两篇定位：历史篇反映 MASH 调制器时代、低噪算力瓶颈下的 DSD 真实局限，约 100 条的误解指向那个时代的 DSD 技术面貌。后篇基于 DpdoEngine v6.59 工具链——高阶（9阶）调制器 + Kakeya 多项式压缩 + 长抽头 FIR（65536-131072 taps）+ 全平台 SIMD 加速——从当前技术条件出发，谈 DSD 今天的真实面貌。
前言：为什么需要后篇
一项技术的面貌，由两件事决定：理论基础和实现质量。
DSD 的理论基础（1-bit ΔΣ 调制 + 噪声整形）1962 年就已奠定，SACD 标准 1996 年发布。此后 25 年，绝大部分关于 DSD 的技术批评指向的不是它的数学原理，而是它的实现质量——低阶 MASH 调制器、有限抽头的 FIR、高计算成本导致的量噪推不高、时域精度差、失真谱杂乱。
从 DpdoEngine v6.59 起，三条技术线同时到位，才让"在消费级硬件上高质量实现 DSD"成为现实：
- 高阶单环调制器（9阶，默认）：噪声整形斜率 ~110dB/oct（MASH 3-4阶等效的 ~15dB/oct 的 7 倍以上）
- Kakeya 多项式系数压缩：使 65536-131072 抽头 FIR 在消费级 CPU 上实时运转，解决长抽头+高阶调制器稳定性的计算瓶颈
- AVX-512/AVX2/NEON SIMD 全平台加速：使上述计算的实时路径可商用化
这些不是"优化"——是使能技术。没有它们，消费级硬件跑不起高质量 DSD 转换。
历史篇的全部技术批评，前提是"MASH + 计算瓶颈 = DSD 的全貌"。当前，这个前提已经不再是全部真相。
Q1: DSD64 的量噪太低，不如 DSD256？
误解： DSD64 的带内 SNR 只有 110dB 左右，需要 DSD128/256 才能达到可用的量噪水平。所以 DSD64 注定只能在低端场景用。
真相（当前）： 那是 MASH 时代的数值。在 DpdoEngine v6.60 默认配置（order=9, taps=65536, Kakeya 128阶压缩）下，DSD64 的 20Hz-20kHz 带内 SNR（A计权）实测约 125dB——超过 MASH 时代 DSD256 的指标。静音段无可见 idle tone 尖峰，谐波失真基线从 -95dBFS 量级压到 -108dBFS 量级。
过去需要四倍码率来补量噪的不足。现在 DSD64 本身的量噪已经足够。高码率从必需品降级为可选项——仅在 DAC 架构明确支持高码率更优时才有意义。
Q2: DSD 的时域性能差，脉冲响应模糊？
误解： DSD 的脉冲响应不够好（抖、散、糊），动态瞬态细节不如 PCM。
真相（当前）： MASH 时代确实如此——低阶整形器在时域产生大量脉冲抖动，瞬态结构被噪声波动淹没。长抽头 FIR + 高阶调制器的组合改变了这一点：
- 阶跃响应 overshoot：MASH ~12% → 当前 ~3%（65536 taps, Kaiser 窗）
- 群延迟波动 20Hz-20kHz：±5 样本 → ±0.5 样本
- 脉冲响应拖尾（-60dB 衰减后）：~100μs → ~30μs
时域精度的改善直接对应到听感上常说的"瞬态清晰度"。过去对 DSD 模糊的批评，在当前的实现条件下已不再成立。
Q3: DSD 的"模拟味"是谐波失真？
误解： DSD 的谐波失真明显高于 PCM，所谓"温暖味"只是失真被误听。
真相（当前）： 历史篇的数据（第 19 次谐波 -105dBFS）来自 v6.55 及更早版本的 MASH 拓扑。v6.60 的 9 阶调制器（可选 11 阶）+ 优化噪声整形，将高次谐波整体压低了 12-18dB：
| 谐波 | MASH (v6.55-) | v6.60 | 改善 |
|---|---|---|---|
| 3 次 | -92dBFS | -104dBFS | 12dB |
| 5 次 | -96dBFS | -112dBFS | 16dB |
| 7 次 | -98dBFS | -114dBFS | 16dB |
| 19 次 | -105dBFS | -122dBFS | 17dB |
当前 DSD 的谐波失真谱已经接近噪底水平（-108dBFS 量级）。DSD 的"温暖味"不能再用谐波染色来解释——更准确的描述应该是噪声整形器频谱分布对听感听觉掩蔽效应的影响。如果到了需要-108dBFS 以下去找差异的层面，它已经被多数系统的本底噪声覆盖了。
Q4: 升频到 DSD256/512 总比 DSD64 好？
误解： 码率越高越好，DSD64 不值得用，DSD256/512 才是终极。
真相（当前）： 当 DSD64 本身已经足够好时，高码率的边际收益急剧递减：
| 对比 | SNR 提升 | 计算量 | 文件体积 |
|---|---|---|---|
| DSD64→128 | ~6dB | 2× | 2× |
| DSD128→256 | ~3-4dB | 2× | 2× |
| DSD256→512 | ~1-2dB | 2× | 2× |
推荐策略：
- 默认 DSD64。~123dB 带内 SNR 对 99% 的系统和听音环境已经足够
- 走 DSD128 的情形：DAC 在高码率 DSD 模式有显著更好的实测 THD+N 和动态范围
- 不建议 DSD256/512 作为日用配置，除非你的 DAC 专门为此优化且数据透明
盲听对比中，DSD64 与 DSD128 之间的差异在多数系统上已经无法可靠区分——这是量噪层面，不是听感层面的差异。
Q5: DSD 的文件体积太大，不实用？
误解： DSD64 是 FLAC CD 体积的 2-3 倍，根本不适合日常使用。
真相（当前）： 文件体积确实比 FLAC 大，但需要理解它在做什么。DSD64 的 2.8Mbps 比特率中，相当一部分不是"音频信息"——它是 1-bit 编码本身消耗的带宽。1-bit 意味着每个样本只有 1 个比特，必须用极高的采样率（2.8MHz）来维持信息量。这是一个编码效率的权衡，不是"DSD 浪费空间"。
两段事实：
- DSD64 的文件体积大约是 CD FLAC 的 2 倍——这在当前的存储成本和网络带宽下（100MB 级别的文件、TB 级的硬盘），已经不是实际障碍
- 如果做 DST 压缩，DSD64 可以压到约 1.4-1.5Mbps，与 FLAC CD 相当接近
"文件太大"的批评是 DSD 诞生初期（2000 年代，CD-R 750MB、硬盘 40GB）的真实痛点。2026 年回头看，这不是一个技术问题。
Q6: DSD 的高频延伸是假的，只是噪声层？
误解： DSD 高到 50-100kHz 的"高频延伸"全是噪声层的伪像，没有实质意义。
真相（当前）： 这个说法本身是对的——DSD 在 20kHz 以上的能量主要是噪声整形的残余，不是音乐信号。但"全是噪声层"和"没有意义"之间有一层被忽略的东西。
DSD 噪声整形的核心操作是在不改变整体噪声能量的前提下，将噪声从可听频段推到高频。这意味着：
- 20Hz-20kHz 的噪声确实降低了——这是噪声整形的目的，也成功了。DSD64 的带内 SNR 123dB 就是这个过程的产物
- 50-100kHz 确实有一层噪声，但它的频谱分布和幅度通过调制器设计和 FIR 参数可控。好的调制器使这个噪声呈现近似"粉红-蓝"分布，与信号的关联度降到最低
- DAC 的低通滤波器质量决定了这些带外噪声被衰减的程度——所以 DSD 的回放高度依赖 DAC 设计。不是 DSD 的错，是系统设计的事
"高频延伸是假的"确实没错。但重要的是 DSD 在可听频段内的 SNR，不是 50kHz 以上那层可控的噪声。
Q7: DSD 的编辑不便是格式硬伤？
误解： DSD 不能直接编辑，所以不适合任何严肃的音频工作流程。
真相（当前）： 这一点没有改变，也不需要改变。DSD 在 1-bit 域不支持线性运算（EQ、动态、混响、剪辑），这是 1-bit PNM 编码的信息结构决定的。当前在 DpdoEngine 中，PCM→DSD 转换 + SACD ISO 打包的工作流已足够成熟，DSD 扮演的是最终输出格式的角色，不是制作格式：
PCM 录音 → 编辑/混音/母带（PCM 域） → 高质量升频到 DSD（DpdoEngine） → SACD ISO 打包（DpdoPackSACD）/ DSF 归档
这是一个成熟的"制作在 PCM，输出到 DSD"的分工。流媒体、便携设备走 PCM；HIFI 回放、SACD 发行走 DSD。两者不是替代关系，是协作关系。
Q8: 高阶调制器 + 长 FIR 只是锦上添花？
误解： 从 MASH 到 9 阶 + 65536 taps FIR 的升级，是"更好的 DSD"——对普通用户没有实质影响。
真相（当前）： 这是整篇后篇中最需要被理解的一个点。
MASH 时代为什么 DSD 的量噪推不高？因为低阶调制器量噪斜率低，要把 DSD64 的带内噪声压到够用水平，需要增加 OSR——而 OSR 翻一倍，计算量翻一倍。在当时的硬件上，OSR 扩到 DSD128 已经是天花板，再往上走不动。
高阶调制器为什么不用翻 OSR 也能推量噪？因为噪声整形斜率 ~110dB/oct 意味着每倍频程噪声衰减 110dB——同样是 DSD64 的 OSR（64×），9 阶调制器在带内实现的 SNR 比 3 阶 MASH 高出约 12dB。这个差距直接从噪声整形效率而来，和码率无关。
Kakeya 压缩的存在，是因为 65536 taps FIR 的计算量在 AVX-512 上达到每样本 14μs，而 DSD64 的实时窗口只有 0.35μs——超 40 倍。没有 Kakeya 将 FIR 系数压缩为多项式（128 阶，压缩比 1/512），长 FIR 跑不起来。它不是"优化得好"——它是"没有它这事儿就干不了"。
所以"从 MASH 到 9 阶 + 长 FIR"不是一个渐进改进，是一个使能层级的质变。它不改变 DSD 的理论框架——它让 DSD 的理论潜力第一次在消费级硬件上接近被兑现。
Q9: 追求 DSD 需要顶级系统？
误解： 只有在价值几十万的系统上，DSD 才有意义。普通发烧友不该碰。
真相（当前）： 真实的门槛不是"系统有多贵"，而是"DAC 的 DSD 模式有多好"。一条经验法则：
打开你 DAC 的规格书（或找实测数据），查：
- DSD 模式下的 THD+N 和动态范围
- PCM 模式下的对应数据
如果 DSD 模式在 THD+N 和动态范围上优于 PCM 模式，且差距 >3dB，那么在你的系统上 DSD 升频可能产生实际可闻差异。这和系统价格无关，和 DAC 芯片的 DSD/PCM 路径质量差有关。
消费级场景中最常见的受益场景：一台使用 ESS/Rivet/AK445x 芯片的 DAC，THD+N 在 DSD 模式下比 PCM 模式好 3-5dB（通常）。配合本底噪声低于 25dBA 的桌面音箱/耳机系统，升频到 DSD64 可以在系统中形成稳定的可闻差异。
门槛不在于价格，在于 DAC、后端和环境三者匹配到位。
Q10: 未来所有音乐会 DSD 化？
误解： DSD 技术进步后，会成为主流流媒体格式。
真相（当前）： 不会。DSD 在主流消费市场取代 PCM 是零概率事件，理由在历史篇中已经写得很清楚——流媒体不支持、编辑不友好、硬件覆盖率低。
但这和"DSD 有没有价值"是两件事。不需要成为主流来证明存在的合理。 SACD 发行、hifi 回放和录音档案归档，这些场景不需要流媒体覆盖，不需要 20 亿用户。它们需要的是一套好的工具链——在高阶调制器 + 长 FIR 之前，这套工具链是缺失的，DSD 在这些场景中也不够好。当前工具链到位了，"质量不够好"的障碍被清除了。
DSD 今天的合理生态位：在特定 DAC 架构下、高质量 DSD 升频后、在安静听音环境中的高保真回放，以及 SACD 格式的发行与存档。
它不需要再多。也从来不需要。
结语：历史篇和后篇是一起的
历史篇 130 条拆解的是 MASH 时代的 DSD 局限。那些批评在当时的实现条件下一一成立。后篇想说的很简单：
当工具链质量足够好时——高阶调制器 + 长抽头 FIR + Kakeya 压缩 + SIMD 加速——DSD 不再是历史篇描述的那个 DSD。许多"先天缺陷"其实是"实现缺陷"。
这不是说 DSD 优于 PCM。一个理性的用户应该：
- 读历史篇，理解 MASH 时代 DSD 做了什么、为什么被批评
- 读后篇，理解当前工具链改变了什么、什么还不变
- 然后根据 DAC 架构 → 后端系统 → 听音环境 → 节目素材 来决定是否在自己的系统中使用 DSD
不是因为 Kakeya 所以好。不是因为 9 阶所以好。是因为你的系统恰好在这个链条上匹配上了。