由於新一代GPU多整合AI加速架構，以NVIDIA開始積極將AI技術應用於圖形增強，雖然Intel在GPU相對AMD與NVIDIA歷史短，不過Intel卻相對AMD更積極投入GPU的AI加速應用；Intel不讓NVIDIA與微軟合作的神經紋理壓縮技術專美於前，在2026年的GDC大會實際展演稱為TSNC的神經紋理壓縮，可有效把紋理檔案縮小18倍。

Intel的TSNC技術與NVIDIA提出的NTC在概念原理近似，都是具備確定性的神經網路技術而非生成式技術；Intel TSNC利用隨機坡度下降訓練法訓練一個小型神經網路，旨在學習針對定紋理集中的特定紋理進行編碼與解碼，最終產生一個緊湊的潛在空間描述，透過執行一個小型的多層感知將其重建為原始的漫反射、法線、粗糙、金屬、環境光遮蔽與自發光等資料。

TSNC技術的關鍵在於活用單一材質的所有PBR貼圖的紋理集的各個通道具有大量冗餘結構，透過共享這些結構大幅縮減檔案尺寸。TSNC透過由4個BC1編碼的潛在空間紋理構成的特徵Pyramid作為技術核心，這四個潛在紋理分布在不同的解析度配置，Intel也提出兩種基於TSNC的變形，分別提供較好的畫質與更高的壓縮率。

方案A的結果與傳統壓縮幾乎沒有區別，採用2張全解析度潛影及2張半解析度潛影構成，以4K解析度為例，相對傳統紋理壓縮約等同原始紋理的4.8倍壓縮，方案A則達到原始格式超過9倍壓縮率，以NVIDIA的分析工具僅有5%的品質耗損；而更為激進的方案B則潛在影像解析度降低至原始的1/2、1/4及1/8，使壓縮倍率趨近18倍，雖然工具測試結果仍僅有6-7%，不過Intel表示這樣的品質耗損在主要物件可能會被玩家察覺。

Intel在2025年GDC介紹TSNC的原型技術後，整個TSNC已使用Slang運算著色器重購，開發者無論是在Unreal Engine、自研引擎或使用CPU進行紋理解壓縮，同一段的解壓縮程式碼都可針對正確後端執行。

此外TSNC也不僅限於具備XMX的Intel GPU，可使FMA方案向下相容方式在CPU及不具備XMX的非Intel GPU執行，但當然搭配具備XMX以硬體加速執行的Intel Arc GPU的效果還是最好。

Intel TSNC技術講者也分析四種TSNC技術的佈署策略的優劣，包括在安裝階段、載入階段、串流階段與取樣階段；安裝階段仍需在硬碟存放未壓縮紋理，主要省去傳輸的頻寬；載入階段則將紋理壓縮後存放在硬碟，可縮減安裝容量並降低載入繼顯示卡記憶體的壓力；串流階段採用TSNC可依據需求進行解壓縮，兼具降低硬碟與顯示記憶體空間，但對推論負擔變高；取樣階段則是把紋理永久壓縮存放在顯示卡記憶體，並在著色器逐像素解碼，能夠大幅降低顯示卡記憶體占用，不過同樣需要較高的推論資源。

Intel在一款配有Arc B390的Panther Lake筆電以1080p解析度進行基準測試，顯示XMX加速器比起傳統FMA方式大幅提升的執行效率。Intel預計在2026年針對開發者釋出Alpha版SDK，不過Beta及正式版的推出時程還未公布。