本项目的跑分负载从"单一粒子流"扩展为一套覆盖 GPU 四大性能轴的子项。 每个子项都复用现有框架（
AppBase/ 计时 / 结果持久化），通过Workload枚举切换。 N-body 的详细设计见配套文档nbody-workload-plan.md。
| # | 负载 | 测什么轴 | 渲染? | 主指标 | 参考对标 |
|---|---|---|---|---|---|
| 1 | Stream（现有 compute.comp） |
显存/内存带宽 | 否（compute） | GB/s | STREAM / vkpeak copy |
| 2 | N-body | 算力（实际可达） FP32 ALU + SFU + shared mem | 否（compute） | GFLOP/s, interactions/s | NVIDIA N-body, LuxMark |
| 3 | Synthetic Peak | 算力（理论峰值） 按精度 | 否（compute） | GFLOPS(FP32/FP16/FP64) / GIOPS(INT32/INT8) / GB/s | vkpeak, CUDABurner |
| 4 | Stress / Fractal | 填充率 + 片元 ALU + 功耗/散热 | 是（graphics） | FPS, iterations/s, 降频稳定度 | FurMark, Mandelbulb, Superposition |
（可选 #5：真 3D 粒子场景 = "拟真图形"轴，见
winui3-render3d-plan.mdA 节。 与 #4 区别：#4 是合成最大压力的填充/ALU 测试，#5 是拟真渲染管线测试。）
四轴齐全后，本项目从"compute 微基准"升级为横跨 compute + 图形 + 压力测试的多维 GPU 跑分套件， 且仍保留独有的跨 5 个图形 API 同负载对比这一稀缺定位。
// gpu_common.h
enum class Workload {
Stream, // #1 带宽（现有 compute.comp，保留）
NBody, // #2 算力实测（见 nbody-workload-plan.md）
SynthPeak, // #3 合成峰值（按精度）
StressFractal, // #4 压力/分形（片元拉满）
};BenchmarkConfig 增加 Workload workload = Workload::Stream; 及各负载专属参数。
BenchmarkResult 增加 workload 字段——不同轴的分数分开存储、分开展示，综合总分再加权。
测各数据类型的理论峰值吞吐，不渲染。与 N-body（实际可达算力）互补，形成"峰值 vs 可达"对照。
每个线程在寄存器内跑一个高度展开的 FMA 循环（用多个累加器隐藏延迟）， 确保是 ALU-bound 而非访存-bound：
// 伪代码：FP32 峰值 kernel
float a0=seed0, a1=seed1, a2=seed2, a3=seed3; // 多累加器隐藏 FMA 延迟
for (i = 0; i < ITER; ++i) {
a0 = a0 * b + c; // 每次 = 1 FMA = 2 FLOP
a1 = a1 * b + c;
a2 = a2 * b + c;
a3 = a3 * b + c;
}
out[gid] = a0+a1+a2+a3; // 写出，防止编译器把循环优化掉（dead-code elimination）
- 已知 FLOP 数 =
线程数 × ITER × 累加器数 × 2，除以 compute 段时间 → GFLOPS。 - 精度变体：FP32 / FP16 / FP64 / INT32 / INT8 各一份 kernel。
- FP16 需
VK_KHR_shader_float16_int8/ HLSLmin16float/ Metalhalf/ GL 扩展。 - FP64 需
shaderFloat64（移动端/部分卡不支持）。 - 按能力门控：不支持的精度报告 "N/A"，不算崩溃。
- FP16 需
- 纯带宽 kernel：大 buffer 的 copy / triad（
a[i] = b[i] + scalar*c[i]）→ GB/s （比 Stream 的"粒子更新"更纯，作为带宽峰值参考；Stream 保留作"拟真流式更新"代表）。
- 复用现有 compute pipeline 脚手架；输出只需一个极小 buffer（写累加器防优化）。
- 每后端：加各精度的 compute shader + 能力查询门控。kernel 都很小，但"精度 × 5 后端"是主要工作量。
- 天然 headless，开发板/无显示器可跑。
- dispatch 规模可调（线程数 × ITER），用来把任意卡压满又不超时。
GFLOPS(FP32/FP16/FP64)、GIOPS(INT32/INT8)、GB/s(triad)。按精度成表，和 vkpeak 同形态。
这是你最想做的那类：片元着色器拉满，压填充率 + 片元 ALU + 持续功耗/散热。
- 让 GPU 满载、长时间稳定运行 → 测功耗墙 / 散热 / 降频行为。
- 负载随**分辨率（填充）× 每像素迭代数（片元 ALU）**线性放大，可压满任意 GPU。
- 几何极简：一个全屏三角形（顶点着色器用
gl_VertexIndex/SV_VertexID程序生成，无顶点 buffer）。 - 片元着色器是负载主体：每像素跑重活，二选一（可都做，作为子模式）：
- Mandelbulb 光线步进（3D 分形）：每像素 march N 步，每步算距离场，含大量
pow/三角/迭代 → 片元 ALU 极重。 - Mandelbrot/Julia 迭代（2D，带缩放动画）：每像素迭代到
maxIter，经典 FurMark 式 ALU 压力。
- Mandelbulb 光线步进（3D 分形）：每像素 march N 步，每步算距离场，含大量
- 参数（小 cbuffer/push）：
time（帧序号驱动，不用墙钟）、maxIter/maxSteps、zoom/相机、分辨率/超采倍数。 - 可选：开 MSAA / 内部超采样进一步压填充与 ROP；alpha 混合制造 overdraw（FurMark 的毛发就是高 overdraw）。
- 复用现有 swapchain/render target，但新建一条图形管线：全屏三角 VS + 重片元 FS。
- 不用 SSBO、不用 compute、不用粒子顶点数据。
- 只需一个小 params buffer。
- 每后端：加一个图形 pipeline + 一对 VS/FS。改动量中等（无需深度/实例化等复杂度）。
- headless/离屏：压力测试本质要渲染，但可渲染到离屏 target（不 present）跑持续压力，无需窗口—— 适合无人值守烤机。
- 跨平台：凡是图形可用处皆可跑。
- FPS（固定分辨率 + 固定 maxIter）。
- 填充调整的 ALU 率：
像素数 × maxIter × 帧数 / 秒（iterations/s）。 - 稳定度/烤机：持续跑 N 分钟，记录 min FPS、FPS 随时间方差（降频指示）。
- （可选，平台相关）功耗/温度：NVML（NVIDIA）/ ADL（AMD）读取——单独标注为可选、平台特定， 不作为跨平台核心指标。
每个子项给一个确定性、可跨卡/跨 API 直接比的绝对指标（非 FPS 相对值）：
| 负载 | 公式 |
|---|---|
| Stream | GB/s = (40 × N × steps) / computeSec / 1e9 |
| N-body | GFLOP/s = (N² × steps × FLOP_per_interaction) / computeSec / 1e9 |
| Synthetic Peak | GFLOPS = (threads × ITER × accum × 2) / computeSec / 1e9（每精度一份） |
| Stress/Fractal | iter/s = (像素 × maxIter × frames) / renderSec；另记 min-FPS / 降频方差 |
综合总分 = 各轴归一化后加权（权重可配置；对外发布时固定一套基线）。 跨 API 公平性：同负载、同参数、同 workgroup/分辨率，5 后端口径一致 → 苹果对苹果。
- N-body（见配套文档）—— compute 路径最轻，先验证算力计分。
- Stream → 带宽分 —— 加
Workload枚举时顺手，几乎零成本。 - Synthetic Peak —— 同 compute 路径，加各精度 kernel + 能力门控。先做 FP32，再补 FP16/FP64/INT。
- Stress / Fractal —— graphics 路径，新建全屏分形管线（你最想做的，可与上面并行推进，互不依赖）。
- （可选）真 3D 粒子场景（拟真图形轴）。
- 综合评分公式接入。
依赖关系：#1#2#3 共用 compute 脚手架；#4 共用 graphics 脚手架，与 compute 子项互不阻塞， 可按你的兴趣优先做 Stress/Fractal。