實(shí)時(shí)光線(xiàn)追蹤技術(shù)它可能出現(xiàn)在當(dāng)前的次世代主機(jī)上嗎？多年搞各種實(shí)時(shí)、離線(xiàn)渲染，我來(lái)說(shuō)說(shuō)看法。我的看法是當(dāng)前次世代主機(jī)真不可能。未來(lái)3-5年也許一些內(nèi)基于光線(xiàn)追蹤的非全局光照算法出現(xiàn)，例如鏡面反射等，主要用來(lái)彌補(bǔ)或者增強(qiáng)現(xiàn)有算法的缺陷。光線(xiàn)追蹤的真正普及則會(huì)是一個(gè)漫長(zhǎng)的過(guò)程，要整個(gè) industry一起努力。至于真正的無(wú)偏的全局光照，要做到實(shí)時(shí)所需要的計(jì)算量在可預(yù)見(jiàn)的未來(lái)都還是太大。

　　一提到光線(xiàn)追蹤，許多人第一反應(yīng)就是圖形渲染的圣杯，實(shí)現(xiàn)以后游戲的畫(huà)面就會(huì)和好萊塢大片一樣震撼。這其實(shí)是很不實(shí)際的主觀假設(shè)。

　　誤點(diǎn)1：把光線(xiàn)追蹤等價(jià)于全局光照，甚至一系列牛逼的特效例如焦散，云霧，次表面散射，基于物理著色。

　　其實(shí)光線(xiàn)追蹤單純就是指的計(jì)算出三維空間中一個(gè)給定射線(xiàn)和一群三角形中的焦點(diǎn)的過(guò)程。這是一個(gè)邏輯上非常簡(jiǎn)單的操作。基于這個(gè)操作，我們可以衍生出許多全局光照的算法。為什么這個(gè)操作如此有用的本質(zhì)原因是因?yàn)殇秩痉匠?/p>

　　是一個(gè)表面法線(xiàn)周?chē)肭蛏系姆e分。這個(gè)半球方向上的東西無(wú)論是光源還是各種奇怪形狀，材質(zhì)的其他東西都會(huì)對(duì)這個(gè)表面上的顏色有影響。在不知道這個(gè)半球方向范圍內(nèi)有什么辦法的情況下，發(fā)射光線(xiàn)去對(duì)周?chē)蓸邮亲钔ㄓ?，但是很低效的方法，如下圖。但是光線(xiàn)追蹤本身除了用來(lái)采樣場(chǎng)景也可以用在碰撞檢測(cè)，尋路等和渲染無(wú)關(guān)的地方。

　　誤點(diǎn)2：認(rèn)為有了光線(xiàn)追蹤游戲畫(huà)面就電影化了，并認(rèn)為基于光柵化的方法就是做不好光照計(jì)算，需要被推翻。

　　這簡(jiǎn)直是忽視了過(guò)去20年圖形學(xué)界和游戲開(kāi)發(fā)者們所積累的各種技術(shù)，技巧和優(yōu)化。我先舉兩個(gè)例子。下面的圖片是用虛幻引擎4制作的建筑可視化。對(duì)于這種靜態(tài)場(chǎng)景來(lái)說(shuō)，光照貼圖（Light Map）就一下把最難搞的漫反射部分通過(guò)預(yù)計(jì)算搞定了，運(yùn)行時(shí)沒(méi)任何overhead。UE4用Photon Mapping算Light Map，這是個(gè)一致的全局光照算法，也就是說(shuō)最后的結(jié)果加上SSR和Probes做鏡面部分的話(huà)和你離線(xiàn)渲染結(jié)果就基本沒(méi)有什么差別了，小場(chǎng)景60Fps 跑起來(lái)無(wú)壓力。

　　另一個(gè)例子是Unreal的風(fēng)箏demo它使用的地形是Epic在新西它使用的地形是Epic在新西蘭實(shí)地掃描的，目標(biāo)大概是要?jiǎng)?chuàng)造Pixar 類(lèi)型的電影化體驗(yàn)。這個(gè)Demo我不能說(shuō)他有上面那個(gè)那么精確蘭實(shí)地掃描的，目標(biāo)大概是要?jiǎng)?chuàng)造Pixar類(lèi)型的電影化體驗(yàn)。這個(gè)Demo我不能說(shuō)他有上面那個(gè)那么精確蘭實(shí)地掃描的，目標(biāo)大概是要?jiǎng)?chuàng)造Pixar類(lèi)型的電影化體驗(yàn)。這個(gè)Demo我不能說(shuō)他有上面那個(gè)那么精確CPU跑起來(lái)都不能60Fps么，任務(wù)管理器是各種爆滿(mǎn)的。

　　所以我想說(shuō)的是，視覺(jué)上看到的無(wú)偏全局光照是體驗(yàn)的重要部分，但是基于光柵化的程序也能在一些特定情況下提供這種體驗(yàn)，并且光照并不是和電影唯一的差距。電影和游戲的可用資源的巨大差距和兩種媒介體驗(yàn)的本質(zhì)差距等綜合因素都是游戲畫(huà)面電影化的障礙！資源的差距包括一幀畫(huà)面計(jì)算的時(shí)間資源（1/60秒和數(shù)小時(shí)），計(jì)算資源（普通CPU+GPU和一個(gè)渲染農(nóng)場(chǎng)），美術(shù)素材資源（幾十萬(wàn)個(gè)三角形和過(guò)分細(xì)分到比像素還多的三角形）還有物理模擬的精度等等。體驗(yàn)的本質(zhì)差別則是電影的是線(xiàn)性的。導(dǎo)演，特效師只需要保證所有的畫(huà)面在一個(gè)角度，一個(gè)時(shí)間達(dá)到完美即可。而游戲則是可交互式的方式。所以光線(xiàn)追蹤真不是最終的救命稻草。實(shí)時(shí)程序就是一個(gè)要把及其珍貴的時(shí)間和軟硬件資源合理的分配到不同的因素里去。

　　當(dāng)然我不是保守派，光線(xiàn)追蹤作為一個(gè)最基本的采樣場(chǎng)景的操作來(lái)說(shuō)，通用且直觀，如果性能跟的上，必然會(huì)帶來(lái)許多渲染技術(shù)的發(fā)展。但是高效的實(shí)現(xiàn)難度就是很大，前面許多回答也都多少分析了些原因，我就總結(jié)和補(bǔ)充一下。

　　難點(diǎn)1：計(jì)算量大。

　　如果拿一個(gè)4K分辨率的游戲要做全局光照算法，例如路徑追蹤，假設(shè)每個(gè)像素要1000個(gè)樣本噪點(diǎn)才收斂（這是非常非常保守的數(shù)字），每個(gè)樣本的路徑長(zhǎng)度是5次反射（也是非常短的1000個(gè)樣本噪點(diǎn)才收斂（這是非常非常保守的數(shù)字），每個(gè)樣本的路徑長(zhǎng)度是5次反射（也是非常短的2000000 * 60 = 2488320000000。也就是說(shuō)一秒鐘要射出2500G跟光線(xiàn)，這個(gè)數(shù)字大概目前最快的渲染器也慢了至少一萬(wàn)倍。諷刺的是對(duì)于電影級(jí)的畫(huà)質(zhì)來(lái)說(shuō)求交的過(guò)程和著色相比只是非常小的一部分。離線(xiàn)渲染的最前沿的研究我也了解且實(shí)現(xiàn)過(guò)不少，有許多提高采樣效率的方法。但是無(wú)論怎么部分。離線(xiàn)渲染的最前沿的研究我也了解且實(shí)現(xiàn)過(guò)不少，有許多提高采樣效率的方法。但是無(wú)論怎么本數(shù)量的做法在實(shí)時(shí)應(yīng)用里真的沒(méi)什么希望。要怪就怪1/60秒的要求是在太苛刻。但我不想顯得過(guò)分悲觀，上面10000倍的差距也只是真正要做一個(gè)無(wú)偏路徑追蹤的需求，實(shí)際上就算是離線(xiàn)渲染也有許多trick能減少noise，biased 去加快收斂速度，所以如果真的應(yīng)用到游戲里肯定能用一些其他biased方法去cheat away這么大的計(jì)算量。

　　難點(diǎn)2：現(xiàn)代GPU已經(jīng)將基于光柵的管線(xiàn)性能優(yōu)化的將近極致了。

　　榨干了最后的性能，一方面是光柵化算法的確相比于光線(xiàn)追蹤更容易被集成進(jìn)硬件，三角形可以在不同管線(xiàn)階段Stream，另一方面光柵化大規(guī)模流行了20年，廠(chǎng)商已經(jīng)有太多的時(shí)間和經(jīng)驗(yàn)積累經(jīng)得起考驗(yàn)的優(yōu)化。在NV每次多深入了解一些GPU架構(gòu)都會(huì)感嘆原來(lái)在底層還有那么多的硬件上的各種優(yōu)化。于此同時(shí)，基于光柵的渲染算法也有GPU架構(gòu)都會(huì)感嘆原來(lái)在底層還有那么多的硬件上的各種優(yōu)化。于此同時(shí)，基于光柵的渲染算法也有以說(shuō)要從頭發(fā)展，當(dāng)然肯定有新的東西可以搞，只不過(guò)也真的需要人來(lái)做這個(gè)工作。

　　難點(diǎn)3：現(xiàn)代基于光柵的圖形管線(xiàn)已經(jīng)烙印到GPU里，接口暴露在API里，大量現(xiàn)成的算法實(shí)現(xiàn)在游戲引擎里和游戲開(kāi)發(fā)者的腦子里。

　　所以光線(xiàn)追蹤的加入意味著圖形管線(xiàn)的改變，是否以為著有一種新的引擎里和游戲開(kāi)發(fā)者的腦子里。所以光線(xiàn)追蹤的加入意味著圖形管線(xiàn)的改變，是否以為著有一種新的引擎里和游戲開(kāi)發(fā)者的腦子里。所以光線(xiàn)追蹤的加入意味著圖形管線(xiàn)的改變，是否以為著有一種新的里發(fā)射光線(xiàn)呢，還是像compute shader那樣一次運(yùn)行很多光線(xiàn)然后批量返回呢，場(chǎng)景的加速結(jié)構(gòu)是要在API Level提供支持呢，還是交給開(kāi)發(fā)者？在性能還跟不上做一致的全局算法的情況下，有什么其他效果、算法我們可以嘗試呢？等這些都跟上了，又要等多久市面上的游戲才會(huì)逐漸開(kāi)始普及。所以我認(rèn)為就算性能跟上之后，光線(xiàn)追蹤的普及也會(huì)是個(gè)緩慢逐漸的過(guò)程，并且需要整個(gè)industry的一起努力。