光线追踪在以往游戏中的应用都是在游戏的制作中提前进行运算，将得出的结果写到游戏程序中，显卡所做的也仅仅是将已经写好的“台词”念出来。这样的做法意味着无法实现大量且精细的光线追踪，那将意味着海量的计算过程和无比巨大的供调用的结果数据。而“实时光线追踪”就是将光线追踪的运算过程拿到游戏过程中来，实时地计算出光线应该投影和反射形成的效果。
如果性能足够强大，不仅可以在同样的场景中做到更高数量级的光线追踪效果，游戏画面可以得到显著的提高，还能大幅度降低游戏开发者的运算量。如果把图形渲染比喻成一场数学考试，那么光栅化渲染基本上约等于不会做题目所有的选项都靠“三短一长选最长”的直觉来回答；而“光线追踪”则是将尽可能多的题目死记硬背，靠题海战术来完成答卷；而“实时光线追踪”（RTX）技术则是将做题的方式学会，通过聪明的大脑来运算解决遇到的每一个题目。
这样毫无疑问，最后一种方式所得到的分数必然要远胜前两者。落实到游戏的话，目前支持光线追踪的游戏并不多，近期《古墓丽影：暗影》虽然已经承诺支持，但并未在首发版本中加入。而另一款NVIDIA演示的RTX游戏《战地V》也延期上市。所以目前还不能玩到支持实时光线追踪技术的游戏。但是相信不久的将来，在NVIDIA的推动下，会有更多的支持RTX技术的游戏来到我们面前。
靠“脑补”的DLSS技术科隆发布会上占据时长同样多的还有全新的基于AI人工智能技术的“深度学习超级采样”（DLSS）技术。这也是图灵GPU核心中的那些Tensor Core的用途所在。原理是这样的，NVIDIA 使用自己的超级计算机以64 倍于标准分辨率的分辨率运行游戏，绘制出极多的超高画质的画面，再用一定的方式挑选出一些细分画面作为完美渲染的“标准答案”。
然后通过DLSS深度学习，将标准分辨率的画面和这些画面进行对比，生成一张最优画面，然后再与全尺寸（64倍超采样）进行对比，得出差别，然后将这些差别反推到神经网络中，进行循环训练。在几轮之后就人工智能网络就可以学会如何将标准画面渲染到接近64倍分辨率原图的方法。这些学习结果定期通过软件更新提供给图灵GPU的显卡，通过Tensor Cores，就可以进行实时比对，将较低分辨率的画面“脑补”为正确的高分辨率画面，从而实现画面细节的提升。
超采样也消灭了画面中可能存在的锯齿。最终的效果就是，要得出一个4K分辨率的高画质反锯齿画面，通过DLSS技术并不需要真的在4K分辨率下渲染画面，实际渲染一个低分辨率画面，通过DLSS技术即可达到需要的效果。这样不仅画质有所保证，还可以大幅度降低游戏的性能需求，游戏的运行效率将大幅度提升。虽然效率提升，但画质方面却并不会因为DLSS技术而受到损失，相反的，相比TAA（时间性反锯齿），DLSS技术大量的机器学习可以避免拖影和细节错位，从而获得更好的反锯齿效果。
