GPU 的思维方式：并行、分支代价与访存

CPU 思维写 shader 会写出「能跑但很慢」的代码。GPU 的执行模型是「海量像素同一时刻做同一件事」，理解这一点，才能预判什么写法贵、贵在哪。这篇讲 GPU 怎么执行你的 shader，以及由此得出的几条硬规则。

SIMT：以「一组像素」为单位执行

GPU 把片元按组（NVIDIA 叫 warp，32 个像素；AMD 叫 wavefront，32 或 64 个）打包，同一时刻整组执行同一条指令——所谓 SIMT（单指令多线程）。你不是在给一个像素写程序，是在给「一组像素」写程序，这决定了后面所有规则。

组内像素条件不一致时（一半像素走 if、一半走 else），硬件的处理是两条路径都执行，只是用掩码让输不起的像素不写入结果。也就是说：

// 组内条件不一致时：两条分支的代价都要付
if (uv.x > 0.5) c = SampleA(uv);
else            c = SampleB(uv);

由此得出硬规则：

片元里的动态 if 不免费，分支两侧越重越贵。能用 lerp、step、saturate 数学表达的，优先数学表达。
uniform 分支几乎免费：整组条件一致（如材质开关、按 Draw Call 传入的参数），硬件一次判定全组同路。这就是 keyword/变体比动态分支快的原理——把「材质级开关」编译成独立代码，见 /notes/unity/engineering-3/。
循环同理：次数不一致的循环按最大次数执行；编译期可知次数的展开循环基本免费。

一个片元程序的开销大头通常不是算术，而是等数据：

操作	贵在哪	直觉
纹理采样	显存带宽 + 缓存命中率；相邻像素采样位置连续则命中好	移动端带宽是头号瓶颈，见 /notes/unity/performance-1/
依赖采样	第二次采样的 UV 要等第一次采样算完，流水线停顿	「采样套采样」比两次独立采样贵
ALU（乘加、点积）	现代 GPU ALU 吞吐极高	相对便宜，别为省两次乘法牺牲可读性
插值器读取	每个片元读 v2f 数据，数量有上限	少传能重算的数据

推论：「用计算换采样」是常见优化方向（如程序化噪声代替噪声贴图），但换过头会变成 ALU 瓶颈——两头都要测，测量方法见 /notes/unity/performance-2/。

一个片元的执行与其他片元完全无关——不能读邻居像素的颜色（屏幕空间效果要靠深度/法线贴图或拷贝，见 /notes/unity/effects-4/），不能跨像素通信。这也是为什么边缘检测必须走「先渲染到纹理、再全屏后处理」的两步结构，见 /notes/unity/effects-3/。

移动端 GPU 的 half（fp16）吞吐常是 float（fp32）的两倍，但 half 的数值范围只有 ±65504、精度约 3 位十进制——大坐标（世界位置）用 half 会直接错。编译器会自动选精度，自动选的不一定对，坑与规则见 /notes/unity/performance-3/。