WebGPU 本身不支持深度学习推理，无法直接运行 PyTorch/TensorFlow 模型，需依赖 WebNN 或手写 WGSL compute shader；后者仅适用于固定尺寸、已量化的轻量模型（如 MobileNetV1-lite），且开发复杂度高、性能未必优于 WebNN。
WebGPU 本身不提供深度学习推理能力，也不能直接运行 PyTorch/TensorFlow 模型；它只是一个底层图形与计算 API，必须配合自定义 shader（compute shader）或专用推理库（如 WebNN、onnx-web）才能完成推理。单纯靠 WebGPU + 手写 WGSL 就实现“性能飞跃”是高风险误判——多数场景下，反而因内存搬运、调度开销和缺乏算子优化而比 WebNN 或 WASM 推理更慢。
WebGPU compute shader 能不能直接跑 ResNet 推理？
不能。WGSL 不支持动态内存分配、递归、浮点除法在部分硬件上受限，且没有现成的卷积/BN/ReLU 算子封装。你得手动把 ResNet-18 的每一层拆成 workgroup_size 对齐的 dispatch，手写 tensor layout（NCHW vs NHWC）、padding、im2col、shared memory 同步逻辑——这相当于重写一个微型 cuDNN。
实操建议：
- 只对固定尺寸、已量化（int8 / fp16）的小模型（如 MobileNetV1-lite、YOLOv5n-tiny）尝试手工 WGSL 推理
- 务必用
GPUComputePassEncoder+setPipeline+dispatchWorkgroups控制执行粒度，避免单次 dispatch 超过maxComputeWorkgroupsPerDimension（查adapter.limits） - 输入输出 buffer 必须用
GPUBufferUsage.COPY_SRC | GPUBufferUsage.COPY_DST | GPUBufferUsage.STORAGE，漏掉STORAGE会导致 WGSL 写入静默失败
WebGPU 和 WebNN 在图像预处理+推理 pipeline 中怎么分工？
WebNN 负责模型加载、算子融合、自动内存管理；WebGPU 负责前/后处理加速（如 YUV→RGB 转换、非最大抑制 NMS、热力图上采样）。二者不是替代关系，而是上下游协作。
典型链路：
- 摄像头帧 →
GPUTexture（viacopyExternalImageToTexture） - WebGPU compute shader 做快速 resize + 归一化 → 输出到
GPUBuffer - 该 buffer 传给
webnn.compile()输入张量（需importExternalData支持） - WebNN inference 完成后，结果再进 WebGPU 做 bbox 渲染或分割掩码 blend
注意：GPUBuffer 和 WebNN Operand 之间无零拷贝通道，必须通过 queue.writeBuffer 或映射同步，这部分延迟不可忽略。
为什么用 WebGPU 做粒子系统比 WebGL 快，但做 GAN 生成却卡顿？
粒子系统是典型的 embarrassingly parallel 任务：每个粒子状态可独立更新，且数据结构极简（vec4 position, vec4 velocity），完美匹配 compute shader 的 workgroup 并行模型。GAN 生成则涉及大量跨线程依赖（如 upsample + skip connection）、随机噪声采样、非线性激活分布，WGSL 很难高效表达。
关键差异点：
- 粒子更新：单次
dispatchWorkgroups(1024, 1, 1)即可处理千级粒子，无 barrier - GAN 生成：需多 pass（latent → 4×4 → 8×8 → … → 256×256），每 pass 都要
textureBarrier+ 多次textureSample，显存带宽迅速成为瓶颈 - WebGL 的
texImage2D+drawArrays在简单全屏后处理中仍比 WebGPU 更轻量，尤其在低端 Mac（M1/M2）上，其 Metal 后端对 WebGL 的优化远超 WebGPU
真正能体现 WebGPU 价值的，是混合负载：比如实时 SLAM 中同时做特征提取（WebNN）、位姿优化（WebGPU compute）、点云渲染（WebGPU render pass）——三者共享同一套 GPUBuffer 和 GPUTexture，避免 CPU 中转。但这要求你严格控制内存生命周期，buffer.destroy() 过早会 crash，不 destroy 会 OOM。这点比 WebGL 黑盒管理难得多。
