Slang项目新增Cluster Geometry加速结构内建函数支持
概述
随着NVIDIA Blackwell架构的发布,光线追踪技术迎来了新的Cluster Geometry加速结构特性。作为现代着色器语言编译器的Slang项目,近期完成了对这一新特性的支持,为开发者提供了访问集群加速结构的能力。
Cluster Geometry技术背景
Cluster Geometry是NVIDIA在最新硬件架构中引入的一种新型加速结构,它将几何体组织成多个集群(Cluster),每个集群拥有唯一的标识符。这种结构带来了几个显著优势:
- 更精细的几何体管理粒度
- 更高效的光线追踪性能
- 支持更复杂的场景组织方式
Slang中的实现细节
Slang编译器现在支持三种主要API中的集群访问功能:
1. TraceRay API支持
开发者现在可以通过NvRtGetClusterID()内建函数获取当前光线追踪过程中的集群ID。这个功能对应于SPIR-V中的ClusterIDNV操作码和OptiX中的optixGetClusterId()函数。
2. HitObject API增强
HitObject接口新增了GetClusterID()方法,允许在命中着色器中查询命中对象的集群信息。底层实现映射到SPIR-V的OpHitObjectGetClusterIdNV操作码。
3. Ray Query API扩展
Ray Query接口增加了两个新方法:
CandidateClusterID():获取候选交点的集群IDCommittedClusterID():获取已提交交点的集群ID
这些方法为开发者提供了更精细的光线追踪控制能力。
底层技术实现
在SPIR-V层面,这些新特性依赖于SPV_NV_cluster_acceleration_structure扩展和RayTracingClusterAccelerationStructureNV能力标志。Slang编译器现在能够正确生成这些SPIR-V指令,确保与底层硬件的兼容性。
开发者价值
这一更新为使用Slang的开发者带来了直接的技术优势:
- 更高效的场景遍历:通过集群ID可以优化复杂场景的光线追踪性能
- 更精细的着色控制:基于集群ID实现差异化的着色效果
- 更好的硬件特性利用:充分发挥最新GPU架构的性能潜力
总结
Slang项目对Cluster Geometry加速结构的支持,体现了该项目紧跟图形硬件发展前沿的承诺。这一更新不仅丰富了着色器语言的功能集,也为光线追踪应用开发开辟了新的优化可能性。开发者现在可以借助这些新特性,构建更加高效和复杂的实时渲染解决方案。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00