一批相机射线完成第一次求交后，有些已经得到环境颜色，有些还需反射。继续扫描全部射线很容易实现；把仍需计算的射线集中到队列，则能让下一阶段直接读取存活任务。代价是增加状态存储、原子分配与阶段切换。

这个选择可以在两个镜面组成的小场景里验证。实验保持光路与画质相同，对照全量扫描和队列消费，检查容量不足、陈旧计数与尾线程错误。真实 GPU 结果与 CPU 参考一致；本次计时存在大量量化零，不能据此判断队列具有稳定速度收益。

两次反射给出可手算的参考

第 23 篇区分了理想镜面与连续方向采样。本实验只保留确定性镜面，最多反射两次；没有随机 BSDF、MIS、Russian roulette 或 BVH，也没有使用硬件光追接口。它实现的是波前组织方式中的“保存射线、压缩存活任务、分阶段继续追踪”。

图像为 128×128，实际发射 N＝16,381 条像素中心射线，最后三个像素留作黑色占位。射线从 (x,y,2) 沿 (0,0,−1) 发出，x、y 按像素中心均匀分布在 (−1,1)。第一块镜面位于 x＋z＝0，只保留 −1≤x＜0、|y|＜1 的区域。

使用未归一化法线也能计算反射，但必须保留分母：

d′=d−2d⋅nn⋅nn.d'=d-2\frac{d\cdot n}{n\cdot n}n.

代入 n＝(1,0,1)，反射方向恰为 (1,0,0)。8,192 条射线命中第一块镜面；其余立即读取环境。第二块镜面位于 x−z＝2，范围是 |y|＜0.5、0≤z＜1。再用法线 (1,0,−1) 反射，方向变成 (0,0,1)，共有 4,096 条射线完成第二次反射。

环境函数为 E(d)＝0.125＋0.875max(0,d.z)。第一次镜面反射率记作逐射线 RGB 向量 ρ，第二次为 (0.5,0.75,0.625)。因此三个终止结果分别是 0.125、0.125ρ、ρ⊙(0.5,0.75,0.625)，⊙ 表示逐通道相乘。CPU 除实际求交外，还按像素列和行区间独立检查这三个闭式结果。

参考使用 double，GPU 使用 f32。本例的坐标、材料与反射运算刻意采用可精确表示的二进制分数，实际零差有明确的输入条件；换成任意几何或更长光路后仍需重新设定容差。

任务身份与队列位置分开

每个任务保存起点、方向、路径吞吐权重 β 和 active 标记。β 是逐次反射率相乘得到的无量纲权重。GPU 用三个 vec4f，共 48 字节，放在 states[rayId]；起点的第四分量保存 active。输出的第四分量另作终止状态：−1 表示等待第二阶段，0、1、2 分别表示经历零次、一次、两次反射后结束。

第一阶段写好存活任务，再调用 atomicAdd(count,1)。它返回递增前的值，作为独占槽位 slot。容量为 C 时，仅 slot＜C 才写 queue[slot]＝rayId；否则增加 overflow。第二阶段只消费 min(count,C) 个槽，取出 rayId 后访问状态并回写 results[rayId]。

slot 表示本次压缩后的位置，rayId 表示光路和像素的稳定身份。跨工作组的原子分配顺序不保证按 rayId 排序，所以核对的是存活 ID 集合、唯一性与逐 ID 颜色。真实运行的四组正常队列都不是升序，但各自包含相同的 8,192 个合法 ID。

全量扫描使用相同状态，第二阶段遍历输入 ID 并检查 active；队列版本按槽读取存活 ID。两种模式每阶段都发出 256 组、每组 64 线程。队列只把有效消费集中到前 8,192 个槽，没有使用 indirect dispatch，也没有减少发出的总线程数。

这种身份分离可用于粒子存活列表或稀疏更新：列表位置允许变化，最终结果仍按稳定 ID 归位。若把 slot 当像素编号，颜色总量可能近似相同，画面位置却会错乱。

两个 pass 才形成消费边界

WGSL 原子操作采用 relaxed 内存语义。atomicAdd 能分配互不重复的槽位，但看到 count 增加，不能单靠这一点推断其他工作组已经发布了全部普通存储写入。workgroupBarrier 和 storageBarrier 的执行同步范围都是工作组，不能充当整个 dispatch 的屏障。WGSL 原子与同步规范

实现将生产与消费放入两个先后编码的独立 compute pass，每个 pass 各调用一次 dispatchWorkgroups。后一个 dispatch 对共享状态和队列的读取依赖 WebGPU 的命令与资源同步规则；没有在同一 dispatch 中跨组轮询计数，也没有构造全设备忙等屏障。WebGPU 资源同步

每轮执行前重置计数器、清零输出，并把队列填成 0xffffffff。读回还检查 64 个额外保护槽。生命周期错误可能保留一张正确的旧图，因而颜色、计数器和保护区需要分别验收。

三种负例各自破坏什么

打开实际 GPU 实验，运行完整对照后，再点击“检查容量、陈旧计数和尾保护”。页面导出原始数组与时间戳，设备不可用时显示原因。

2026-10-01 的真实运行报告 Chrome154、apple、metal-3，timestamp-query 可用；具体设备描述为空。四种排列各读回初始 scan、初始 queue 和计时后 scan，共 12 组完整结果，合计核对 196,572 条射线的 RGB、状态与保护区，最大绝对误差为零。没有逐次读回全部 240 条正式计时提交，也没有单独导出 states 载荷。

故意改变的条件 真实 GPU 结果 拒绝依据
容量 C＝17 count＝8192，overflow＝8175，processed＝17 8175 条输出仍为 pending
计数器预置 11 count＝8203，invalid＝11 前 11 个哨兵槽被误列入消费范围
允许三个尾线程写入 tail＝3，保护区 12 个分量变成 9 有效像素虽正确，保护区已改变

容量不足时，原子竞争决定保留下来的具体 17 个 ID。检查按实际集合重建预期输出，不假定最小的 17 个编号获胜。限制消费上界能够避免读取容量之外，却不能恢复丢失任务，因此 overflow 必须使正常验收失败。

陈旧计数负例的有效颜色仍全部正确，说明只看画面会漏掉错误。尾写入发生在预先分配的安全保护区，没有依赖真实越界行为。随后恢复正常队列，全部结果、计数器与保护槽再次通过。

工作量相同，访问顺序仍会变化

分支排列有 grouped 和 interleaved 两种：前者把首反射存活任务集中，后者交错相同的 ID 集合。64 线程工作组内同时包含存活与终止任务的组数，从 0 变成 256。

材料另有顺序布局和置换布局，置换地址为 (rayId×4099) mod 16381。材料值保持不变，只改变物理位置。任务重排也会改变状态和输出的访问次序，置换还引入地址算术；原子队列顺序继续影响第二阶段局部性。因此四个组合测量的是任务排列与访存成本的共同影响，不能把差值单独归因于纯分支发散或内存带宽。

计时零值保留在统计里

每个组合每种模式预热 4 次，共 32 条预热记录。正式测量每组合 30 对，偶数对 scan→queue，奇数对 queue→scan，形成 AB/BA 交替，共 240 条正式样本。四条件分别统计，没有混合或删除慢样本。

CPU 编码提交从创建 encoder 前计到 submit 返回，包含重置命令的编码。CPU 完成等待计到 onSubmittedWorkDone 通知，二者相加得到编码至完成时间；后续映射和完整回读尚在其外。GPU 时间由两个 pass 的四个原始时间戳相减得到，包含共同诊断原子操作，排除重置复制、材料上传、结果回读与呈现。两阶段之和也不等于整帧时间。

下表为 GPU 两阶段之和，单位 ms；每格按 p10／p50／p90 排列，每模式 n＝30：

任务／材料排列 scan queue scan／queue 零样本数
grouped／sequential 0／0／0.065536 0／0／0.072090 21／20
grouped／permuted 0／0／0.072090 0／0／0.065536 26／25
interleaved／sequential 0／0／0.065536 0／0／0.065536 25／22
interleaved／permuted 0／0／0.137626 0／0／0.091750 25／21

分位数按排序位置 (n−1)p 线性插值，所以 0.072090 可能来自相邻量化值之间，不能据此推断时钟具有同等精度。480 个正式阶段差值中，非零值的最大公约数为 65,536 ns，即 0.065536 ms；这是本批观察到的量化结构。

四条件的 CPU 编码提交中位数也全为零，完成等待中位数均约 0.3 ms。等待包含主机通知等影响，不能代替 GPU 内核时间。量化时间零、图像误差零和终止状态零表达三件不同的事。

逐对 queue/scan 只有分母非零时可定义。四条件各 30 对中，分别只有 9、4、5、5 对满足条件；剩余分别含 14、23、19、18 个 0/0，以及 7、3、6、7 个正数/0。只对有限子集求中位数会改变样本集合，不能称为全部配对的加速比。本批结果不足以支持稳定加速结论。

复跑与练习

仓库根目录执行，先生成参考，再运行浏览器：

1
2
3
4
c++ -std=c++17 -O2 -Wall -Wextra -Werror -pedantic examples/computer-graphics/wavefrontE04_check.cpp -o examples/computer-graphics/build/wavefrontE04_check
examples/computer-graphics/build/wavefrontE04_check examples/computer-graphics/build
node examples/computer-graphics/gpuE04_check.mjs
python3 -m http.server 8772 --bind 127.0.0.1 --directory examples/computer-graphics

打开 http://127.0.0.1:8772/gpuE04.html，运行两个按钮并下载记录。Node 检查只覆盖纯逻辑，不能替代真实 GPU。仓库的 summarizeE04.py 从保存的正常与负例 JSON 重新核对哈希、缓冲和所有配对统计。CPU参考、CPU原始计时与GPU完整统计随文保留；完整GPU回读、负例和审阅位于仓库 writing-plans/computer-graphics/evidence/E04-gpu-*。

练习一：本场景容量改为 8,000，其他条件正常，count、overflow 和可消费数量分别是多少？

答案：8192、192、8000。count 记录申请数，不能截成容量后假称全部成功；192 条存活射线无法完成第二阶段。

练习二：生产者在普通状态写入后递增原子计数，消费者在同一 dispatch 的另一工作组轮询计数，能否替代两个 pass？

答案：不能。relaxed 原子计数没有提供所需的跨组载荷发布保证，工作组屏障也不覆盖其他组。本实现保留独立 dispatch 的资源同步边界。

练习三：同一对 scan＝0、queue＝0 ms，应记录比值 1 吗？scan＝0、queue＝0.065536 ms 呢？

答案：第一种是未定义的 0/0，不能解释成耗时相等；第二种也不能给出有限比值。保留原值、类别及差值，不能补一个小分母制造精确加速倍数。

模式速查与出处

检查对象 可迁移规则 对应证据
压缩任务 稳定 ID 与临时 slot 分离 集合、唯一性、逐 ID 输出
跨阶段状态 明确生产完成与消费边界 独立 pass、计数和保护区
容量截断 有界写入同时报告丢失 overflow 与 pending
量化计时 保留零值及配对关系 原始时间戳、分母分类

系列入口 · 上一篇：一层介质为什么越斜越暗 · 下一篇：两连杆逆运动学。