《Mesh Shader 新一代几何管线：Task/Mesh 着色器》

传统渲染管线把几何处理固定成"顶点着色器逐顶点、几何着色器逐三角形、光栅化器固定"。这套结构服务了二十多年，却在几何生成与 GPU 自主剔除上力不从心：GPU 只能加工 CPU 喂进来的顶点流，无法"自己决定画什么、自己生成三角形"。Mesh Shader 把整个几何阶段替换成 Task（任务） 与 Mesh（网格） 两级可编程阶段，让 GPU 从数据缓冲里抓取网格、做剔除、做 LOD 选择，甚至程序化生成几何。本文从传统局限讲起，覆盖工作流、网格化、剔除、Vulkan/DX12 实现与性能分析，可与 GPU Driven 渲染 互相补充。

一、传统顶点管线的局限

一句话：固定顶点管线的粒度是"顶点/三角形"，GPU 无法在内部决定"加载哪份网格、生成几个三角形"，所有几何决策都被 CPU 前置——这既是历史包袱，也是性能天花板。

1.1 三个历史痛点

• 顶点着色器只见顶点：无法获得邻居信息，做不了细分、做不了网格级剔除；
• 几何着色器效率低：一条线程处理一个三角形、输出受限（最多 1024 字节），放大量几何生成时吞吐暴跌；
• 绘制粒度固定：vkCmdDrawIndexedIndirect 只能按"顶点缓冲 + 索引"执行，GPU 无法中途改画别的网格或改三角形数量。

1.2 几何生成只能靠"预烘焙"

想画"程序化草、动态细分曲面、GPU 端 LOD 生成的网格"，传统管线只能：CPU 预生成顶点缓冲、或写进几何着色器（低效）。后果是 GPU 强大的并行几何能力被浪费。

1.3 从"数据流"到"数据驱动"

传统：CPU 提交顶点流 → 固定顶点/几何阶段 → 光栅化。
Mesh Shader：GPU 读取任意缓冲 → Task 选择与剔除 → Mesh 生成三角形 → 光栅化。几何的"内容"第一次由 GPU 着色器决定。

二、Mesh Shader 工作流：Task + Mesh 两级

一句话：Mesh Shader 把几何阶段拆成 Task（决定"做不做、做哪些"）与 Mesh（决定"怎么做三角形"）两级，前者按块决策、后者按网格输出三角形，职责分离让剔除与生成都能高效并行。

2.1 两级着色器

• Task Shader（任务着色器，也称 Amplification Shader）：以"任务组"为单位执行，每个任务组对应一个网格批次，可读取对象数据做剔除/LOD 决策，并指定它要发射的 Mesh 线程数（1~4096）。
• Mesh Shader（网格着色器）：一个线程组负责生成一个"网格对象"（一组三角形 + 顶点 + 图元数据），输出交给光栅化器。

Task Shader 阶段（每对象一个任务组）:
  读取对象 → 视锥/遮挡剔除 → 决定 LOD
  若可见: 发射 meshThreadCount 条线程给 Mesh Shader
  若不可见: 发射 0 条线程（该对象完全不进入网格化）
Mesh Shader 阶段（每对象一个线程组）:
  读顶点/包围盒 → 生成顶点输出 → 生成图元输出
  → 光栅化器

2.2 与旧管线的对比

2.3 术语：Amplification

DX12 里 Task Shader 官方名称是 Amplification Shader，因为它"放大"工作：一个任务组决定把工作放大成 1~4096 个 Mesh 线程。Vulkan 里叫 Task Shader，语义相同。两者最终都进入光栅化，顶点属性由 Mesh Shader 输出数组提供。

三、Task Shader：剔除与工作量决策

一句话：Task Shader 是"GPU 内的剔除调度器"——它在对象粒度做可见性与 LOD 判断，把不可见对象直接"砍成 0 线程"，从源头省下整块几何开销。

3.1 任务组的输入

Task Shader 读取场景对象缓冲，每个任务组对应一个对象（或一批小对象）。用 Mesh Shader 的 DispatchMesh 启动：CPU 只需按对象数量 dispatch，任务组内部自行决定工作量。

// DX12：DispatchMesh 启动 Task+Mesh 管线
pCmdList->DispatchMesh(objectCount, 1, 1);

3.2 输出：发射到 Mesh Shader 的参数

Task Shader 输出一个 task payload 结构，包含 Mesh 线程组要用的数据（如对象指针、LOD 级别、变换），并决定发射多少 Mesh 线程：

// HLSL：Task Shader 示例
struct TaskPayload {
    uint objectId;
    uint lodLevel;
    float4x4 transform;
};

[shader("task")]
void TaskMain(uint tid : SV_GroupThreadID,
              uint gid : SV_GroupID) {
    Object o = objects[gid];
    if (!frustumTest(o.bounds, frustumPlanes)) return; // 剔除：发 0 条
    uint lod = selectLOD(o, viewDistance);

    TaskPayload p;
    p.objectId  = gid;
    p.lodLevel  = lod;
    p.transform = o.transform;
    SetMeshOutputCounts(THREADS_FOR_MESH, 1);  // 指定 Mesh 线程数
    DispatchMeshPayload(p);                    // 携带 payload 到 Mesh 阶段
}

3.3 颗粒度选择

Task 数量不必等于对象数：可以一个 Task 处理多个小对象（批量），或一个大对象拆成多个 Task（并行生成）。典型配置：每 Task 组 14 个对象，Mesh 线程组 32256 条。

四、Mesh Shader：网格化与图元输出

一句话：Mesh Shader 自己从顶点缓冲读取数据、自己构建三角形图元，输出顶点属性数组与图元数组——“画什么"完全由它决定。

4.1 输出结构

Mesh Shader 的输出是定长数组（由 SV_GroupIndex 在组内协作填充）：

// HLSL：Mesh Shader 核心
struct VertexOut { float4 position; float3 normal; float2 uv; };
struct MeshOut {
    VertexOut vertices[MAX_VERTS];
    uint      indices[MAX_PRIMS * 3];
};

[shader("mesh")]
void MeshMain(uint tid : SV_GroupThreadID,
              uint gid : SV_GroupID,
              in TaskPayload payload) {
    MeshOut output;
    uint primId = tid / PRIMS_PER_THREAD;
    uint vertBase = payload.objectId * VERTS_PER_OBJ;
    // 每个线程生成若干三角形，写入输出数组
    for (uint k = 0; k < PRIMS_PER_THREAD; ++k) {
        uint prim = primId * PRIMS_PER_THREAD + k;
        output.indices[prim * 3 + 0] = baseVertex(prim) + 0;
        output.indices[prim * 3 + 1] = baseVertex(prim) + 1;
        output.indices[prim * 3 + 2] = baseVertex(prim) + 2;
    }
    // 顶点属性直接从顶点缓冲读取 + 变换
    output.vertices[tid].position = mul(projView,
        float4(vertexData[vertBase + tid], 1.0));
    SetMeshOutputCounts(MAX_VERTS, MAX_PRIMS);
}

4.2 顶点索引的灵活性

传统管线索引来自顶点缓冲，Mesh Shader 的图元可以任意指向输出数组或从输入缓冲读取——这是程序化几何（细分、曲面细分、LOD 生成）的关键自由度。每个线程生成 1~3 个三角形（PRIMS_PER_THREAD），线程组内协作填满输出。

4.3 语义与光栅化衔接

Mesh Shader 输出自动进入光栅化器，顶点属性语义沿用传统管线（SV_POSITION 等），材质着色在像素阶段照常。顶点流可以被 Mesh Shader"凭空生成”，也可以逐顶点变换后传递，两者在同一管线内共存。

五、网格化与程序化几何

一句话：网格化（Tessellation）是 Mesh Shader 最亮的应用——在 GPU 内动态生成细分几何，比如曲面细分、GPU 端地形块 LOD、程序化植被。

5.1 替代硬件细分

传统细分的 Hull/Domain 阶段以 patch 为单位、输出受硬件限制。Mesh Shader 可完全接管细分：Task 阶段决定细分级别，Mesh 阶段按级别生成顶点与图元。带宽与灵活度都更好。

Mesh Shader 细分流程:
  Task: 按距离决定 tessLevel（近处细分多）
  Mesh: 按 tessLevel 生成网格顶点 → 位移贴图偏移 → 输出三角形

5.2 程序化几何示例

// HLSL：由噪声程序化生成草叶（简化）
float3 genGrassVertex(float2 base, float t, float height, uint phase) {
    float3 pos = float3(base.x, height * noise(base + phase), base.y);
    return pos;
}
[shader("mesh")]
void GrassMesh(uint tid : SV_GroupThreadID, in TaskPayload p) {
    // 每线程生成一片草叶的若干三角形
    // 顶点由函数动态生成，无需任何顶点缓冲
}

5.3 约束与最佳实践

• 输出数组大小是编译期常量（MAX_VERTS / MAX_PRIMS 上限）；
• 组内线程数需能整除输出，避免部分线程空转；
• 位移贴图采样尽量在 Mesh 阶段一次完成，避免像素阶段重复采样；
• 任务组之间的负载差异要用"任务数量 × 每任务工作量"平衡。

六、Vulkan 实现：VK_EXT_mesh_shader

一句话：Vulkan 用扩展 VK_EXT_mesh_shader 引入 Mesh/Task 阶段，通过计算着色器式管线与特殊接口暴露，跨厂商一致性好。

6.1 启用与管线创建

// C++/Vulkan：启用 mesh shader 扩展
VkPhysicalDeviceMeshShaderFeaturesEXT meshFeatures{};
meshFeatures.sType = VK_STRUCTURE_TYPE_PHYSICAL_DEVICE_MESH_SHADER_FEATURES_EXT;
meshFeatures.meshShader = VK_TRUE;
meshFeatures.taskShader  = VK_TRUE;
// 加入 pNext 链创建逻辑设备

// 管线创建：用 mesh shader 作为唯一着色器阶段
VkPipelineShaderStageCreateInfo stage{};
stage.stage = VK_SHADER_STAGE_MESH_BIT_EXT;   // 或 TASK_BIT_EXT
stage.module = meshModule;
vkCreateGraphicsPipelines(device, ..., &pipeline, ...);

6.2 提交绘制

vkCmdBindPipeline(cmd, VK_PIPELINE_BIND_POINT_GRAPHICS, pipeline);
vkCmdBindDescriptorSets(cmd, VK_PIPELINE_BIND_POINT_GRAPHICS,
                        layout, 0, 1, &sceneSet, 0, nullptr);
vkCmdDrawMeshTasksEXT(cmd, objectCount, 1, 1);   // 启动 Task 组

与 vkCmdDraw 的区别：不传顶点/索引缓冲，只用 drawCount 指定 Task 组数；每个 Task 组自行决定发射多少 Mesh 线程。

6.3 GLSL 侧写法

// GLSL：Vulkan Mesh Shader 接口
#extension GL_EXT_mesh_shader : require
layout(local_size_x = 32) in;

struct VertexOut { vec4 pos; vec3 nrm; };
layout(out) out vec4 positions[64];
layout(out) out vec3 normals[64];

void main() {
    uint tid = gl_LocalInvocationIndex;
    positions[tid] = transformVertices(tid);
    // 生成图元索引数组
    SetMeshOutputsEXT(64u, 64u);
}

七、DX12 实现：Amplification + Mesh

一句话：DX12 把 Task 称 Amplification、Mesh 称 Mesh，通过 DispatchMesh 与 SetMeshOutputCounts 驱动，概念与 Vulkan 一一对应，但库接口与命名更偏微软风格。

7.1 两阶段与入口

// C++/DX12：管线状态与提交
D3D12_SHADER_BYTECODE ampBytecode = { ampPtr, ampSize };
D3D12_SHADER_BYTECODE meshBytecode = { meshPtr, meshSize };
psoDesc.AS = ampBytecode;    // Amplification (Task)
psoDesc.MS = meshBytecode;   // Mesh
// ...
pCmdList->DispatchMesh(objectCount, 1, 1);

7.2 HLSL 侧对照

[shader("amplification")]
void ASMain(uint tid : SV_GroupThreadID, uint gid : SV_GroupID) {
    // ... 剔除 / LOD ...
    SetMeshOutputCounts(MESH_THREADS, 1);
}
[shader("mesh")]
void MSMain(uint tid : SV_GroupThreadID, in TaskPayload p) {
    // ... 生成顶点/图元 ...
    SetMeshOutputCounts(MAX_VERTS, MAX_PRIMS);
}

7.3 与 Vulkan 的关键差异

两者底层语义等价（两级并行、payload 传递、GPU 自主几何），工程上只需适配 API 壳。

八、性能案例分析

一句话：Mesh Shader 的收益来自"剔除前置 + 几何自主 + 减少 CPU 往返"，典型案例能省掉数倍 CPU 提交时间与不可见几何开销，但性能提升有前置条件。

8.1 典型案例：大型开放世界

8.2 收益前提

• 物体数量要大：几万对象时 Task 剔除的收益才显著；
• 几何要可变：程序化/细分/LOD 生成才体现自由度；
• CPU 已是瓶颈：若 GPU 满载、CPU 闲，收益主要在功耗而非帧率。

8.3 可能的反效果

• 每个对象都做剔除，Task 阶段本身有开销，物体很少时反而更慢；
• Mesh Shader 输出数组过大（MAX_VERTS 高）导致寄存器占用与占用率下降；
• 驱动兼容性差异（不同厂商 mesh shader 优化程度不同）。

8.4 工程建议

• 先用 vkCmdDrawMeshTasksEXT 做"透传式"（读取现有顶点缓冲原样输出），验证管线正确性；
• 再用 RenderDoc 对比"传统 vs Mesh Shader"的几何阶段耗时；
• 逐步迁移：先加 Task 剔除，再加程序化几何，最后做 LOD 生成；
• 保留传统管线作为 fallback（低端机/驱动不支持 mesh shader）。

总结

Mesh Shader 把几何管线从"CPU 喂、GPU 吃"升级为"GPU 自己找食吃"：Task 阶段做对象粒度剔除与工作量决策，Mesh 阶段自主生成顶点与三角形，两级并行让几何处理第一次完全可编程、可裁剪、可生成。它天然契合 GPU Driven 渲染的批处理需求，也是程序化几何、动态 LOD 与新世代引擎的几何基础。

实践路径：先在 GPU Driven 架构里用 Task 阶段做对象剔除，再用 Mesh 阶段替换几何着色器式生成，最后把 LOD 选级与程序化细分搬进来。每一步验证"CPU 提交时间"与"几何阶段吞吐"两个指标，确保 Mesh Shader 真正换来了性能而不是复杂度。