AI计算机图形学习路线：从渲染入门到AIGC出图

AI计算机图形学习这条路，我是从一份错误的路线图开始的。去年春天我决定啃这个方向，兴冲冲先冲进了AIGC出图，玩了两周提示词，生成图挺好看，然后呢？说不出所以然：为什么这张图手崩了、那张图光影不对劲、采样参数动了会怎样，一问三不知。回头去补基础，又摸错了方向，一头扎进数学教材，被矩阵变换劝退了一次。直到八月摸对顺序，进度才起飞。这篇是我走完大半年后倒推出来的正确路线：四个阶段、每阶段的资源、练习项目和验收标准，以及我在每个阶段真实花掉的时间和踩的坑。别人给你路线图，我给你路线图加行车记录仪。

AI计算机图形学习路线总览：四段路，每段有验收

四段的顺序是：渲染管线（约六周）→ 图形数学（与第一阶段并行，约四周）→ GPU编程（约八周）→ AIGC生成（约六周）。每段的验收不是"看完了"，是"做出来了"。做不出来就别进下一段，这是我拿三个月弯路换来的纪律。

这张表里"并行"两个字很重要：图形数学不要单独开一个阶段学，那样最容易死在抽象里，要跟着渲染管线的需求走——学到旋转立方体卡住了，回头补旋转矩阵，带着问题学，四两拨千斤。我第一次失败的直接原因就是想"先把数学全学完再动手"，线性代数教材翻到第三章，热情耗尽，搁置了两个月。

第一阶段：渲染管线，用软光栅把地基打牢

渲染管线是整个图形学的骨架：模型的三维顶点怎么经过变换、光栅化成屏幕上的像素、每个像素的颜色怎么算出来。这个阶段唯一的验收标准是：不用任何图形库，纯代码画出一个会旋转的立方体。做到这一步，管线才算长在你脑子里。

为什么强调"不用图形库"？因为调OpenGL或者Unity画立方体，五分钟就能出结果，但那只是调用别人的管线，你学的是API不是图形学。自己写软光栅——用CPU一个个像素去算——慢是慢，每个环节都逃不掉：顶点变换、背面剔除、裁剪、插值、深度测试，全要亲手过一遍。我的那个立方体写了三版：第一版转起来但背面闪烁，深度测试写错了；第二版对了但颜色平平，发现是我偷懒没做插值；第三版加上简单的平行光照，那一刻的成就感，比生成一百张AI图都实在。

资源层面，这个阶段我主要靠两样：一个是scratchapixel这类图形学教程网站，管线每个环节讲得细；另一个是GAMES系列公开课（国内图形学前辈的讲座课，搜"GAMES101"就能找到），讲变换和光栅化的那几节我反复看了三遍。都不花钱。这阶段节奏建议每周十小时，六周下来稳稳的。急着看效果跳过软光栅的人，我见过好几个，后面学阴影和延迟渲染时全部还债。

插一段第一阶段的黑历史，证明我真走过弯路。

软光栅写到第三周，我卡的点特别蠢：立方体旋转到某个角度会突然"内外翻转"，像纸盒被翻了个面。我查了两天，一度怀疑是矩阵库的锅，甚至想换语言重写。最后发现是自己乘法顺序写反了——矩阵左乘右乘的区别，课本上一句话的事，我用了两天debug才撞上。那次之后我在笔记里写了一行大字：图形学的bug，九成在变换顺序。这行字后来救过我至少五次。顺带说，这阶段和深度学习基础并不冲突，图形和神经网络的数学底座是同一套，我后来补深度学习时明显比零基础时快，那部分的路线可以参考深度学习自学的通关路线，两边的进度可以互相借力。

第三阶段：GPU编程，着色器才是图形人的乐器

GPU编程学的是并行思维：你的代码不再顺序执行，而是同时跑在成千上万个线程上，每个像素一份。这个阶段写GLSL着色器，验收项目是一个带光照、带阴影的小场景。写着写着你会发现，AIGC出图时那些"采样步数""噪声调度"的参数，全是这一阶段的亲戚。

从CPU软光栅切到GPU着色器，思维要拐个弯：以前你写for循环遍历像素，现在你写的代码天然就是"每个像素各跑一份"。这个弯我拐了一周多，标志性瞬间是写一个分形噪声的着色器，同样的代码CPU上跑一帧要两秒，GPU上六十帧流畅得像德芙。那种震撼，写过的人都懂。资源上，学着色器我强推Shadertoy这个网站，全球着色器玩家的作品展览馆，每个作品源码全公开，我的光照阴影就是对着上面的入门作品一个个参数试出来的。练习项目的建议路径：先写漫反射和高光，再加硬阴影，最后挑战软阴影，每一步都留着截图，回看进步特别提气。

这个阶段还有个隐性收益：着色器训练的"空间想象力+调参直觉"，直接迁移到AIGC。我后来玩Stable Diffusion的控制参数，上手明显比群里纯提示词玩家快，因为那些参数背后的噪声、去噪、采样概念，在着色器里都摸过实物的。图形学这块的公开资源质量高得出奇，连NVIDIA的开发者博客都常年放着成套的教程，NVIDIA开发者网站值得放进书签。

第四阶段：AIGC出图，把前三段的积累兑换成生产力

AIGC阶段的正确学法是"原理一半、实操一半"：搞懂扩散模型在做什么（加噪去噪的拉锯），再上手练控制——构图控制、风格微调、局部重绘。验收标准是我给自己定的：微调出一个有个人风格的小模型，出图能被朋友认出"这是你的风格"。做到了，这条路线就走通了。

扩散模型的原理部分，不用啃论文全文，理解三个概念就能开工：训练时给图片逐步加噪、生成时从纯噪声一步步"雕刻"出图、采样器决定每一步雕刻的步长。带着这三个概念去操作，看参数的眼神都变了——采样步数多了图会"过熟"，少了像没画完的草稿，这在Shader里就是迭代次数和收敛的老问题。实操部分我的路径：先用现成模型练提示词和参数，两周；然后上局部重绘和控制构图，两周；最后找了三十张自己拍的照片做LoRA微调，又两周。微调出的模型画夜景有股说不出的蓝调，朋友一眼认出，那个瞬间值回全部大半年。

提醒两个这个阶段的坑。第一个，显存：微调对显卡有要求，我的老卡跑不动，租了云GPU搞定的，费用一小时两块多，总共花了不到五十块，云上白嫖和租算力的路子我记录在AI云计算跑机器学习那篇里。第二个，版权：训练素材用自己的照片和拍摄，别拿别人的画师作品微调，这是底线问题不是技术问题。生成式AI的行业动向变化很快，模型迭代以月计，但底层图形学和扩散原理是稳定的，把地基打牢，上层怎么换你都不慌。前沿论文的入口arXiv永远敞开，cs.GR和cs.CV两个分类就是这方向的主场。

接上这条路线的延伸阅读：想往设计变现走的，AI设计学习路径记录了从出图到商单的完整过程；渲染基础想继续深挖的，深度学习修老照片的实测是图形加AI的好练习题。

常见问题

AI计算机图形学习需要什么基础，文科生能学吗？

需要一点编程基础（会一门语言就行）和高中程度的几何。文科背景不是障碍，我认识的转行者里做得好的反而是美术功底强的，缺的只是把手上功夫翻译成代码的过程。真正劝退人的从来不是基础差，是顺序错了。

多久能学完这条路线？

按我"业余时间每周十小时"的节奏，四段全走完用了大半年。全职投入能压缩到三四个月，但别贪快——我绕弯路的三个月恰恰是心态最急的时候。每段的验收项目做出来再前进，比时间表重要。

学这个方向好找工作吗？

游戏、影视、AR、可视化行业都要图形人才，AIGC兴起后又多了一批新岗位。但我得说实话：这个方向的门槛在技术工种里偏高，回报也偏向长期主义。冲着风口来的人大多半途而废，被立方体转起来的那一刻击中的人，才走得远。

显卡不行怎么办，要不要先换电脑？

不用。前三个阶段对显卡几乎没要求，核显和十年前的老卡都能跑，真正的算力需求集中在第四阶段微调时。到时候租云GPU，几十块就能搞定，比换电脑划算得多。先学起来，让需求决定硬件。

回头看这条AI计算机图形学习路线，四段路、二十来周、一堆debug到深夜的时刻，最值钱的不是路线本身，是"每段做不出东西就不前进"这条纪律。你现在看到的每一个丝滑的游戏画面、每一张惊艳的AI图，背后都是这套地基，学懂了它，你看世界的像素密度都会变高。这份带行车记录仪的路线图要是合用，转给那个想入行又在门口打转的朋友吧，能帮他省下的不止三个月。你的进度到哪一段了、卡在哪个立方体上，评论区说说，我尽量答。