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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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