生成和使用加速数据结构来有效地表示需要做相交测试的几何体意味着GPU可能要完成一个全新的执行阶段，然后我们需要用全新的接口函数处理这些新的数据结构，测试是否相交，之后在程序员的控制下根据相交测试的结果实现一些功能。GPU是并行的设计，所以同时处理一堆光线意味着什么?这样做是否发现了新挑战，而这些挑战与传统的几何和像素并行处理所带来的挑战却大不相同?

上一个问题的答案是非常肯定的，的确这些差异对如何将光线追踪映射到现有的GPU执行的模型中有着深远的影响。这些GPU存在计算资源和内存资源的不平衡，导致内存访问成为一种宝贵的资源，而浪费这些资源是导致效率和性能低下的最主要原因之一。

哦不——我们做了些什么?

GPU被设计成可以任何形式充分利用与之连接的DRAM的访问，利用内存访问的空间或时间局部性来作为实现这一目的的方法。值得庆幸的是，最常见和最现代化的光栅化渲染有一个很好的特性，即在着色期间(尤其是像素着色通常是任何给定帧的主要工作负载)三角形和像素顶点有可能与它们的近邻共享相关数据。因此，您访问一组像素所需的任何缓存数据，很可能下一个相邻的组将需要使用您已经从DRAM中提取并缓存的部分或全部内存数据。对于当今大多数栅格化渲染工作负载而言，这都是正确的，因此我们都可以松一口气，并围绕该属性设计GPU架构。

当我们使用光线追踪，这些就都失效了。光线追踪使所有空间局部性消失。下面让我们来分析其中的原因。

物体表面的问题

最简单的思考方式就是观察四周，在你坐下来阅读这篇文章时注意光线在你所处环境中的作用。由于光线追踪建模了光线从所有光源传播时的属性，因此它必须处理光线照射在场景中任何表面时发生的情况。也许我们只关心光线照射哪些物体，也许物体的表面以均匀的方向散射光线，但它也可能完全是随机的。也许表面吸收了所有的光，因此不会有次级光线的传播。也许表面有一种材质属性，使它能够部分吸收几乎所有照射来的光线，然后随机散射它不能捕获的少量光线。

只有第一种场景可以映射到GPU的利用内存访问局部性的工作模式，即使如此也只有当所有并行处理的光线都照射到同一类型的三角形时才可以。

正是这种明显分歧的可能性导致了这些问题，如果并行处理的任何光线相互之间可能会有不同的作用，包括撞击不同的加速数据结构或发出新的光线，那么GPU能高效工作的基本前提就会被破坏，而且这通常比在传统的几何图形或像素处理中遇到的发散现象更具有破坏性。

相干性聚集

PowerVR对光线追踪硬件加速的实现所做的是硬件光线追踪和排序，它与当今行业内任何其他硬件光线追踪加速相比都是独一无二的，这对软件方面来说是完全透明的，确保硬件上并行追踪的发射光线具有潜在的相似性。我们称之为相干性聚集。

硬件维护了一个数据结构，用于层次化的存储软件发出的正在被硬件处理的光线，并能够根据它们的方向按它们在加速结构中前进的位置进行选择和分组。这意味着当它们被处理时更可能共享存储器中被访问的加速数据结构中的数据，且额外的优势是能够最大化随后要并行处理的光线-几何体相交计算的数量。

通过分析由硬件调度的光线，我们可以确保以GPU友好的方式对它们进行分组，从而更高效地进行后续处理，这些是该系统成功的关键，有助于避免打破GPU行业为高效的光栅化渲染而精心设计的运行模式，这就避免了光线追踪硬件对特殊类型存储系统的需求，因此提供了与GPU的其他部分更容易集成的方案。