资深图形程序员Alan Wolfe在其博客demofox上发文,系统回答一个他被反复问到的问题:想做图形程序员,到底该学什么。文章没有提任何AI工具能帮你抄近路,给出的反而是一条需要长期积累的硬核路线——C++、显式图形API、线性代数、路径追踪。他还顺带表态:当前的LLM对编程帮助有限,ML热潮会在未来几年降温。
这份指南本身算不上大新闻,但它出现在AI编程工具被资本和媒体反复鼓吹提效的时间点上,反倒成了一份有分量的行业注脚:至少在图形渲染这个高度专业化的领域,技能门槛并没有被AI拉低。
CPU与GPU两条线,没有捷径
Wolfe把现代渲染工作拆成两件事。CPU侧要学DirectX12、Vulkan、Metal这类“显式”图形API,外加引擎编程处理资源加载。GPU侧要懂光照与着色数学、阴影、环境光遮蔽、后处理,还要清楚GPU上什么快什么慢。
他建议两头很难同时精通,新手不如先挑一头,用简单工具顶替另一头的学习成本——比如专攻GPU侧的人可以先用OpenGL、WebGL或现成引擎糊弄过CPU侧。
| 方向 | 核心内容 | 入门资源 |
|---|---|---|
| CPU侧 | DirectX12/Vulkan/Metal、引擎编程 | 先跑通一个三角形、再上一个网格 |
| GPU侧 | 光照数学、PBR、路径追踪 | 《Ray Tracing in One Weekend》、learnopengl.com PBR教程 |
深入GPU侧,他给出三级进阶资源:learnopengl的PBR理论页入门,谷歌的Filament文档进阶,最终指向免费在线书籍PBRT——图形学界公认的“圣经”级教材。数学要求他说得很克制:线性代数、基础三角函数、一点微积分基本够用,但他也承认,这个领域能用到的数学理论上没有上限。
AI热潮里,他给出的却是反AI答案
真正有价值的一层,是他对AI编程工具的态度。当整个软件行业被Copilot、Cursor这类工具反复鼓吹“效率翻倍”时,Wolfe直言LLM对编程帮助有限——即使AI给的代码是对的,他也得花时间理解它,“到那个地步,还不如自己写”。他日常只拿AI讨论数学论文,或者问一句“这段代码有没有bug”这种零成本试探,而不是当生产力工具用。
这背后是图形编程这个细分领域的特性。渲染代码对性能极度敏感,GPU上“快”与“慢”的判断往往依赖对硬件架构的直觉,这种直觉很难靠读AI生成的代码获得。相比之下,通用后端或前端脚手架代码的容错空间大得多,AI工具的边际价值也更明显。这也是为什么图形程序员岗位的招聘要求,多年来依然死死挂着“C++扎实、图形API经验”,几乎没被“会用AI工具”取代。
被高估的Rust,被低估的WebGPU落地难题
Wolfe也顺带点破了两个行业惯性。Rust在游戏开发圈讨论多年,但他直言“很难判断它的使用是在增长还是没有”,游戏公司招聘时依然默认C++是标准项。WebGPU理论上比WebGL能力强出一截,能让JS也做CPU侧的工作,但他观察到的现实是招聘里很少见WebGPU岗位,相关内容也不多——技术能力和市场采纳之间,还有一段没被填平的距离。