GPUのVRAMは常に足りない。ローカルLLMを動かせばモデルサイズに圧迫され、ゲームを起動すれば高解像度テクスチャに食い尽くされる。そんな「VRAM争奪戦」に一石を投じる技術を、NVIDIAが本格的に動かし始めた。RTX Neural Texture Compression（NTC）。テンソルコアを活用したAI駆動のテクスチャ圧縮技術で、VRAM使用量を最大で約80%削減できるとされる（NVIDIA公式RTX Kitはテクスチャ圧縮で「最大8倍」の改善を掲げており、80%級の削減はデモ/第三者計測の『サンプリング時展開』モードでの値）。
- RTX Neural Texture Compression（NTC）はテンソルコアでテクスチャを圧縮し、動作モードと条件により VRAM使用量を最大80%級削減する技術（最大値はサンプリング時展開モード）
- 従来のBC圧縮（BC1/BC7）より高い圧縮率を実現しながら、画質劣化は最小限に抑えられる
- 現時点ではゲーム向け技術だが、将来的にAIワークロードとのVRAM共有効率改善に波及する可能性がある
RTX Neural Texture Compressionとは何か
RTX Neural Texture Compression（以下NTC）は、NVIDIAがRTX 50シリーズと同時に発表した「ニューラルレンダリング」技術群のひとつ。従来のテクスチャ圧縮方式をAIで置き換え、GPUに搭載されたテンソルコアでリアルタイムに圧縮・展開を行う仕組みだ。技術的な基盤はSIGGRAPH 2023で発表された論文に基づいており、ランダムアクセス可能な材質テクスチャの圧縮手法として研究が進められてきた（Vaidyanathan et al., “Random-Access Neural Compression of Material Textures” SIGGRAPH 2023）。
3Dグラフィックスにおいて、テクスチャデータはVRAM消費の大部分を占める。高品質なゲームでは、テクスチャだけでゲームデータ全体の半分以上に達することも珍しくない。NTCはこの巨大なデータを小さなニューラルネットワークで学習し、コンパクトな潜在表現（ラテント）として保持する。描画時にテンソルコアがニューラルネットワークを実行し、元のテクスチャを復元するという流れになっている。
従来のテクスチャ圧縮との違い
これまでGPUの世界で標準的だったのは、ブロック圧縮（BC）方式。BC1は8:1、BC7は4:1の圧縮率（いずれも非圧縮RGBA8基準）で、どちらもハードウェアデコーダが固定フォーマットで展開する。圧縮率を上げると画質が著しく劣化し、ブロック状のアーティファクト（ノイズ）が発生するのが弱点だった。
NTCのアプローチはまったく異なる。テクスチャセットごとにニューラルネットワークを学習させ、BC7の4:1を大幅に超える16:1以上の圧縮率を実現する。しかも画質劣化はBC7と同等以下で、ブロックノイズではなく滑らかなぼけとして現れるため、視覚的な不快感が少ないのが特徴。
| 圧縮方式 | 圧縮率の目安（非圧縮RGBA8比） | 展開ハードウェア | 主な劣化様式 | 対応GPU |
|---|---|---|---|---|
| 非圧縮 (RGBA8) | 1:1 | 不要 | なし | 全GPU |
| BC1 (DXT1) | 8:1 | 固定機能デコーダ | ブロックノイズ／アルファは1bitのみ | DX10世代以降 |
| BC7 | 4:1 | 固定機能デコーダ | ブロックノイズ (軽度) | DX11世代以降 |
| ASTC | 最大36:1 | 固定機能デコーダ | ブロックノイズ | 主にモバイル/Vulkan |
| RTX NTC | 16:1〜30:1 | テンソルコア (推論) | 滑らかなぼけ | RTX 20以降※（VRAM削減の本命=サンプリング時展開はRTX 40以降が実用） |
表の圧縮率はいずれも非圧縮RGBA8を1としたときの倍率。NVIDIA公称の「最大8倍」やデモの「80%削減」はBC圧縮済みテクスチャを基準にした数字なので、この表の倍率とは母数が違う。
固定機能デコーダとテンソルコア推論では、消費するGPUリソースの性質が異なる。BC方式はテクスチャユニットのデコーダが処理するためシェーダー演算を消費しない一方、NTCはテンソルコアという独立した演算ユニットを使うため、ラスタライズ描画とほぼ並列に動作できる。負荷配分の観点から見ると、両方式は競合関係というより補完関係にある。
NTCの3つの動作モード
NTCには動作モードが3つある（NVIDIA RTX NTC SDK / NVIDIA Developer Blog）。
- Inference on Load（読み込み時展開）: 読み込み時にBCn形式へ展開する。ディスク/パッケージ容量の削減が主で、読み込み後はBCnと同じ形式に展開されるため、BCn比でのVRAM削減はほとんどない
- Inference on Sample（サンプリング時展開）: サンプリング時にその都度展開する。VRAM削減が最大（公称8倍級）になる本命モード
- Inference on Feedback（フィードバック展開）: サンプラーフィードバックで実際に必要なタイル/領域だけを展開・キャッシュする動作モード。シーンや視点によりVRAMを削減しうるが、サンプリング時展開の最大削減とは別物
これらの展開処理は、DirectX 12 / Vulkan の Cooperative Vector（協調ベクトル）APIの行列演算（CooperativeVectorMatMul 等）を使って実装される。
重要なのは、これらがNVIDIA独自の非公開APIではなく、DirectX 12 / VulkanのCooperative Vectorとして標準API側へ取り込まれつつある点（DirectX 12 Agility SDK 公式ブログ）。ただし2026年時点で、DirectX 12側のCooperative Vectorはプレビュー版のAgility SDK（1.717.x-preview）とDeveloper Mode・プレビュー版ドライバを要する実験段階で、NVIDIA自身も製品出荷には使わないよう案内している。先に出荷可能になっているのはVulkan側で、DX12側は標準化の途上にある。実装サンプルとSDKはNVIDIAの公開リポジトリで配布されており、開発者が試験的に導入する敷居も下がっている（NVIDIA RTX NTC SDK GitHub リポジトリ）。
VRAM使用量80%削減のベンチマーク結果
NTCの最大のセールスポイントは「VRAM使用量の80%削減」という数字。では、この削減はどのような条件で達成されるのか。
NVIDIAが公開しているNTCのデモおよびサンプルアプリケーションでは、高解像度テクスチャセットをNTCで圧縮した場合、非圧縮テクスチャと比較してVRAM使用量が大幅に削減される結果が報告されている。BC7圧縮済みのテクスチャと比較しても、さらに数倍の追加圧縮が可能とされており、最終的な圧縮率は20:1を超えるケースもある。SIGGRAPH 2023の原論文では、低ビットレート圧縮で同じデータ量あたり約16倍のテクセルを扱えること（画質はAVIFやJPEG XLを上回る）が示されている。
“We unlock two more levels of detail, i.e., 16x more texels, using low bitrate compression, with image quality that is better than advanced image compression techniques, such as AVIF and JPEG XL.” — Vaidyanathan et al., “Random-Access Neural Compression of Material Textures”, SIGGRAPH 2023 (arXiv:2305.17105)
ただし、圧縮率と画質はトレードオフの関係。NTCではニューラルネットワークのサイズやラテント次元を調整することで、テクスチャごとに圧縮レベルをチューニングできる。キャラクターの顔など視覚的に重要なテクスチャは高品質で、遠景の地面テクスチャは高圧縮でという使い分けが可能になった。
圧縮率と画質のバランス
画質の客観指標（PSNRやSSIM）で見ると、適度な圧縮レベルではNTCの方がBC7より高いスコアを記録する。極端な高圧縮では若干のソフト化（ぼけ）が発生するものの、BC方式特有のブロックノイズとは質が違う。人間の目にはNTCの劣化のほうが目立ちにくいとされている。
フレームレートへの影響も気になるところ。テンソルコアでニューラルネットワーク推論を追加で実行するため、わずかなオーバーヘッドは発生する。しかし、VRAM使用量の大幅削減によってページフォールト（メモリ不足時のスワップ）やテクスチャストリーミングの遅延が解消されるケースでは、むしろ総合パフォーマンスが改善する場面もある。VRAM容量がギリギリの環境ほど、NTCの恩恵は大きい。
当サイトの検証環境（RTX 5080 / i7-14700F / 96GB RAM）でローカルLLM推論のベンチマークを取得しているが、たとえばRTX 5060 TiでGemma 4（26Bパラメータ）を動かすとVRAM使用量は14.3GBに達する。16GBのVRAM上限にかなり迫る数値であり、テクスチャ圧縮による空きVRAMの確保がいかに重要かがわかるだろう。
NTCがゲーム開発にもたらす変化
NTCは単なるVRAM節約ツールではない。NVIDIAが推進する「ニューラルシェーディング」という枠組みの一角を担っている。
従来のゲーム開発では、シェーダーコードを人間が手書きして材質表現を作り込んでいた。光の反射、屈折、散乱。これらすべてを数式とアルゴリズムで記述する必要がある。NTCを含むニューラルレンダリング技術群は、この工程の一部をAIの学習に置き換える。開発者が複雑なシェーダーを書く代わりに、AIモデルをトレーニングして望む結果を「推定」させるわけだ。
この文脈で同じ思想を共有するのがDLSS（Deep Learning Super Sampling）。DLSSはテンソルコアを使って低解像度の映像を高解像度にアップスケールし、GPU負荷を軽減する技術だった。NTCはテクスチャのメモリ負荷を軽減する。アプローチする対象は違うが、「テンソルコアの遊休リソースでGPUの弱点を補う」という方向性は共通している（NVIDIA DLSS 開発者向けドキュメント）。
ゲーム開発者にとっての具体的なメリットは3つ。
- ゲームの容量削減: テクスチャがゲームデータの大半を占めるため、NTCの圧縮率がそのままインストールサイズの縮小に直結する
- 品質の底上げ: 同じVRAM予算でより高解像度のテクスチャを使える。VRAM 8GBのGPUでも、従来のVRAM 12GB相当のテクスチャ品質を表示できる可能性がある
- ストリーミングの効率化: オープンワールドゲームでテクスチャを動的に読み込む際、圧縮データが小さいほど読み込みが速い
NVIDIAの開発者は、NTCを「レンダリングパイプラインの一部を学習可能にする」転換点として位置づけている。シェーダーのすべてをAIに置き換えるわけではないが、データ圧縮・材質表現・ライティングなど特定の領域でニューラルネットワークが活躍する時代が到来しつつある。
AI用途への波及効果：VRAM争奪問題は緩和されるか
ここからはAI用途への波及を整理する。NTCは現時点でゲームグラフィックス向けの技術だが、AI用途のユーザーにとっても無関係ではない。
ローカルLLMを動かしているユーザーなら、VRAMの「取り合い」を経験したことがあるはず。OllamaでLLMを推論しながらバックグラウンドでブラウザを開き、GPUアクセラレーションが有効なアプリケーションが動いている。こうした状況でVRAMはあっという間に逼迫する。当サイトの検証環境では、RTX 5060 Ti（VRAM 16GB）でcodestral:22bを動かすとVRAM使用量は12.9GB。残り3GBほどしかない状態で他のGPUタスクを同時実行するのは厳しい。
NTCがゲーム側のVRAM消費を大幅に削減できるなら、同じGPUでAIワークロードとゲームを併用するシナリオが現実味を帯びてくる。たとえば、NTC対応のゲームをプレイしながら、裏でOllamaのサーバーを動かし続ける。VRAM 16GBのGPUでも、こうした使い方が将来的に実現するかもしれない。
もうひとつの可能性は、3D生成AI分野への応用。NeRF（Neural Radiance Fields）やGaussian Splattingなど、3Dシーンをニューラルネットワークで表現する技術が急速に進化しているが、これらも膨大なテクスチャデータを扱う。NTCの圧縮アルゴリズムや学習済みネットワークの知見が、3D生成AIのメモリ効率改善に転用される可能性は十分にある。
RTX 50シリーズとNTC対応の現状
NTCの恩恵を最大限受けられるのは、RTX 50シリーズ（Blackwell世代）のGPU。第5世代テンソルコアの処理能力向上により、ニューラルネットワークの推論オーバーヘッドが従来世代より小さくなっている（NVIDIA GeForce RTX 50 シリーズ 製品ページ）。
| GPU世代 | アーキテクチャ | テンソルコア世代 | NTC動作 | NTC効率の目安 |
|---|---|---|---|---|
| RTX 50 | Blackwell | 第5世代 | 対応 | 最高効率 (基準) |
| RTX 40 | Ada Lovelace | 第4世代 | 対応 | 実用的 |
| RTX 30 | Ampere | 第3世代 | 動作可 | 限定的 |
| RTX 20 | Turing | 第2世代 | 動作可 | 非推奨 |
| GTX 16 / AMD Radeon / Intel Arc | — | 非搭載 | フォールバックなら動作可 | 非推奨 |
RTX 40シリーズ（Ada Lovelace）でもテンソルコアを搭載しているためNTCは動作するが、スループットの差がフレームレートに影響する場面が出てくる。RTX 30シリーズ（Ampere）も理論上は対応可能だが、テンソルコアの世代が古いため実用性は限定的だろう。テンソルコアを持たないGTXシリーズやAMD Radeon、Intel Arcでも、Direct3D 12 Shader Model 6のフォールバック実装（DP4aや整数演算）でデコード自体は動作する。実際、NVIDIA GTX 1000系・AMD Radeon RX 6000系・Intel Arc Aシリーズで動作検証されている。ただしテンソルコアによる高速化が効かず実用的な性能は出にくいため、常用には向かない。
VRAM容量別に見ると、NTCの恩恵が最も体感しやすいのはVRAM 8〜12GBの中価格帯GPU。たとえばRTX 5070（VRAM 12GB）やRTX 5060 Ti 16GB（VRAM 16GB）のユーザーは、テクスチャ品質を犠牲にせずVRAMに余裕を持てるようになる。一方、RTX 5090（VRAM 32GB）のようなハイエンドでは、そもそもVRAMに余裕があるため、NTCの恩恵は相対的に小さい。
GPU選びの観点では、NTCの普及はVRAM容量の重要性を「少しだけ」下げる方向に作用する。ただし、AIモデルのパラメータサイズは年々増加しており、LLM推論やComfyUIでの画像・動画生成ではNTCの恩恵を直接受けられない。AI用途でGPUを選ぶなら、NTCへの過度な期待は禁物で、VRAM容量そのものを重視する方針は変わらない。VRAMの選び方については別記事で詳しく解説しているので、そちらも参考にしてほしい。
RTX 5060 TiやRTX 5070など、NTC対応GPU同士のVRAM差がローカルLLMにどう影響するかは、RTX 4070 Super vs RTX 5060 Ti 16GBのVRAM比較記事でも掘り下げている。
まとめ：レンダリングの未来を変えるNTCの現在地
RTX Neural Texture Compressionは、NVIDIAが推進するニューラルレンダリングの中核技術。テンソルコアの遊休リソースを活かし、条件により（サンプリング時展開モードで）VRAM使用量を最大80%級削減しながら高い画質を維持できる。
押さえておくべきポイントを整理しよう。
- NTCはDirectX 12／VulkanのCooperative Vector APIを通じて動作し、従来のBC圧縮を上回る圧縮率を達成する
- 恩恵が最も大きいのはVRAM 8〜12GBの中価格帯GPU。テクスチャ品質を落とさずにメモリの余裕を確保できる
- 現時点ではゲームグラフィックス向けの技術であり、LLM推論やAI画像生成のVRAMを直接削減する機能ではない
- ゲーム側のVRAM消費が減れば、AIワークロードとの併用がしやすくなるという間接的な恩恵は期待できる
- RTX 50シリーズが最も効率よくNTCを活用でき、RTX 40シリーズでも動作するがスループットは劣る
NTCはまだ開発段階にあり、対応タイトルも限られる。DirectX 12のCooperative Vectorは現状プレビュー扱い（Vulkan側は出荷可能）だが、標準API側への取り込みは進みつつある。中長期的には普及が見込まれるものの、現時点で「すぐ普及する」と断定はできない。RTX 50シリーズへの買い替えを検討しているなら、NTC対応はVRAM容量やCUDAコア数と並ぶ判断材料のひとつになる。
よくある質問（FAQ）
Q: NTCはどのGPUで使えるのか？
A: 実用的に使えるのはテンソルコアを搭載したNVIDIA RTXシリーズが中心。RTX 50シリーズ（Blackwell）が最も効率よく動作し、RTX 40シリーズ（Ada Lovelace）でも利用可能。RTX 30シリーズも理論上は対応するが、テンソルコアの世代が古いため実用性は限定的になる。GTXシリーズやAMD Radeon、Intel Arcにはテンソルコアがないが、Direct3D 12 Shader Model 6のフォールバック実装ならデコード自体は動作する（NVIDIA GTX 1000系・AMD Radeon RX 6000系・Intel Arc Aシリーズで検証済み）。ただし実用的な性能は出にくく、常用には向かない。
Q: NTCを有効にするとフレームレートは下がるのか？
A: テンソルコアでニューラルネットワーク推論を追加実行するため、わずかなオーバーヘッドは発生する。ただし、テンソルコアは通常の描画処理中ほぼ遊休状態にあるため、影響は小さいとされている。VRAM容量がギリギリの環境では、圧縮によるメモリ圧の軽減がページフォールト回避につながり、むしろフレームレートが改善する場合もある。
Q: AI用途（LLM推論・画像生成）のVRAMにもNTCは効果があるのか？
A: 現時点では直接的な効果はない。NTCはDirectX 12のグラフィックスパイプライン内で動作する技術であり、CUDAベースのAI推論（PyTorch、llama.cpp、ComfyUI等）のVRAM使用量には影響しない。ただし、ゲームやGPUアクセラレーション対応アプリのVRAM消費が減れば、同一GPU上でAIワークロードに割り当てられるVRAMが増えるという間接的な恩恵は考えられる。
Q: NTC対応のゲームタイトルはすでにあるのか？
A: 2026年5月時点では、NVIDIAが公開しているデモやSDKのサンプルが中心で、製品版ゲームでの全面採用例はまだ限られる。Cooperative Vectorの標準化はVulkanが先行（DirectX 12はプレビュー段階）で進んでおり、開発者が組み込みやすい環境は整いつつある。RTX 50シリーズの普及につれて対応タイトルは順次増えていくと見られているが、現時点で「NTC対応」を購入の決め手にする段階ではない。NVIDIAのRTXブランチ公開リポジトリでサンプルコードが公開されているため、技術検証目的なら今すぐ触ることもできる。
Q: NTCを使うとゲームのダウンロード容量も減るのか？
A: 理論的にはイエス。テクスチャはゲームインストールサイズの大部分を占めるため、テクスチャをNTC形式で配布すれば配信サイズも縮小する。ただし、現状のゲームエンジンやストア配信パイプラインは従来のBC圧縮を前提に組まれているため、NTC形式での配布が一般化するには時間がかかる見込み。
当サイトはAmazonアソシエイト・プログラムの参加者です。Amazonのアソシエイトとして、当サイトは適格販売により収入を得ています。
本記事は AIハードウェア図鑑 が記載時点の情報をもとに執筆。製品アップデートや第三者ベンチマーク・価格・対応ランタイム等の変動で評価が変わる可能性がある。一定期間経過した内容は再検証を推奨する。
