作者：Ed Plowman
多年来，图形管线一直依赖于成熟且固定的功能工作负载，如几何处理、光栅化、纹理贴图和着色。这种传统方法为渲染提供了可预测的结构，每个阶段都提供特定且易于理解的功能。
然而，这种模式已经悄然发生了深刻转变。现代渲染的特点如今是计算驱动流程、神经推理以及对AI辅助图像形成的日益依赖。AI在图形学中的作用已超越了辅助功能的范畴；它正逐渐成为图像渲染、增强、重建和合成方式中不可或缺的一部分。
因此，GPU的未来方向是明确的：它们必须在桌面平台、云平台和边缘设备中融入高效的AI加速能力。如今的芯片负责处理从几何处理到图像增强和重建的各种工作负载。这一转变使 AI 加速成为现代渲染的核心支柱，推动着当代系统图形质量与能力的提升。
在整个行业中，现代图形引擎正从以片段处理为主的管线转向以计算为主导的模式，这一点在高端 PC 引擎和主机级工作负载中尤为明显。对比早期引擎与当代管线可以清晰看到这一变化：传统管线由片段着色主导，而现代引擎将越来越多的帧时间分配给计算工作负载。光照、材质评估、可见性处理以及后处理正不断迁移到计算驱动阶段。
当代渲染管线越来越依赖计算着色器来驱动光照、材质、可见性和后期处理。传统片段着色的比例正在稳步下降；计算着色器以及超分辨率、降噪和增强技术已经占据了GPU帧处理时间的很大一部分。像DLSS和FSR这样的技术，曾经被视为高端特性，现在已成为现代引擎中的标准配置。它们利用神经网络从较低分辨率的输入重建高分辨率帧，应用高质量降噪，并在严格的延迟限制下保持时间稳定性。
我们内部分析清晰地反映了这一转变。在现代渲染管线中，越来越多的帧延迟不再直接花费在“绘制”像素上，而是花费在通过神经方法，从一个稀疏的基础（较低分辨率输入、较少的着色样本和激进的时间复用）来推断出一个感知上完整的图像。
商业硬件决策也体现了这一模式。例如，索尼从 PlayStation 5 向 PlayStation 5 Pro 的升级中，GPU 子系统的硅面积大约增加了 4 倍，其中绝大部分用于神经计算，而非传统着色或固定功能光线追踪。这反映了行业的明确判断：未来图像质量的提升将主要来自重建与推理，而非单纯提高片段吞吐量。
从架构角度看，实时 3D 图形始终是一门“近似科学”，而非数学上的完全精确。其核心约束从来不是正确性，而是受限的延迟和能耗，这迫使引擎必须激进地剔除那些对感知画质提升不明显的计算。可见性裁剪、细节层次（LOD）、时间复用和重建技术，本质上都遵循同一原则：去除不必要的计算，将硅面积和功耗预算集中用于真正能带来差异化体验的部分。
这一理念对 GPU 设计产生了直接影响。随着工作负载越来越由重建、推理和近似计算主导，架构重点从最大化原始片段吞吐量转向在渲染流水线内部高效执行中小规模神经网络。神经着色器正是这一趋势的自然演进：将紧凑的神经网络嵌入着色阶段，使近似过程以数据驱动的方式被“学习”，并与现有着色执行和内存访问模式紧密耦合。
要高效支持这一点，就需要GPU将神经执行视为头等架构关注点，而非辅助性的计算任务。需要针对低延迟、高利用率以及与传统着色进行细粒度集成进行优化，而不是将其视为孤立的、面向批处理的推理任务。
虽然神经超分辨率已经成为主流，但神经着色器（直接嵌入在着色管线内部的小型网络）正涌现为实时图形学的下一个重大变革。行业技术成熟度分析表明，神经着色正从早期创新阶段迈向本十年后期的更广泛应用。我们已经发布了神经近似技术的相关研究，预计未来 GPU 需要将高效神经执行作为常规着色工作负载的一部分，而非独立的计算路径。
研发趋势也支持这一判断。预测图形工作负载未来方向的最快方式之一，就是关注 SIGGRAPH。过去两年中，神经驱动图形研究的数量显著激增，例如：
- 神经材质和神经隐式表面，为复杂资产提供实时、可学习的表示。
- 基于扩散的资产提取和内容合成，使用生成模型来生成和优化3D内容。
- 神经降噪、重建和混合生成工作流，在最近的SIGGRAPH出版物中随处可见。
- 神经驱动的艺术和设计工具，将AI直接嵌入内容创作管线。
规划多年架构的硬件团队必须认识到这一时间线，因为今天设计的GPU模块必须支持2028年及以后的工作负载。涵盖材质、动画、渲染和工具的神经图形研究，其数量和广度都确凿无疑地表明，AI已成为计算机图形学中的基础学科。综上所述，行业信号是一致的：渲染不再是关于最大化FP32片段吞吐量，而是关于灵活的、通用的计算。
而当未来的图形工作负载严重依赖神经处理时，GPU架构师就不能依赖标量或传统的着色器核心来高效运行它们。神经工作负载需要更高的计算密度、更低的单次推理能耗，并支持与着色器紧密集成且具有互补内存访问模式的中小型网络。
正因如此，Imagination 正将 AI 加速直接集成到 GPU 架构中，使客户能够支持计算机图形的前沿发展。我们的 E-Series GPU IP 同时支持图形处理和通用推理应用，通过 AI 加速单元与传统着色集群的紧密融合，在低功耗下提供高吞吐性能。
在未来，实时图形将由重建、近似和神经执行来定义，将AI视为渲染管线中的头等部分不是可有可无的——而是必不可少的。
欲深入了解Imagination高效能GPU IP如何应对先进制程挑战，请立即预约与团队会面。
英文链接：https://blog.imaginationtech.com/the-transformation-of-graphics-pipelines
声明：本文为原创文章，转载需注明作者、出处及原文链接。
