación completos en lugar de fragmentos de sombreador escritos a mano.
4
4. DirectX Compute Graph Compiler
La ruta del compilador planificada por Microsoft analiza y reduce esos grafos en cargas de trabajo de GPU optimizadas integradas con colas y listas de comandos de D3D12.

Qué le da realmente DX Linear Algebra a un sombreador

El HLSL tradicional está construido en torno a operaciones de gráficos y cómputo. Las cargas de trabajo neuronales dependen en gran medida del álgebra lineal: vectores, matrices, multiplicación, acumulación y diseños de datos optimizados para esas operaciones.

La vista previa de Shader Model 6.10 agrega API de matrices de primera clase para que los desarrolladores puedan expresar esas cargas de trabajo de manera más directa y permitir que el controlador las asigne a hardware especializado.

La vista previa de Microsoft de abril de 2026 describe explícitamente esto como una ruta unificada para la representación neuronal, el ML y las cargas de trabajo de procesamiento de imágenes en lugar de una característica solo para gráficos.

Matemáticas de sombreador tradicionales vs matemáticas de sombreador orientadas a ML

Enfoque de sombreador tradicionalEnfoque orientado a ML
Trabajo típico
Ruta de hardware
Expresión del desarrollador

Por qué Cooperative Vector fue solo el comienzo

Cooperative Vector permitía a los hilos de sombreador solicitar trabajo de vector-matriz que los controladores podían asignar a hardware especializado. Eso era útil para cargas de trabajo altamente paralelas por píxel.

Microsoft concluyó más tarde que muchas cargas de trabajo importantes de ML necesitan más que operaciones de vector-matriz. La superresolución, la eliminación de ruido, la reconstrucción temporal, los modelos de imagen más grandes y la inferencia general pueden requerir operaciones de matriz-matriz y trabajo compartido entre muchos hilos.

Por lo tanto, DX Linear Algebra amplía el modelo en lugar de tratar Cooperative Vector como la abstracción final.

¿Qué puede ejecutarse realmente dentro de un shader?

Las cargas de trabajo de ML a nivel de shader más interesantes son lo suficientemente pequeñas como para ejecutarse cerca de los datos gráficos sobre los que operan.

Carga de trabajoPor qué el ML a nivel de shader encaja
Compresión de texturas neuronalesUna red pequeña puede reconstruir información de textura cerca del punto donde el shader la necesita
Evaluación de materiales neuronalesUna función aprendida puede reemplazar o aumentar cálculos de materiales costosos escritos a mano
Caché de radiancia neuronalLa inferencia por píxel o local puede estimar información de iluminación a partir del comportamiento aprendido de la escena
Pequeños kernels de eliminación de ruido/reconstrucciónLas operaciones de ML pueden situarse directamente junto a la etapa de renderizado que mejoran
Inferencia de procesamiento de imágenesLas operaciones matriciales pueden integrarse en el procesamiento de GPU sin un runtime externo separado

Por qué esto importa para la memoria de texturas

Uno de los ejemplos recurrentes de Microsoft es la compresión de texturas neuronales.

En lugar de almacenar cada canal de textura con fidelidad convencional, un juego puede almacenar una representación más compacta y usar una pequeña red neuronal para reconstruir el detalle durante el renderizado.

Eso intercambia algo de trabajo de inferencia en la GPU por menor almacenamiento o presión de memoria. El beneficio exacto depende de la técnica y el hardware, pero el cambio arquitectónico es importante: parte del detalle visual puede convertirse en cómputo en lugar de datos almacenados.

Por qué los modelos completos necesitan un camino diferente

Escribir a mano unas pocas operaciones matriciales en HLSL es práctico para funciones neuronales pequeñas. Se vuelve mucho menos práctico cuando la carga de trabajo es un modelo moderno completo con muchas capas, dependencias y tensores intermedios.

El DirectX Compute Graph Compiler de Microsoft está diseñado para esta clase más amplia de cargas de trabajo.

En lugar de reescribir el modelo como código de shader personalizado, el compilador puede aceptar un grafo de cómputo, analizar todo el grafo, planificar la memoria, fusionar operaciones y reducir el resultado a trabajo de GPU que se integra con DirectX 12.

La frontera entre shader o grafo

Cuándo la carga de trabajo de ML pertenece a HLSL frente a un compilador de modelos

Ruta a nivel de shaderRuta a nivel de modelo
Tamaño del modelo
Estilo de ejecución
Autoría
Alcance de la optimización
Uso típico

Por qué el soporte entre proveedores importa más que otra función de IA

AMD, Intel, NVIDIA y Qualcomm exponen diferentes arquitecturas de GPU y diferentes formas de aceleración matricial dedicada.

Una abstracción de DirectX ofrece a Microsoft y a los proveedores de controladores un lugar para traducir HLSL común o ML a nivel de grafo en la ruta de hardware correcta.

Eso no hace que todas las GPU sean igual de rápidas, pero puede reducir la necesidad de que un motor de juego implemente una API de renderizado neuronal completamente diferente para cada proveedor.

¿Qué hardware admite la vista previa actual?

La respuesta depende de la operación específica de álgebra lineal y del controlador de vista previa.

La tabla de compatibilidad de la vista previa del Agility SDK 1.721 de Microsoft incluye LinAlg VectorAccumulate para hardware AMD Radeon RX Serie 9000, hardware Intel Xe2 o más reciente mediante un controlador próximo, y hardware NVIDIA RTX mediante la ruta de vista previa compatible.

Esto es compatibilidad de la era de vista previa, no una garantía universal de venta al público. La compatibilidad de hardware y controladores puede cambiar antes de la finalización.

El renderizado neuronal se está convirtiendo en infraestructura

DLSS, FSR y otras tecnologías de gráficos neuronales suelen discutirse como características de marca visibles en el menú de configuración de un juego.

DirectX Linear Algebra apunta a un cambio más profundo. La operación neuronal puede convertirse en un detalle de implementación interno dentro del renderizador en lugar de una única característica opcional de posprocesamiento.

Un desarrollador podría usar ML para texturas, materiales, iluminación, reconstrucción u otras funciones locales sin exponer cada una como un interruptor de IA orientado al consumidor.

La pila de renderizado neuronal se está volviendo por capas

Una posible futura canalización de juego con DirectX

1
Trabajo tradicional del motor
La simulación, la geometría, la visibilidad y el renderizado base siguen siendo responsabilidades estándar del motor.
2
Shaders neuronales en línea
Pequeñas funciones aprendidas reconstruyen texturas, materiales o iluminación dentro de HLSL.
3
Grafos de ML más grandes
Los modelos completos de reconstrucción o inferencia se ejecutan a través de una ruta de DirectX a nivel de grafo.
4
Asignación de hardware del proveedor
Los controladores asignan operaciones comunes de DirectX a las unidades especializadas de IA y matrices de la GPU.
5
Visibilidad en PIX
El trabajo de gráficos y ML se puede perfilar en conjunto en lugar de vivir en tiempos de ejecución opacos separados.

Por qué importa la creación de perfiles unificada

Una carga de trabajo neuronal que mejora la calidad de imagen aún puede dañar un juego si consume inesperadamente tiempo de fotograma, ancho de banda de memoria o VRAM.

Microsoft incluye explícitamente la visibilidad unificada de PIX como parte de la dirección del Compute Graph Compiler. Eso importa porque los desarrolladores necesitan ver el trabajo de gráficos y ML en la misma captura de fotograma.

Si el renderizado neuronal se convierte en infraestructura, debe ser medible como cualquier otra etapa de renderizado.

Esto no significa que todos los shaders se convertirán en redes neuronales

Las matemáticas tradicionales de los shaders siguen siendo eficientes, deterministas y fáciles de razonar para muchas cargas de trabajo.

Una función neuronal tiene sentido cuando puede aproximar o reconstruir algo costoso de manera más eficiente, comprimir datos o producir una calidad que de otro modo requeriría demasiado cómputo o memoria convencionales.

La arquitectura correcta seguirá siendo híbrida.

La prueba de valor del shader neuronal

¿Cuándo tiene realmente sentido incorporar ML en la canalización de renderizado?

1
1. Identificar la operación tradicional costosa
¿Qué costo de cómputo, ancho de banda, memoria o almacenamiento intentas reemplazar?
2
2. Definir el sustituto neuronal
¿Qué puede reconstruir, predecir o comprimir un modelo pequeño?
3
3. Medir el costo de inferencia
El propio modelo de ML consume tiempo de GPU, memoria y ancho de banda.
4
4. Medir la estabilidad de la calidad
Busca artefactos temporales, errores de reconstrucción y casos de fallo.
5
5. Medir el ahorro neto
La técnica solo es útil si el costo tradicional evitado vale la pena frente al costo adicional de ML.
6
6. Probar en distintos proveedores
Una abstracción de DirectX ayuda a la portabilidad, pero el rendimiento real del hardware sigue siendo diferente.

Qué significa esto para los jugadores

Es posible que los jugadores nunca vean un interruptor de “DX Linear Algebra” en un menú de gráficos.

El impacto probable es indirecto: texturas más pequeñas, mejor reconstrucción de iluminación, gráficos neuronales más eficientes o nuevas técnicas visuales que se vuelven prácticas porque el motor puede acceder a la aceleración de matrices a través de una ruta estándar.

La característica es más importante como infraestructura que como marca.

¿Qué cambiaría esta respuesta?

La mayor incertidumbre es la forma final de venta al público de estas API. DX Linear Algebra sigue en vista previa, y el Compute Graph Compiler aún no ha alcanzado una disponibilidad amplia para el público.

El soporte final de hardware, los detalles de la API, el comportamiento del compilador y la adopción por parte de los motores pueden cambiar antes de que estos sistemas se conviertan en infraestructura normal para juegos comerciales.

Si los motores principales adoptan las abstracciones directamente, los shaders neuronales podrían volverse mucho más comunes sin que los equipos individuales de juegos implementen cada técnica desde cero.

Limitaciones

Este artículo explica la arquitectura DirectX documentada por Microsoft y las API en vista previa. No afirma que DX Linear Algebra mejore actualmente el rendimiento en todos los juegos ni que el Compute Graph Compiler sea un producto final para el público.

Los ejemplos de Microsoft describen capacidades y el uso previsto. Los beneficios reales dependen del modelo, la integración con el motor, la arquitectura de la GPU, los controladores y la carga de trabajo.

Conclusión

El cambio importante de DirectX no es otra casilla de verificación llamada IA.

Es que las matemáticas de aprendizaje automático se están trasladando al propio modelo de programación de gráficos. Las funciones neuronales pequeñas pueden residir dentro de los sombreadores, los modelos más grandes pueden avanzar hacia la compilación a nivel de grafo, y la misma cadena de herramientas de DirectX puede exponer esas cargas de trabajo en múltiples proveedores de GPU.

Así es como la representación neuronal deja de ser una característica de marca y comienza a formar parte de la infraestructura de representación.

Preguntas frecuentes

Álgebra lineal de DirectX y sombreadores neuronales

¿Qué es el Álgebra lineal de DirectX?

Es un conjunto de características de DirectX/HLSL para operaciones vectoriales y matriciales aceleradas por hardware utilizadas por cargas de trabajo de aprendizaje automático, representación neuronal y procesamiento de imágenes.

¿Qué es un sombreador neuronal?

Una descripción útil en lenguaje sencillo es un sombreador que incluye una función neuronal aprendida o un paso de inferencia de aprendizaje automático como parte de su trabajo gráfico.

¿Es el Álgebra lineal de DX ya una característica normal de DirectX para el consumidor?

A partir de septiembre de 2026, permanece en la ruta de vista previa del Shader Model 6.10 / Agility SDK.

¿Qué es el Compilador de grafos de cómputo de DirectX?

Es la API de compilador de aprendizaje automático a nivel de modelo anunciada por Microsoft, destinada a tomar grafos de cómputo más grandes y convertirlos en cargas de trabajo de GPU optimizadas integradas con D3D12.

¿Por qué no ejecutar todos los modelos de aprendizaje automático directamente en HLSL?

Las funciones pequeñas se adaptan bien a la autoría a nivel de sombreador, mientras que los modelos grandes se benefician de la optimización de todo el grafo, la planificación de memoria y la fusión de operadores.

¿Reemplazará esto a DLSS o FSR?

No directamente. DirectX proporciona infraestructura de nivel inferior que los proveedores y desarrolladores pueden utilizar para gráficos neuronales. Las tecnologías de marca aún pueden implementar sus propios modelos y estrategias de integración.

Glosario

Términos clave de aprendizaje automático de DirectX

Álgebra lineal de DX
API de DirectX/HLSL para operaciones vectoriales y matriciales aceleradas destinadas a cargas de trabajo de representación neuronal, aprendizaje automático y procesamiento de imágenes.
Vector cooperativo
Un enfoque anterior de DirectX para operaciones vector-matriz aceleradas dentro de sombreadores que ayudó a establecer la ruta de representación neuronal a nivel de sombreador.
Shader Model 6.10
La generación de modelo de sombreador en vista previa que contiene las API de matriz de Álgebra lineal de DirectX actuales.
Compilador de grafos de cómputo de DirectX
La API de compilador anunciada por Microsoft para optimizar y ejecutar grafos de cómputo de aprendizaje automático más grandes como cargas de trabajo nativas de GPU de DirectX.
Sombreador neuronal
Un término práctico para un sombreador que realiza inferencia aprendida o computación neuronal como parte del procesamiento gráfico.
Frontera sombreador-o-grafo
Un modelo de Figure Rocks para decidir si una carga de trabajo de aprendizaje automático pertenece como matemáticas de sombreador en línea pequeñas o como un grafo de cómputo a nivel de modelo más grande.
Prueba de valor del sombreador neuronal
Un flujo de trabajo de Figure Rocks para decidir si el costo tradicional de cómputo o memoria evitado por una técnica neuronal vale sus costos de inferencia y compensaciones de calidad.

Fuentes primarias

Microsoft DirectX — Evolucionando DirectX para la era del aprendizaje automático en Windows

Descripción general oficial de la arquitectura de GDC 2026 que cubre aprendizaje automático a nivel de sombreador, Álgebra lineal de DX y el Compilador de grafos de cómputo de DirectX.

Microsoft DirectX — Vista previa de D3D12 LinAlg Matrix

Vista previa oficial de abril de 2026 que explica las API unificadas de Álgebra lineal, operaciones matriciales y la motivación de representación neuronal.

Microsoft DirectX — Vista previa de Agility SDK 1.721

Lanzamiento oficial de mayo de 2026 que documenta las actualizaciones de Álgebra lineal de Shader Model 6.10 y el soporte de hardware en vista previa.

Microsoft Game Dev — GDC 2026: Evolucionando DirectX para la era del aprendizaje automático

Resumen oficial de Microsoft Game Dev que explica el aprendizaje automático a nivel de sombreador y a nivel de modelo y el papel del Compilador de grafos de cómputo.

Microsoft DirectX — Vector cooperativo de D3D12

Antecedentes oficiales sobre operaciones vectoriales/matriciales aceleradas por hardware y representación neuronal directamente desde hilos de sombreador.

Related Articles

Isabelle - número 73

El amiibo de Canela de la serie Super Smash Bros. representa al personaje de Animal Crossing tal como aparece en Super Smash Bros. Ultimate. Como parte de la línea Smash, su principal valor añadido reside en la funcionalidad dentro de juegos compatibles, especialmente a través del almacenamiento de datos de luchadores y desbloqueos relacionados con el personaje. Es una figura NFC funcional, no un objeto decorativo con mecánicas ocultas. La tecnología en su interior permite la interacción de datos donde sea compatible.

Tom Nook

Dentro de la línea de figuras amiibo de Animal Crossing, el amiibo de Tom Nook representa a una de las figuras centrales de la serie. La figura apareció durante la primera oleada de amiibo dedicados de Animal Crossing. El momento del lanzamiento varió ligeramente según la región, pero en general se sitúa en noviembre de 2015. La figura lleva la imagen de Tom Nook, un personaje que ha estado presente desde los primeros títulos de Animal Crossing y cuyo papel ha pasado lentamente de ser tendero a organizador de infraestructuras de la vida del pueblo. El amiibo funciona principalmente como una clave de personaje: al escanearlo, Tom Nook aparece en varios juegos compatibles de Nintendo, desbloqueando pequeñas interacciones, contenido de personajes o bonificaciones temáticas.

Resetti

El amiibo de Resetti pertenece a la línea de figuras amiibo de Animal Crossing lanzada durante la expansión inicial de las figuras de personajes basadas en NFC de Nintendo. Al igual que otras de esta serie, la figura funciona como una representación física de un personaje combinada con un pequeño chip NFC que se comunica con sistemas de Nintendo compatibles. Al escanearla, la figura vincula al personaje Mr. Resetti con juegos compatibles y desbloquea pequeñas interacciones o apariciones del personaje vinculadas a su papel en el universo de Animal Crossing.

Kicks

El amiibo de Kicks pertenece a la línea de figuras amiibo de Animal Crossing lanzada durante la expansión inicial del ecosistema de figuras NFC de Nintendo. Al igual que los otros personajes de esta serie, la figura funciona como una llave física que se conecta a juegos compatibles de Nintendo a través de NFC. Al escanearlo, el amiibo vincula al personaje Kicks con diferentes sistemas dentro del juego. El valor práctico es sencillo: permite a los jugadores acceder a interacciones específicas del personaje, pequeños desbloqueos o contenido temático dependiendo del título compatible.

Celeste

El amiibo de Estela pertenece a la línea de figuras amiibo de Animal Crossing lanzada durante la primera oleada de figuras dedicadas al universo de Animal Crossing. Al igual que otras figuras de esta colección, funciona como un pequeño portador NFC conectado al ecosistema amiibo de Nintendo. Al escanearla, la figura vincula al personaje de Estela con juegos compatibles. El valor del amiibo reside principalmente en permitir apariciones del personaje y pequeñas interacciones de juego que, de otro modo, solo aparecerían bajo circunstancias específicas.

Cyrus

El amiibo de Cyrus pertenece a la línea de figuras amiibo de Animal Crossing lanzada durante el periodo en que Nintendo expandió la serie a figuras NFC físicas. Funciona como un puente entre la figura de plástico y los juegos de Nintendo compatibles. Al escanearlo, el personaje almacenado en el chip NFC se vuelve accesible dentro del juego. El valor práctico de la figura reside en habilitar interacciones y contenido relacionados con Cyrus que, de otro modo, permanecerían ocultos o serían más difíciles de alcanzar.

Reese

El amiibo de Paca pertenece a la serie Animal Crossing de figuras amiibo de Nintendo y representa a uno de los comerciantes de la economía del pueblo en los juegos de Animal Crossing. Al igual que con otras figuras de esta línea, el valor reside menos en el objeto de plástico en sí y más en el chip NFC que hay dentro de la base. Al escanearla con sistemas Nintendo compatibles, la figura activa pequeñas interacciones en el juego, desbloquea apariencias de personajes o permite diálogos y objetos adicionales dependiendo del título.

Mabel

El amiibo de Mabel pertenece a la línea de figuras amiibo de Animal Crossing. Representa a la eriza sastre vinculada a la tienda de ropa que aparece a lo largo de la serie. La figura no introduce un personaje nuevo. Transfiere un papel de tienda establecido a un formato escaneable para sistemas de Nintendo compatibles.

PUBG Ally muestra por qué los compañeros de equipo de IA necesitan dos cerebros: reflejos rápidos y razonamiento lento

PUBG Ally muestra por qué los compañeros de equipo de IA necesitan dos cerebros: reflejos rápidos y razonamiento lento

Un modelo de lenguaje puede entender tácticas y la intención del jugador, pero no debería controlar directamente cada movimiento y reacción de combate. PUBG Ally muestra una arquitectura más práctica: control rápido mediante árboles de comportamiento para acciones reflejas, combinado con un modelo de lenguaje pequeño para planificación, coordinación y conversación natural.

Lottie

El amiibo de Lottie pertenece a la línea de figuras amiibo de Animal Crossing lanzada durante la fase inicial del programa amiibo de Nintendo. Representa al pequeño personaje de nutria conocido por la oficina de diseño en Animal Crossing Happy Home Designer. Al igual que otras figuras de esta serie, el objeto contiene un pequeño chip NFC. Cuando es escaneada por sistemas de Nintendo compatibles, la figura vincula al personaje con los sistemas del juego y desbloquea pequeñas piezas de contenido relacionado.

Kapp’n

El amiibo de Capitán pertenece a la línea de figuras amiibo de Animal Crossing lanzada durante la primera oleada de figuras conectadas a la serie. Al igual que otras figuras de esa línea, lleva un pequeño chip NFC que vincula el objeto físico con varios juegos de Nintendo. Escanear la figura activa contenido relacionado con el personaje. El valor práctico de la figura reside principalmente en la capacidad de llamar a Capitán en los títulos compatibles y desbloquear pequeñas piezas de contenido temático relacionado con su papel en la serie.

Timmy & Tommy

El amiibo de Tendo y Nendo pertenece a la línea de figuras amiibo de Animal Crossing lanzada durante la primera oleada de la serie. Al igual que otras figuras de esta colección, contiene un pequeño chip NFC que vincula la figura física con juegos de Nintendo compatibles. Escanear la figura no cambia drásticamente la jugabilidad, pero proporciona de manera constante interacciones relacionadas con los personajes. El valor de este amiibo reside principalmente en su capacidad para invocar a los gemelos tenderos en títulos compatibles y desbloquear pequeños elementos temáticos relacionados con ellos.