为什么“好不好看”这件事，值得单独立一套尺子

先讲个我亲身经历的场景。某次版本评审，投屏上挂着一条漂亮的 VMAF 曲线，全程 95 分往上，工程师拍拍胸脯说这版的画质比上个版本提升明显。当天晚上社区群里炸了，玩家截图刷屏：“这版本糊成一片，草地像抹了黄油。”

两边都没说谎。指标确实涨了，玩家的眼睛也确实在受罪。问题出在：我们拿影视行业传下来的尺子，去量一个完全不同的东西。

云游戏这个行当有个很奇怪的现象：所有人都在聊编码、聊 ABR、聊超分、聊边缘节点，这些技术章节随便拎一个出来都能写五千字；但真正决定“这套技术到底成不成功”的那个判据——“玩家觉得画面好不好”——反而长期停留在一种很含糊的状态里。要么用几个视频指标糊弄过去，要么干脆靠“内部几个人看着还行”。

我一直觉得，画质评估是云游戏所有技术工作的结算口。你调编码器、你上 AI 超分、你做帧级自适应码率、你优化丢包恢复，这些工作最后都会汇到同一个问题上：玩家在这一帧画面里，看见了什么，感觉怎么样。如果这个结算口是坏的，前面所有的优化都可能是在错误的方向上狂奔，而且跑得越快错得越远。

打个不太好听但很贴切的比方：用 PSNR 评估云游戏画质，就像用体重秤评估一个人的身材。体重当然是一个真实存在的数字，秤也没坏，但它跟“这个人看起来好不好看”之间，只存在一条非常松散的相关性。你要是拿它当唯一 KPI，最后养出来的很可能是一个体重完美但形销骨立的人——也就是我们常说的“糊但平滑”型画面。

这篇想干的事，是把云游戏画质主观评估这件事，从“验收环节”拉回到“设计环节”。我们会拆开看：客观指标为什么在游戏内容上系统性失真；云游戏的“画质”到底应该拆成几个维度；一套真正可落地的主观测试流程长什么样；以及最重要的——测出来的分数怎么反过来变成编码器和调度器的参数。

顺带说一句，这篇和本系列的 [02] 编码、[06] ABR、[07] 超分、[09] 抖动丢包是咬合关系。那几篇讲的是“怎么把画面做出来、送过去”，这篇讲的是“怎么知道你做得好不好”。缺了这一块，前面几篇的优化就都成了没有仪表盘的飙车。

第1层：客观指标为什么会在游戏画面上集体说谎

要先说清楚一件事：PSNR、SSIM、VMAF 都不是坏东西，它们在各自的战场上立过功。PSNR 陪着视频编码走了三十年，SSIM 当年是对 PSNR 的一次重要修正，VMAF 更是 Netflix 拿真实用户打分数据训练出来的工程杰作。问题不在于它们不准，而在于它们准的那个世界，跟游戏不是同一个世界。

先聊 PSNR。它的世界观极其朴素：把两张图的像素逐个相减，误差平方求和，再取对数。翻译成人话就是——所有像素的错，一律平等。可人眼从来不是这么工作的。人眼对平坦区域里 2% 的亮度变化几乎无感，对锐利边缘处一点点毛刺却极其警觉，因为边缘恰恰是大脑用来识别物体轮廓的信息富矿。

这个差异会导致一个很具体的后果。编码器在低码率下面临一个选择：是把细节整体抹平（画面变软但干净），还是保住锐度但产生振铃和块效应（画面锐利但有噪点）。前一种做法的误差分布均匀、整体能量低，PSNR 会更高；后一种局部误差大，PSNR 掉得厉害。于是指标系统性地把编码器往“抹平”的方向推。而玩家一眼就看出来：糊了。

第二个坑是面积加权。不管是 PSNR 还是 SSIM、VMAF，最终都会把全屏的误差汇总成一个数。HUD、字幕、背包界面里的物品名、策略游戏单位头顶的血量数字——这些加起来可能只占屏幕面积的百分之三到五。它们糊成一团的时候，全局指标几乎纹丝不动。但对玩家来说，这些元素是他一百 percent 时间都在盯着看的东西。我见过太多团队在这里翻车：远景优化得挺好，一打开菜单发现字全糊了，观感直接崩盘。

第三个坑在暗部。暗场景里的色带（banding）是最典型的例子。因为暗部本身亮度低，绝对误差也小，PSNR 对一圈一圈的“等高线”几乎无感。可人眼在暗环境下对亮度渐变的敏感度是极高的，尤其在恐怖游戏、太空题材、夜战潜行这类场景里。一条色带毁掉的沉浸感，比整个远景糊掉还严重。

第四个坑，也是最要命的一个：时域。逐帧指标天生看不见帧与帧之间的关系。而云游戏里最刺眼的画质问题，恰恰全是时域问题——ABR 切换时画面突然糊一下再变清晰的那种“呼吸感”，I 帧和 P 帧之间质量波动造成的闪烁，丢包恢复那一瞬间的糊块。这些用单帧指标一个都测不出来。

第五个坑是训练集偏差，主要打在 VMAF 身上。VMAF 的几个核心特征——细节损失、信息保真、运动能量——本质上是拿自然视频数据学出来的权重。而游戏画面是计算机生成的：几何边缘锐利到数学意义上的完美，大面积纯色块，粒子特效带来高频噪点，很多游戏还专门加了胶片颗粒做质感。这些内容的统计特性和自然视频差得很远。VMAF 在这些内容上的判断，是在用影视的审美标准给游戏打分。

看清楚这张表你会发现，问题不是“指标不够准”，而是指标和感知在某些维度上方向相反。这比单纯的噪声可怕多了。噪声你可以靠多测几次平均掉，方向错了你越优化越糟。

第2层：把“画质”拆开——云游戏至少是六个维度

既然一个总分靠不住，那就拆。我在项目里推行的做法是把“画质”拆成六个可以分别打分的维度。这个拆法不是学术分类，是从“玩家会在哪儿骂人”倒推出来的。

细节保真：纹理、植被、毛发、远景建筑。 RPG 和开放世界的主战场。这个维度最吃码率，也最容易被编码器“抹平”。

边缘与文字清晰度：HUD、字幕、小字号 UI、菜单。这是最容易被指标体系忽略、却最容易被玩家挂在嘴边的一项。文字量大、字号小的游戏（策略、卡牌、CRPG、文字冒险）在这个维度上几乎零容忍。

时域稳定性：闪烁、呼吸、ABR 切换、拖影。云游戏特有的重灾区，因为本地游戏不存在“码率在变”这回事。

暗部与色带：黑位是否压死，渐变是否出现等高线。恐怖、太空、夜景潜行专属痛点。

特效完整性：粒子、体积雾、光效、后处理是否被编码器当成冗余信息吃掉。这个维度直接关系到“爽不爽”，动作游戏和射击游戏的核心体验之一。

交互耦合的感知：转视角瞬间的清晰度保持、高速运动中的可辨识度、以及画质与操控延迟混合产生的整体“跟手感”。这一项最特殊，因为它必须边玩边评，光看录屏是评不出来的。本系列 [03] 那篇讲延迟图谱时提过一个现象：玩家经常把延迟的不适感归因成“画质差”，因为人的感知是个懒会计，会把所有不舒服记在同一个科目上。这一维度就是专门用来捕捉这种串味的。

拆完维度，有个特别重要的推论：同一个云游戏平台，在不同用户眼里的“画质”可能是完全不同的东西。

这一点 Xbox Cloud Gaming 的案例讲得最清楚。这个平台上线之初是 720p，主打手机小屏场景，社区的反馈是“能接受，甚至有点惊喜”。后来升到 1080p，Still 很多人说好用。但只要你把同一路流投到一台 65 寸电视上，立刻就是另一幅光景——满屏的“糊”“像蒙了层雾”“文字看不清”。同样一套码率参数，同样的编码器配置，评价完全相反。

为什么？因为感知清晰度取决于角分辨率，不是分辨率。手机 6 寸屏，你拿在手上三十厘米外看，每个视角度对应的像素密度非常高；65 寸电视三米外看，同样的 1080p 被摊薄到几倍的视野面积上。同一个像素错误，在大屏上被放大了好几倍地进入你的视野。Xbox 云游戏长期被吐槽画质，很大一部分原因在于它的用户期望被“我在玩 Xbox 主机”这件事拉高了——玩家默认这应该是主机画质，实际拿到的是手机档的画质。期望和现实的落差，本身就是画质评估必须测量的一部分。

微软后来几年里持续提升码率上限、优化编码配置，社区的对比视频也越来越正面。但我更想说的是这件事给评估体系留下的教训：设备矩阵是必选项，不是可选项。你只在一种屏幕上测，测出来的结论只对那种屏幕有效。手机、平板、笔记本、电视、投影——每一档的角分辨率差一到三倍，感知结果能差出整整一个质量等级。

再往下一层，还有个更反直觉的结论：玩家不怕 720p，怕的是 1080p 和 720p 打架。

一个稳定的 720p 流，玩家看两分钟就适应了，大脑会自动完成“这是这个平台的画质水平”的心理校准。但一路在 1080p 和 720p 之间来回横跳的流，每一跳都是一次“出戏”——你刚从沉浸里出来，画面糊了一下，你注意到它糊了，然后它又清晰了，你又得重新进去。出戏的次数，比画质的绝对水平更能决定留存。

所以在我们那套维度里，“时域稳定性”的权重应该被显著抬高，尤其是在 ABR 策略比较激进的产品里。这一条和 [06] 那篇讲的帧级自适应 vs GOP 级自适应是直接对着的：帧级自适应能榨出更平滑的平均质量曲线，但也更容易制造肉眼可见的清晰度抖动。两边要一起权衡。

第3层：主观测试怎么搭——实验室方法搬到游戏上要改三处

主观画质评估不是新东西。ITU-R BT.500 和 ITU-T P.910 这两份标准，把视频质量的主观测试方法规范得相当细：单刺激法、双刺激法、成对比较法、绝对类别评分法、九级量表、拉丁方排列、受试者筛选……影视行业照着做几十年了。

但这套方法直接搬到云游戏上，会在三个地方卡住。我给这三处改造起了名字，叫“从旁观到上场”。

第一处：必须在“玩”的状态下评分，不能只看。

视频质量评估里，受试者是被动的观众，坐着看就行。游戏不是。玩家在主动操控，他的注意力分配完全不同——他会盯着准星、盯着敌人、盯着地图边缘，而不是均匀地欣赏整幅画面。最关键的是，很多画质问题是只在交互中才暴露的：转视角时远处纹理的重建质量、快速移动时编码器对运动的补偿效果、开镜瞬间画面中心与边缘的清晰度落差。这些问题录成视频给受试者看，他可能根本注意不到。

实操上的做法是：受试者拿着手柄或键鼠，按照一份写好的场景脚本走一遍，每段结束后立刻打分。现场同步录屏和录人（用摄像头拍受试者的反应），后期对照分析。别心疼这点工作量，你会从“玩家皱眉的那一瞬间”里挖出比分数多得多的信息。

第二处：场景必须脚本化、可重复。

自由玩是最好的沉浸，最差的测量。A 玩家今天跑了十分钟野外，B 玩家在城里逛了十分钟，两个人看的根本不是同一批像素，分数放在一起比较毫无意义。

我的建议是每个测试版本准备四到五段固定脚本，每段六十到九十秒，覆盖不同的压力源：一段开阔场景跑图（考细节保真和远景）、一段战斗特效爆发（考特效完整性和时域）、一段暗场潜行或夜间场景（考暗部色带）、一段密集 UI 操作比如背包和技能树（考文字清晰度）。脚本要精确到“往前走几步、往哪转、开不开镜”，写成一页纸的指令卡，受试者照着做。

第三处：评分方式要组合，不能只用一种。

单一量表最大的问题是分辨率不够。九级量表听起来很细，但玩家实际用起来基本只在 3、4、5、6 这几档之间晃，而且每个人对“4 分”的锚定完全不同。解决办法是三种方法叠着用：

绝对类别评分（ACR）给你一个跨版本的粗粒度可比数据；二元可接受门槛（“这段你能接受吗？能/不能”）给你一条清晰的红线——实测下来这条二元题的信息量比九级量表还大，因为玩家能忍受 3 分，但不接受 2 分，而均分根本反映不出这条断崖；成对比较（两两对比）负责捕捉细微差异，当两个版本的 ACR 均分打平的时候，强制二选一往往能挖出真实的偏好。

还有个容易忽略的细节：锚点样本。测试开始前，先给受试者看两段固定不变的样本——一段明显很好的，一段明显很差的，作为他个人评分的校准基准。没有锚点，二十个人会给出二十套评分标准，你的数据就是二十个人的主观意见平均值，毫无意义。

最后是人的问题。ISO 那边建议十五人起步，游戏我建议二十到三十人。原因不是游戏更复杂，是玩家群体的内部方差太大了——有人对帧率极度敏感但对色带完全无感，有人反过来。而且你必须保证样本里有一批“高敏感者”，因为他们才是投诉的主力。实操上可以用一段已知退化程度的样本做前测，把受试者按敏感度分个层，保证高敏感者占比三成左右。你要听的不是平均用户的意见，是那个会在 Discord 里连发三条长帖的人的意见。

第4层：从分数到参数——评估体系真正的出口是调度

如果一套评估体系最后的产物是一份 PDF 报告，那它的价值有限。真正有价值的画质评估，输出应该直接变成工程侧的旋钮和开关。

这里的关键动作，是把主观分数翻译成质量门槛，再把门槛翻译成工程动作。举个例子：文字清晰度这一维度，我们测得“可接受”的门槛大概在五分制的 3.8 分左右。那接下来要问的就是：要保证 1080p 分辨率下小字号 UI 达到 3.8 分，最低码率是多少？在 H.264 和 AV1 下分别是多少？分辨率降到 900p 时需要补多少码率才能守住这条线？

这些问题一旦有了答案，ABR 的目标函数就有内容可写了。现在很多产品的 ABR 逻辑其实是纯带宽驱动的——有多少带宽就给多少质量，带宽掉了就降档，完全没有“什么内容在什么档位下会跌破可接受线”的概念。结果就是：一段文字密集的菜单界面和一段开阔草原跑图，被分配了同样的码率预算，前者糊成一片，后者还凑合。有了维度评分和内容分类，码率预算才能按需分配。

不同游戏类型的权重差异大到什么程度？我给一组实测下来的参考：竞技射击和格斗类，时域稳定性和交互清晰度的权重能占到一半以上，分辨率降一档、码率拉满反而是更优解，因为这类玩家对帧间一致性的敏感度远超对静态细节的敏感度。策略、卡牌、CRPG 这类文字密集型，文字清晰度一项就该占到四成，其它维度全加起来不如它重要。开放世界 RPG 是细节保真和远景的主场。恐怖和太空题材，暗部色带的权重要单独拎出来，不然一定会翻车。

聊到这里，GeForce NOW 这个案例特别值得拿出来说。它走的是另一条路：把码率上限的选择权交给玩家。Ultimate 档最高能开到 4K 120 帧，码率上限拉到七十多 Mbps，同时提供自定义码率滑块让用户自己在十到七十多之间调；上了 AV1 编码之后，低码率段的画质提升尤其明显，而低码率段恰恰就是“糊”最刺眼的区间。

这个设计在评估体系的语境下特别有意思。它其实是在承认一件事：画质偏好是主观的，而且和网络环境强耦合。同一个码率，给到一个千兆光纤的用户是浪费，给到一个 Wi-Fi 信号在客厅角落的用户就是灾难。与其用一个全局的最优解去猜所有人的偏好，不如给一个旋钮让用户自己校准——你觉得糊就往上拉，你觉得卡就往下调。这是一种把主观性外包出去的产品设计。

当然它有代价。滑块把“调参”这件事甩给了用户，大部分玩家根本不知道码率是什么，他们只会觉得“这平台有时糊有时不糊，很玄学”。而且高码率档对网络的要求很硬，一旦超出承载能力，卡顿带来的体验损失比糊严重得多——这也是本系列 [09] 那篇反复强调的：抖动和丢包造成的是“断裂”，画质下降只是“变差”，断裂永远比变差更致命。所以这条路子本质上是把选择权和风险一起交给了用户，不是所有人都吃这一套。

最后强调一点：码率是用来买“不出戏”的，不是用来买分数的。我们的目标不是让 VMAF 涨到 98，是让玩家在整局游戏里一次都没有注意到“画面”这个东西。当玩家开始讨论画质的时候，你就已经输了。

三张表：评估配置表、类型权重表、门槛动作映射表

下面这三张表是我在项目里反复迭代后的版本，可以直接拿去改改用。别当圣经，当起点——每个产品的游戏组合和用户结构都不一样，权重一定要自己校准。

表一：六维度评估配置表（把“画质”翻译成可测量的题项）

表二：游戏类型权重表（同一套打分，不同游戏算总分时权重完全不同）

表三：门槛跌破时对应的工程动作（评估体系真正的输出）

初级速览 vs 进阶深挖：两条通往同一件事的路

初级用户速览（十分钟版）

如果你只记住五句话，记这五句。一，PSNR 和 VMAF 是影视的尺子，量游戏会系统性地偏——尤其对“整屏模糊”太宽容，对“边缘毛刺”太严厉。二，画质不是一个数，至少是六个维度：细节、文字、时域、暗部、特效、交互，每个维度敏感的人和敏感的内容都不一样。三，测试必须边玩边评，光看录屏会漏掉一半问题。四，玩家不怕低画质，怕画质在变，稳定性比绝对水平更重要。五，设备矩阵别省，手机和大屏电视的结论可能完全相反。

如果还想再进一步，加一条：报告数据的时候，除了均值一定要看最差的那 10% 用户。你的均分是给老板看的，你的尾部是给客服看的。

进阶深入（怎么在自己团队里搭起来）

假设你是一个十人左右的团队，没有专门的用研，预算也有限。可行的路径是分三步走，每步两三周。

第一步，先把场景脚本和题库建起来。选你产品里最有代表性的四段玩法，写成指令卡，配一份固定的评分问卷。这一步几乎零成本，只需要一个策划加一个 QA 花三天。做完之后你就有了一个可以反复用的“画质体温计”。

第二步，跑第一轮基线测试。找二十个真实玩家，远程也行，让他们在自己家设备上按脚本玩，全程录屏加录脸，结束后填问卷。远程测试的信度不如实验室，但成本只有十分之一，而且设备多样性反而更好——实验室里那台统一的显示器，恰恰是最不真实的环境。这一轮的目的是建立基线分布，知道你的产品现在处于什么水平，以及哪些维度的方差最大。

第三步，把它接进版本流程。每个大版本跑一次精简版（十人、两段脚本、只测 ACR 加二元门槛），重点版本跑一次完整版。同时把客观指标的监测做成常态化的，但只用来看趋势和抓异常，绝不用来做验收判决——记住那条原则：客观指标是哨兵，主观评分是法官。

还有一件容易被跳过的事：把评估结果写进需求文档。别让它停留在测试报告里。比如“本季度目标：文字清晰度维度从 3.4 提升到 3.8”，这是一个可以被工程侧认领的目标，比“提升画质”这种话有用一百倍。

行业争议与六个真实的坑

先说一个行业级的争议案例，Stadia。

2019 年 Stadia 上线的时候，主打卖点之一就是 4K 60 帧 HDR 加 5.1 环绕声，最高码率大概在三十多 Mbps。宣传物料上写的是 4K。后来 Digital Foundry 这类做像素级分析的媒体测出来，不少标称 4K 的游戏实际渲染分辨率明显低于 4K，是从更低的分辨率上采样上去的——比如《荒野大镖客 2》就被测出实际渲染在 1440p 一档。

这事严格说不算造假，上采样是行业通行的做法，主机上到处都是。但它暴露了一个评估体系层面的问题：当“标称分辨率”和“感知清晰度”被混为一谈的时候，整个行业的画质话术就失真了。玩家看到 4K 两个字，脑子里想的是“清晰”，实际拿到的可能是“柔和”。这种落差一旦被戳破，伤害的不只是一个产品，是所有云游戏画质宣传的可信度。Stadia 后来关停有很多原因，但“宣传的画质和体感的画质对不上”这一条，确实在早期消耗了大量信任。

对做评估的人来说，这个案例的启示很直接：如果你的测试只记录“分辨率档位”和“码率数值”，你永远测不出这种落差。你必须测感知清晰度，必须测上采样带来的软化和振铃，必须把“看起来像不像 4K”变成一个可以被评分的问题。

下面是我见过、也自己踩过的六个坑。

坑一：拿 PSNR 做版本回归的唯一指标。这是最经典的老实人陷阱。PSNR 涨了，你觉得优化成功，上线被骂回来。我早年就干过这事，做了一个月的编码调优，所有指标都在涨，玩家反馈是“越来越糊”。后来复盘才发现，编码器被指标驯化成了“宁可糊也要平滑”的形状。

坑二：在“看”的状态下打分。把录屏发给同事，让大家打分，然后得出“这版画质没问题”的结论。录屏丢掉了交互这一整个维度，而且录屏本身还经过了二次编码，等于在测量结果上又蒙了一层纱。

坑三：只报均值不报尾部。平均 4.2 分听起来很美，但如果有 15% 的用户在 2.5 分以下，你的产品在社区里的口碑就是那 15% 决定的。网络产品的体验分布是长尾的，画质评估必须看 10 分位。

坑四：把 VMAF 当真理。VMAF 是个好工具，但它的训练集是影视内容，它的版本之间分数不可直接比较，它对合成图形和 UI 的覆盖严重不足。可以用，但必须在你自己的游戏内容上重新校准，而且只看趋势不看绝对值。你要是跟老板说“我们 VMAF 96 分”，他大概率会以为你在说帧率。

坑五：完全不测时域。这是最普遍也最致命的。逐帧指标天然盲，团队又常常只抽几帧做对比图，导致“画质在跳”这个云游戏最独有的问题，在整条评估链路里完全隐身。

坑六：忽略音频。云游戏的“画质”体验里其实混着音频。音频码率被压得太狠，枪声发闷、环境音丢失，玩家会笼统地觉得“这平台体验不行”。音画同步的偏差更是如此——本系列 [29] 那篇讲视听同步时提过，正负三十毫秒是大脑的融合边界，超了就会觉得“怪”，但大多数人说不清怪在哪，只会说“画质不好”。

FAQ

Q1：我们团队就几个人，没有用研也没有实验室，最低成本能做的主观测试是什么？

A：远程加录屏。找二十个真实玩家，让他们在自己家设备上按脚本玩，用系统自带录屏加手机前置摄像头拍脸，结束后填一份十分钟的问卷。总成本大概是一个人一周的工作量。信度确实不如实验室，但比“内部五个人看着还行”高出一个数量级。真实设备多样性带来的收益，甚至能抵消掉环境不可控的损失——实验室里那台统一配置的显示器，本来就不是玩家的真实环境。

Q2：能不能设计一个复合客观指标，直接替代主观测试？

A：可以做出一个复合分，但不能替代校准。做法是把多个指标按维度加权——文字区域单独算 SSIM、暗部区域单独算色带检测、时域单独算帧间方差，再按游戏类型权重合成。这个东西用来做日常回归监测很好用，跑得快、成本低。但它必须定期用主观数据重新校准，因为权重本身就是从主观数据里学出来的。指标是哨兵，主观评分是法官，哨兵可以天天站岗，判决还得法官来下。

Q3：VMAF 到底还能不能用？

A：能用，但有三条纪律。第一，只在趋势上用它——同一套内容、同一套参数下比较两个版本，看谁高谁低，别跨内容比绝对值。第二，在你的游戏内容上重新校准，至少验证一下它跟主观分的相关性，相关性低于零点七就别当主要依据了。第三，给它配上补充指标，特别是文字区域和暗部区域要单独看。VMAF 是个好员工，但别让他一个人做决策。

Q4：玩家说“糊”，我该怎么追问才知道到底糊在哪？

A：别问“哪里糊”，玩家答不上来。给选项。做成一道多选题加截图对照：“是远景建筑纹理不清（A）、是文字重影（B）、是整体像蒙了层雾（C）、是暗处出现一圈圈的色带（D）、是画面在动的时候会突然变糊一下（E）。”把六个维度翻译成玩家能看懂的画面描述，让他勾选。你会发现答案的分布非常集中，而且往往和你的猜测不一样。

Q5：画质测试里要不要把延迟一起测？

A：必须一起测，而且要在同一份问卷里问。因为玩家的感知是个懒会计，他会把所有“不舒服”都记在同一个科目上——延迟高了，他会说“画质差”；画面糊了，他会说“操作不跟手”。如果你分开测，你会得到两组互相污染的数据。本系列 [03] 那篇讲延迟测量体系时也提到过，感知延迟和感知画质在用户心智里根本不是两个独立的东西。同场测、同场问，再用交叉分析把两者拆开，这才是干净的做法。

最后留一个我一直觉得挺反直觉的观察：玩家骂“画质差”的时候，有相当一部分其实是在骂“不稳定”和“延迟”。真正因为绝对清晰度不够而流失的用户，比我们想象的少得多；因为画面忽好忽坏而出戏的用户，比我们想象的多得多。所以下次做画质优化，不妨先问一句：我们要提升的是天花板，还是地板？

以及一个我很想问同行的问题——你们团队的画质验收标准，是写在需求文档里的那一条，还是玩家 Discord 里刷屏的那一条？如果这两条不是同一条，那中间差的那段距离，就是这篇文章想填的坑。