光栅化性能为何优于光线追踪？复杂度优势为何未发挥作用？

你的复杂度理解有个小偏差：光栅化的O(n)是每帧的复杂度（遍历所有n个图元并完成扫描转换），而非每像素；而光线追踪的O(logn)是单条光线的相交测试复杂度。但即便如此，光线追踪还是慢于光栅化，核心原因是常数项开销的巨大差距，具体体现在这几个方面：

• 单操作的计算成本：光栅化的核心流程（三角形扫描、深度测试、纹理采样）都是GPU硬件固化的流水线指令，经过几十年的优化，单步操作的延迟极低、吞吐量极高；而光线追踪的射线-图元相交测试是复杂的浮点运算（比如射线与三角形求交需要解线性方程组，与曲面求交可能涉及迭代计算），哪怕是单条光线的一次相交测试，开销都远高于光栅化处理一个像素的全部操作。
• 数据局部性与缓存效率：光栅化是按图元批量处理，同一个三角形覆盖的像素连续访问，数据缓存命中率接近100%；光线追踪则是按像素发射光线，每条光线在加速结构中的遍历路径是随机的，内存访问是离散的，缓存命中率极低，内存延迟会吃掉大量性能。
• 硬件架构的适配性：GPU的SIMD（单指令多数据）架构天生适合光栅化这种高度规整、无分支的批量任务，能同时处理上千个像素的相同操作；而光线追踪中每条光线的路径差异极大（比如反射、折射、阴影分支），SIMD的利用率会大幅下降，很多硬件单元会处于闲置状态。
• 加速结构的实际效率：光线追踪的O(logn)是理想情况，实际场景中（比如大量重叠的几何、毛发/烟雾这类细粒度结构），加速结构的遍历效率会打折扣，实际需要测试的图元数量可能远高于理论上的logn；而光栅化的流水线经过硬件优化，哪怕图元数量增加，吞吐量下降的幅度也远小于光线追踪。

内容的提问来源于stack exchange，提问作者Atilo