6.1 管线总览与 GPU 架构

6.1 管线总览与 GPU 架构

本节摘要：渲染管线把前五章的算法装配成一条固定流程：顶点数据进、帧缓冲出，中间经过可编程着色器与固定功能硬件的接力。本节总览各阶段的职责与"可编程边界"，讲 GPU 为什么长成 SIMT 大并行的样子、warp 调度与分支分歧如何左右性能、显存层级怎么设计，以及图形 API 与着色器语言在流程里的位置。它是第 6 章的地图：后面三节沿这条传送带逐段参观。

本节能力目标

阅读完本节，你应当能够：

1. 按顺序列出管线阶段，指出哪些可编程、哪些固定
2. 解释 GPU 与 CPU 的设计哲学差异（延迟 vs 吞吐）
3. 说明 warp 的执行模型与分支分歧的性能代价
4. 描述 GPU 的显存层级（寄存器、共享内存、缓存、显存）与带宽差距

为什么需要一条"管线"

前五章的算法如果串行执行——先变换完全部顶点、再光栅化全部三角形、再逐像素着色——每一步的中间结果（全部变换后顶点、全部片元）都要完整存一遍，显存与带宽吃不消。流水线（pipeline）的思路是切阶段、接龙式处理：像工厂传送带，上一站的半成品直接递给下一站，各站同时开工，吞吐量成倍提升。

更关键的是分工：有些阶段人人需求一致，做成固定功能硬件（光栅化、深度测试），面积小速度快；有些阶段百花齐放（顶点怎么变、像素怎么亮），开放成可编程着色器，开发者写代码注入。这条边界就是现代图形 API 的使用说明书。

顶点数据 → [顶点着色器*] → 图元装配 → [几何着色器*可选] → 裁剪
        → 光栅化 → [片元着色器*] → 深度/模板测试 → 混合 → 帧缓冲
[*] 为可编程阶段；其余多为固定功能；带 * 号的三个阶段是开发者代码的主战场
​

CPU 与 GPU 的设计分野

GPU：为吞吐而生的机器

CPU 的设计目标是低延迟：强大的分支预测、乱序执行、大缓存，让单线程尽快跑完。GPU 反其道而行：删掉这些复杂机制，把省出的晶体管全堆成计算单元，靠海量线程的并行掩盖延迟——某批线程等显存？调度器立刻切换另一批上线，机器永不停工。

执行模型是 SIMT（单指令多线程）：线程按 32 个（或 64 个）一组打包成 warp，一个 warp 共享一套指令序列，同步前进。光栅化给出的相邻像素天然做同样的事（同一个三角形、同一套着色器），warp 内高度一致，效率惊人。代价在分支分歧：

# warp 分支分歧的示意：32 个线程同时遇到 if
frag_color = heavy_glow(p) if p.is_emissive else simple_shade(p)
# 若 warp 内 16 个线程走左枝、16 个走右枝，GPU 无法真分头行动：
# 两个分支串行各执行一遍，走另一枝的线程空转
# 一个 warp 混合的材质种类越多，空转比例越高
​

这就是引擎要按材质排序、分批绘制（减少状态切换与着色器切换）的底层原因：让同一个 warp 里尽量装同一种工作。

显存层级也围绕带宽设计：

寄存器（每线程私有，最快）
  ↓ 约几十周期
共享内存/L1（同一线程块共享，可编程管理）
  ↓ 约一两百周期
L2 缓存（全芯片共享）
  ↓ 数百周期
显存（几 GB，容量大但相对慢百倍量级）
​

着色器代码里的每一次纹理采样都要跑到显存层级取数，5.3 节 mipmap 与压缩格式的价值就在于此：它们直接减少搬运的字节数。

图形 API 与着色器语言站在哪

开发者不直接摸硬件，中间隔着图形 API（DirectX、OpenGL、Vulkan、Metal、WebGPU）：定义管线状态、绑定资源、提交绘制命令。着色器用专门的语言写（HLSL、GLSL、MSL、WGSL），编译成 GPU 字节码在可编程阶段执行。一个最小片元着色器的样子：

// WGSL 风格的片元着色器骨架（示意）
fn fs_main(in: VertexOutput) -> vec4f {
    let texel = textureSample(baseMap, sampler, in.uv);   // 5.3 的纹理采样
    let n = normalize(in.normal);                          // 5.2 的法线插值
    let lambert = max(0.0, dot(n, lightDir));              // 5.1 的漫反射
    let linear = texel.rgb * (ambient + lambert * lightColor);
    return vec4f(pow(linear, 1.0/2.2), 1.0);               // 2.2 的伽马回编码
}
​

四行代码分别引用了第 2、5 章的四个知识点——着色器就是前面所有原理的浓缩落地，这也是为什么本教程按数据流顺序讲到这里才展示它。

一个思考实验：为什么光栅化天生适合 GPU

把 3.1 节三角形光栅化的两层循环摊开看：外层 y、内层 x，相邻像素的计算只差一个增量（重心坐标逐像素递推），彼此零依赖。这意味着几百万个像素可以随意分给几千个核心同时算，不用任何同步——数据并行度近乎无穷。对比一个天然串行的任务（比如物理模拟里前后帧强依赖的积分），GPU 的几千核心只能轮流干活。判断一个算法"吃不吃 GPU"，看的不是代码量而是"并行度有多少、访址规不规矩"：相邻线程读相邻内存（纹理里的一行）缓存命中率高，随机跳访（链表遍历）则处处缓存失效。这个判断力比记住任何具体参数都值钱，它决定你写的 shader 是跑满显卡还是在空转。

帧预算：管线的第一性约束

2.3 节算过账：60 Hz 屏幕每帧 16.7 毫秒，这 16.7 毫秒要装下 CPU 侧（提交命令、逻辑更新）与 GPU 侧（全部绘制 + 后处理）。管线的每个阶段都可能成为瓶颈：顶点太多、片元太贵、带宽太紧。性能调优的第一步永远是定位瓶颈在哪个阶段，盲目优化（比如减面数去救片元瓶颈）常常白费功夫——这也是 6.2 与 6.3 节分别给出各阶段成本特征的用意。

本节要点回顾

• 管线是分工的流水线：固定功能求快、可编程着色器求活
• GPU 为吞吐放弃延迟：海量线程掩盖等待，SIMT 让相邻像素并行
• 分支分歧是隐形税：warp 内分支越杂，空转越多，材质分批是解药
• 显存层级差两个量级：纹理采样是带宽大户，压缩与 mipmap 直接省钱
• 帧预算是一切优化的靶心：先定位瓶颈阶段，再谈优化

传送带全景有了，6.2 节进第一车间：顶点如何被 MVP 三连乘送进裁剪空间。