根據Intel介紹，TSNC的核心概念與 NVIDIA 的 NTC 方案相似，不再以傳統方式壓縮紋理與材質資料，而是先將相關內容轉換成可學習的表示形式，再由一個小型神經網路於 GPU 端即時重建所需資訊。
這種做法除了有機會降低遊戲下載容量，亦可節省 SSD 儲存空間，同時進一步減少顯存佔用，對現代高材質遊戲尤其重要。
Advertisement
在壓縮模式方面，Intel表示 TSNC 提供兩種方案。較重視畫質的模式可達到約 9 倍壓縮率，畫質損失相對較小；至於更進取的模式則可做到 17 至 18 倍壓縮率，但同時可能出現一定程度的畫質瑕疵。
另一方面，NVIDIA 曾表示其方案可在幾乎不明顯影響畫質的前提下，將顯存佔用由 6.5GB 壓縮至 970MB，壓縮幅度約為 85%。不過，由於 Intel 與 NVIDIA 採用的基準和測試場景並不相同，因此兩者數據並不適宜直接比較。
硬件支援方面，NVIDIA 的方案目前仍與 RTX 生態緊密結合，主要依賴 GeForce RTX 顯示卡內的 Tensor Core 加速。雖然現時已透過 DirectX 12 Cooperative Vectors 提供更通用的執行路徑，但整體設計仍然以 RTX 平台為核心。
至於 Intel，則為 TSNC 準備了雙重加速路徑，一方面可利用 Arc GPU 內的 XMX 單元進行硬件加速，另一方面亦提供基於 FMA 指令的軟件模式，即使沒有專用 AI 硬件亦可運作。
Advertisement
整體來看，NVIDIA 的優勢在於 RTX 顯示卡於遊戲市場佔有率明顯較高，生態成熟度亦更完整；但 Intel 的 TSNC 在相容性策略上相對開放，不必依賴特定 AI 加速硬件，為更多平台提供應用空間。