看到这段代码的时候，俺愣了一下。
就这几行？没有复杂的指针，没有繁琐的内存管理，看起来就像是在写 Python。
scene = Scene(size=(800, 600), lights=[SunSkyLight(Vec3f(1, 2, 8))])
cam3d!(scene)
mesh!(scene, my_geometry; material=Hikari.Gold())
img = colorbuffer(scene;
device=AMDGPU.ROCBackend(),
integrator=Hikari.VolPath(samples=100, max_depth=12),
)
但这玩意儿跑起来，是实打实的物理级 GPU 光线追踪。
一个名为 Hikari 的渲染器，把图形学领域的“圣经”级代码 pbrt-v4，搬到了 Julia 语言上。
更有意思的是，在这个 NVIDIA 统治江湖的时代，它竟然先支持了 AMD。
能跑，且好用
这几年，关于 Julia 的声音确实小多了。
几年前还有人喊“Julia 要取代 Python 做数据科学”，现在也没人提了。
但这并不代表这门语言死了，相反，它正在往更深、更硬核的地方钻。
Hikari 就是个例子。
它不是孤立的，而是深度集成在了 Julia 的可视化生态 Makie 里。
这意味着你可以在同一个环境里，既做科研数据分析，又直接生成电影级的渲染画面。不需要切换语言，不需要导出模型。
只要装好环境，几行代码，光线追踪的数学魔法就开始在 GPU 上飞转。
有意思的是，开发者还特意加了一个“交互式窗口”。你调整摄像机，画面就跟着实时变，这种流畅感，谁用谁知道。
AMD Yes
通常这类开源项目，N 家的 CUDA 是标配，是亲儿子，AMD 的 ROCm 往往是后妈养的，要么不支持，要么全是 Bug。
但 Hikari 反过来了。
官方文档写得明明白白：目前只有 AMD GPU（通过 AMDGPU.jl）经过了充分测试，保证能跑得顺滑。
至于 NVIDIA？虽然通过 CUDA.jl 理论上能用，但开发者直接摊牌：还需要更多测试。
这点连 Hacker News 上的老外都看傻了。
有评论说：“看到个计算包优先支持 AMD 而不是 NVidia，真挺有意思的。看来 ROCm 终是要摆脱‘支持差’的恶名了。”
还有人好奇地问，这种复杂的加速结构（BVH）遍历，KernelAbstractions.jl 到底能不能扛得住？是不是还得写厂商特定的代码？
从目前的反馈看，Julia 的抽象层做得不错，至少没让 AMD 掉链子。
移植“圣经”的痛与快乐
Hikari 不是凭空造轮子，它是站在巨人的肩膀上。
它的核心逻辑直接移植了《Physically Based Rendering》这本书里的 pbrt-v4 代码。这可是图形学界的“圣经”，作者是 Matt Pharr、Wenzel Jakob 这些大神。
但这移植过程，绝对不轻松。
有读者在评论区问：“那本书是极好的资源，但实际把代码搬过来是个什么体验？”
虽然作者没细说，但从目前的“未来工作”列表里，能看出不少端倪。
现在的 Hikari，还只是个扎实的原型。
GPU 内存管理还很粗暴， eagerly allocated，用完还不赶紧释放，复杂场景很容易爆显存。
BVH 构建、光线批处理、内核占用率，这些性能深水区，都还有巨大的优化空间。
甚至 CPU 后端还有分配器的 Bug，怀疑是 Julia 语言层面的问题，还得去查。
但这正是开源的魅力所在。
不完美，甚至有点粗糙，但它把最难的那一步迈出去了。
还没到“封神”的时候
虽然我很想吹爆这个项目，但咱们还得实事求是。
评论区里有人提到了一个很细节的问题：材质描述。
在原本的 PBRT 里，材质之间的接口限制很大。
你想渲染一个装着水和冰块的玻璃杯？没门，除非你改源码，或者用些 Hack 手段。
Hikari 既然是基于 pbrt-v4 移植的，大概率也继承了这些“历史遗留问题”。
对于普通用户来说，这确实挺劝退的。
而且，现在的测试套件还很少，连视觉回归测试都没有。代码里也还有不少实验性质的接口，随时可能变。
Hikari 目前更像是一个给极客准备的玩具，或者是科研人员手中的利器，离生产级的 Blender 替代品还有很长的路要走。
写在最后
老实讲，Julia 没能取代 Python，一点都不意外。生态壁垒这东西，太难打破了。
但在那些需要极致性能、需要把科学计算和图形渲染无缝结合的“无人区”，Julia 正在悄悄地建立自己的优势。
这次 Sovereign Tech Agency 的投资，Muon Space 的赞助，说明这事儿不仅仅是爱好者自嗨，真的有人在用。
当一个语言能让你用脚本般的语法，调动 GPU 的每一滴算力去模拟光影时，它的生命力，其实比我们想象的要顽强得多。
你说呢？
参考链接：
https://makie.org/website/blogposts/raytracing/