Chapter 140: Hybrid Rendering Pipelines

混合渲染管线要解决的问题，是把传统光栅化、光线追踪、神经网络推理、后处理和降级路径放进同一帧里，让它们共享同一组场景数据、资源生命周期和帧预算。读完本章后，读者应能追踪一个 frame 从基础几何渲染到神经重建再到最终呈现的路径，并能判断每个 pass 的输入、输出、依赖、成本和失败信号。

本章使用一个贯穿帧作为材料：一个室内走廊场景，地面有粗糙金属反射，墙面有间接光，角色从镜面区域前方经过，目标输出是 1440p 或 4K 的稳定画面。工程目标是在基础 raster pass 上加入半分辨率 ray traced reflection，再用 neural denoiser 清理反射，用 upscaler 输出目标分辨率，同时保留低端设备和性能波动时的 fallback path。

混合管线的难点来自依赖关系。raster pass 产出 color、depth、normal、material、motion vector；ray tracing pass 依赖 acceleration structure、ray payload、roughness、normal 和 depth；neural pass 依赖 noisy radiance、G-buffer、motion vector、history buffer 和模型权重；post-process 依赖最终色彩空间、曝光和 UI 合成顺序。任何一个输入的空间、分辨率、时间戳或格式出错，都会变成闪烁、拖影、反射错位、延迟增加或内存峰值过高。

本章的核心结论是：混合渲染管线的设计单位应是 frame graph 中的资源流，而非某个单独算法。工程判断顺序也应从资源与依赖开始，再看 pass 耗时、推理成本、历史缓存、质量指标和降级阈值。

140.1 混合渲染管线的基本思路

混合渲染管线（Hybrid Rendering Pipeline）指在同一帧内组合多种生成图像的方法。这里的“混合”包含五类对象：raster pass 负责稳定地生成几何可见性和基础材质结果，ray tracing pass 负责补充反射、阴影或间接光等高成本效果，neural pass 负责对噪声图像、低分辨率图像或稀疏采样结果做重建，post-process 负责色彩、曝光、抗锯齿、UI 和最终输出，fallback path 负责在平台能力、帧预算或质量状态变化时给出可控替代路径。

frame graph 是理解混合管线的主入口。它把一帧拆成一组有依赖关系的 pass，并把 texture、buffer、history、临时 tensor、acceleration structure 和最终 back buffer 都视为资源节点。传统渲染中，一个 pass 的输出常常直接进入下一段后处理；混合管线中，一个 pass 的输出还可能成为神经模型的 feature input、历史缓存的写入对象、质量评估的采样对象或降级决策的证据。

在贯穿帧中，raster base pass 先产生场景的低分辨率主 color、depth、normal、roughness、motion vector 和 material id。ray tracing reflection pass 使用 depth 与 normal 重建反射射线起点，查询 acceleration structure，并输出含噪反射 radiance。neural denoiser 读取 noisy reflection、G-buffer 和前一帧 reflection history，输出稳定反射。upscaler 读取低分辨率 color、motion vector、depth、exposure 和 history，把画面重建到目标分辨率。最后的 post-process 处理 tonemapping、bloom、UI 和呈现。

这种组合的关键价值在于把高成本效果压缩到合适的位置。光栅化仍负责大面积可见性和主颜色，因为它在主流 GPU 上吞吐稳定、资源路径清晰；光线追踪用于少量高价值效果，因为它能得到更准确的可见性查询；神经网络推理用于重建缺失信息，因为它能利用历史帧、G-buffer 和训练得到的先验；后处理负责输出一致性，因为它掌握曝光、色彩和屏幕空间信息。fallback path 保证平台缺少 ray tracing、模型推理成本过高或历史数据失效时，画面仍能用 SSR、cubemap、传统 denoiser、动态分辨率或低阶特效完成输出。

混合管线的第一条边界是数据一致性。depth、normal、motion vector、roughness、material id 和 color 必须对应同一个 camera、projection、jitter、viewport 和分辨率映射。neural denoiser 看到的 feature buffer 如果来自未同步的 jitter 或错误的 motion vector，它会把错误的历史样本带入当前帧，结果通常表现为拖影或反射漂移。

第二条边界是资源生命周期。neural pass 引入模型权重、intermediate tensor、history feature 和模型输出，这些资源会和 render target、G-buffer、ray tracing output 同时占用显存。frame graph 需要明确哪些资源可复用，哪些资源跨帧保留，哪些资源必须在呈现前释放。资源生命周期写清后，内存峰值、barrier 数量和异步队列机会才有可观察依据。

第三条边界是质量回退。混合管线的每个高级效果都应有降级梯度：ray traced reflection 可从全分辨率降到半分辨率，从多 ray 降到单 ray，从实时追踪降到 probe 或 SSR；neural denoiser 可从高质量模型降到轻量模型，从跨帧 history 降到单帧 filter；upscaler 可降低输出目标或切换到传统 temporal upsample。降级梯度的设计目标是让 frame budget、显存和视觉稳定性在压力下仍有可控出口。

140.2 Hybrid Classical Neural Rendering Workflow

Hybrid Classical Neural Rendering Workflow 可以拆成六个阶段：classical pass 产生几何和物理约束，neural inference 根据这些约束重建缺失细节，cache 复用上一帧和空间邻域信息，denoise 清理随机采样噪声，upscale 提升输出分辨率，quality fallback 根据成本和质量信号选择替代路径。这个顺序体现了数据依赖：神经网络推理的输入质量由 classical pass 决定，缓存可靠性由 motion vector 和 disocclusion 判断决定，降级策略由前面阶段的成本与质量共同触发。

classical pass 在这个 workflow 中承担“约束提供者”的角色。它输出的 depth 告诉后续阶段像素属于哪个表面，normal 告诉反射和光照的局部方向，roughness 告诉反射应该锐利还是模糊，motion vector 告诉历史样本如何重投影，material id 告诉模型或 filter 不同材质之间的边界。缺少这些约束时，neural pass 会把图像重建变成纯屏幕空间猜测，稳定性和边界保持能力会明显下降。

neural inference 的工作定义是：在一帧内把 feature buffer、历史缓存和模型权重送入推理运行时，输出可直接进入后续渲染的图像或特征。它在 frame graph 中通常表现为 compute pass、vendor SDK pass、图形 API 外接推理运行时或平台专用 neural accelerator 调用。工程上要关心四件事：输入 tensor 的格式和布局，模型权重的加载与驻留，推理 pass 和图形 pass 的同步，输出资源进入后续 composite 或 upscaler 的状态转换。

cache 在混合管线中既包含传统 history buffer，也包含神经模型需要的特征历史。贯穿帧中的 reflection history 保存上一帧清理后的反射结果，color history 保存上一帧 upscaler 输出，feature history 可能保存低维 latent 或置信度。cache 的有效性取决于重投影关系：motion vector 把上一帧像素映射到当前帧，depth 与 normal 检查是否仍属于同一表面，roughness 与 material id 检查材质边界是否变化，disocclusion mask 标记新露出的区域。

Denoise 阶段解决的是采样噪声。ray traced reflection 在实时帧预算下常常使用低 sample count，原始输出会有随机噪声、空洞和时域闪烁。传统 denoiser 依赖手工设计的空间滤波、时域累积和边缘停止条件；neural denoiser 把 noisy radiance、G-buffer 和 history 作为输入，输出更稳定的反射或间接光。它的质量仍受输入约束控制：motion vector 错误会产生拖影，normal 不连续会污染边界，roughness 错误会让高光半径不稳定。

Upscale 阶段解决的是像素预算。管线可以在较低分辨率执行 raster、ray tracing 或部分 neural pass，再由 upscaler 输出目标分辨率。upscaler 的输入通常包含低分辨率 color、depth、motion vector、exposure、reactive mask 和 history。reactive mask 的作用是标记快速变化、透明、粒子、屏幕空间反射、动画纹理等区域，让 upscaler 减少历史样本的权重。这个 mask 在混合管线中很关键，因为神经 denoise 与 temporal upscale 都会使用历史信息，错误的历史权重会放大拖影。

质量回退路径应在 workflow 设计阶段写入。贯穿帧中可设定一个梯度：优先降低 ray tracing 分辨率，再降低 reflection sample count，再使用更短的 denoiser history，再切换到传统 SSR 与 probe 组合，再降低输出分辨率或 upscaler quality mode。这个顺序来自视觉影响与成本收益的比较：反射分辨率下降常常比主画面分辨率下降更容易被接受，短暂降低反射质量通常比破坏 UI 清晰度更可控。

这个 workflow 的可复用判断顺序是：先确认 classical pass 输出的 feature 是否完整，再确认 neural pass 的输入空间、分辨率和时间关系，再确认 cache 是否有可靠的重投影证据，再用 GPU timestamp 分离 denoise、upscale、composite 的成本，最后根据视觉失败类型选择降级位置。这个顺序能把“画面不稳定”拆成可检查的资源、数学关系、pass 耗时和质量阈值。

140.3 构建混合管线实例

构建实例时，先把贯穿帧拆成明确的 pass 和资源。目标画面是低分辨率 raster base 加半分辨率 ray traced reflection，再通过 neural denoiser 和 upscaler 输出高分辨率画面。这个例子选择反射作为 ray tracing 效果，因为反射对法线、粗糙度、motion vector 和历史缓存都敏感，能覆盖混合管线中最常见的数据依赖问题。

下面的 frame graph 表示一次典型资源流。图中每个节点都是一个可计时、可标记、可检查资源状态的阶段。

这个图的关键路径是 Raster base pass → G-buffer → Ray traced reflection pass → Neural denoiser → Composite → Upscale → Present。G-buffer 处在分叉点，因为它同时服务 ray tracing、denoising 和 upscaling。history buffer 处在回路上，因为当前帧输出会成为下一帧输入。只要这两个位置的资源状态、分辨率或坐标关系出错，后续多个 pass 会同时出现症状。

第一步是建立 raster base pass。它输出低分辨率 color，并同时写出 depth、normal、roughness、motion vector 和 material id。这里的 motion vector 要使用与 upscaler 和 denoiser 一致的 jitter 约定；normal 要明确处于 view space、world space 或 encoded tangent space；roughness 要与材质系统中的反射模型一致。若某个 feature buffer 是压缩格式，后续 pass 需要知道解码范围和精度。

第二步是建立 ray traced reflection pass。它读取 acceleration structure、depth、normal、roughness 和相机矩阵，为屏幕像素生成反射射线。为了控制成本，可以用半分辨率执行，并把粗糙表面的 ray budget 降低。输出资源命名为 reflection_noisy_half，含义是半分辨率、含噪、待清理的反射 radiance。这个命名让后续 pass 和调试工具能直接看出资源阶段。

第三步是接入 neural denoiser。它读取 reflection_noisy_half、depth、normal、roughness、motion vector、disocclusion mask 和上一帧 reflection_clean_history，输出 reflection_clean_half 或 reflection_clean_full。如果模型输出半分辨率，composite 阶段要负责按 roughness 和 normal 引导上采样；如果模型直接输出全分辨率，内存和推理成本会增加，但 composite 路径更简单。选择哪一种，应根据 reflection pass 时间、denoiser 时间、目标平台显存和视觉边界稳定性判断。

第四步是 composite。它把 clean reflection 合入低分辨率主 color，通常还会叠加 direct lighting、ambient、screen-space effects 和透明物体。透明物体、粒子、屏幕空间动画纹理和 UI 对 history 很敏感，应在 composite 或 upscaler 输入中写入 reactive mask。这个 mask 的目的，是让后续 temporal reconstruction 知道哪些区域需要更依赖当前帧。

第五步是 upscaler。它读取 composite 后的低分辨率 color、depth、motion vector、exposure、reactive mask 和 color history，输出目标分辨率 color。upscaler 输出后进入 post-process，完成 tonemapping、bloom、film grain、UI、color grading 和 present。对于 UI，常见做法是先把 3D 场景 upscaling 到目标分辨率，再以目标分辨率合成 UI，这样文本和图标保持清晰。

第六步是写入 history。当前帧的 clean reflection 和 upscaled color 会成为下一帧 cache。history 写入应发生在对应资源稳定之后，并与下一帧读取建立明确同步。若使用多帧 in-flight，history buffer 还要区分 frame index，防止上一帧资源被当前帧提前覆盖。

这个实例的资源表可以按阶段检查。

阶段	主要输入	主要输出	需要检查的证据
Raster base	mesh、material、camera、jitter	low color、depth、normal、roughness、motion	feature buffer 与相机、分辨率、jitter 一致
Ray traced reflection	acceleration structure、depth、normal、roughness	noisy reflection	ray budget、输出分辨率、反射命中率
Neural denoiser	noisy reflection、G-buffer、history	clean reflection	输入 tensor 布局、history 重投影、推理耗时
Composite	low color、clean reflection、lighting	scene color	反射混合权重、透明区域、reactive mask
Upscaler	scene color、depth、motion、history	output color	输出清晰度、拖影、边缘稳定性
Post and present	output color、UI、exposure	back buffer	色彩空间、UI 合成顺序、present 延迟

从这个表能得到一个工程规则：每个 pass 都要声明输入、输出和证据。输入决定它能做什么，输出决定后续 pass 如何使用它，证据决定调试时能否定位问题。混合管线的复杂度高，但每个 pass 都能用这个三元组拆开。

140.4 性能衡量与调优方法

混合管线的性能衡量要同时覆盖 GPU pass time、inference cost、memory footprint、latency、quality metric 和降级阈值。单看平均帧率会掩盖关键问题，因为神经推理可能稳定占用 1 毫秒，却在模型加载、history resize、queue sync 或显存压力时制造长尾帧。调优应围绕一帧的时间线和资源峰值展开。

GPU pass time 指每个图形或 compute pass 在 GPU 上的实际耗时。它应使用 timestamp query、GPU profiler marker 或平台工具记录。贯穿帧中至少要分别测量 raster base、ray traced reflection、neural denoiser、composite、upscaler、post-process 和 present 前等待。这样才能判断瓶颈来自 ray traversal、模型推理、带宽写入、后处理或同步。

Inference cost 指神经模型在一帧内带来的全部成本。它包含模型权重驻留、输入 tensor 准备、layout conversion、推理执行、输出资源转换和必要同步。若使用 vendor SDK，成本可能被封装在一个图形 API pass 内；若使用独立推理运行时，成本还会包含跨队列或跨 runtime 的资源互操作。调试时要把“模型计算时间”和“为了喂给模型而做的格式转换与同步时间”分开记录。

Memory footprint 指当前帧和跨帧缓存共同占用的显存。混合管线新增的显存通常来自模型权重、intermediate tensor、history buffer、额外 G-buffer、半分辨率或全分辨率 ray output，以及多帧 in-flight 的重复资源。内存峰值应按分辨率和质量档位计算。4K 输出下，一个全分辨率 RGBA16F history buffer 的开销会明显高于半分辨率输出；多个 history 与 tensor 同时存在时，显存压力会改变资源驻留和带宽行为。

Latency 指输入到画面输出之间的端到端延迟。混合管线可能通过 upscaler、frame generation、异步 compute 或云端编码获得更高视觉帧率，但交互延迟仍要看输入采样、CPU 提交、GPU 执行、推理、present、编码、网络和显示链路。实时交互系统中，延迟调优优先保证当前帧响应和帧间稳定，再追求更高重建质量。

Quality metric 要覆盖自动指标和人工可观察信号。自动指标可以包括 temporal stability、edge error、反射区域 variance、SSIM、PSNR 或与离线高质量参考的差异；人工信号包括拖影、边缘抖动、反射断裂、噪声残留、过度平滑、UI 模糊、透明物体残影和暗部闪烁。混合管线中，质量问题应和资源路径绑定记录：例如“角色经过反射区域时拖影”对应 motion vector、reactive mask、disocclusion 和 denoiser history。

降级阈值应提前定义。一个实用阈值包含三类触发信号：时间触发、显存触发和质量触发。时间触发例如连续 8 帧超过 16.6 ms 的 90% 预算；显存触发例如 history 与 tensor 造成显存接近平台限制；质量触发例如 disocclusion 面积过大、motion vector 缺失区域过多或反射噪声超出可接受范围。阈值需要滞回设计，防止质量档位在相邻帧频繁跳变。

调优顺序可以固定为六步。先锁定目标预算，例如 60 FPS 对应约 16.6 ms，120 FPS 对应约 8.3 ms。再为每个 pass 打 GPU marker，分离 raster、ray tracing、denoise、upscale 和 post 的耗时。接着检查资源转换和同步，特别是 neural pass 前后的 layout conversion、barrier 和 queue wait。然后计算显存峰值，区分可复用临时资源和跨帧 history。随后用固定场景比较质量，覆盖静态镜头、快速相机、角色穿过反射、透明粒子和暗部高频材质。最后写入降级梯度，并验证切换时没有明显闪烁、history 污染或 UI 模糊。

贯穿帧如果出现帧时间超标，优先看时间线中最长且可降级的 pass。若 ray traced reflection 占 3.5 ms，neural denoiser 占 2.2 ms，upscaler 占 1.1 ms，raster base 占 6 ms，post 占 0.8 ms，总体已接近 16.6 ms，则第一轮调优应测试反射半分辨率、反射 ray budget、denoiser 模型档位和反射 history 长度。若质量失败集中在角色边缘拖影，则应先检查 motion vector、reactive mask、disocclusion 和 history clamp，再调整模型档位。

这个方法把性能和质量放到同一张证据表里。每次调优都要记录“改了哪个 pass、改变了哪种资源、节省了多少时间、增加了哪些视觉风险”。没有这张表，混合管线很容易变成多个高级技术堆叠，最终缺少可维护的性能解释。

140.5 Hybrid Rendering Applications in Games Preview Tools and Cloud Rendering

混合渲染在游戏中的落地重点是稳定帧预算、平台覆盖和质量档位。游戏帧通常要求输入响应稳定，场景内容变化剧烈，并且要覆盖多种 GPU、主机和显示目标。混合管线适合把 raster 作为基础路径，把 ray tracing 用在反射、阴影、环境光遮蔽或全局光照的部分效果上，再用 denoiser 和 upscaler 把低 sample 或低分辨率结果重建成稳定画面。游戏中的 fallback path 要和画质设置、硬件能力查询、动态分辨率和场景负载联动。

游戏场景的主要失败信号是时域不稳定。快速相机、角色遮挡、透明粒子、动态灯光、动画材质和屏幕空间特效都会挑战 history。调试时应把这些区域单独标记出来，并检查 motion vector、reactive mask 和 disocclusion mask。画质选项也应表达真实成本，例如“反射质量”影响 ray resolution、sample count、denoiser 输入和 history；“重建质量”影响 upscaler 档位、模型成本和输出稳定性。

影视预览和设计工具中的混合渲染重点是交互式 lookdev。用户移动灯光、材质、相机或模型时，需要快速反馈；停止交互后，可以逐步提高采样、denoise 质量和输出分辨率。这里的 frame graph 可以有两种模式：交互模式使用低采样、轻量 denoise 和快速 upscale；停顿模式使用更多 ray、更多 history 和更高质量重建。工具型场景的 fallback path 通常围绕交互延迟，而游戏场景更强调连续帧稳定。

设计工具还需要保留可解释性。艺术家看到材质过亮、反射过糊或阴影闪烁时，需要知道问题来自材质参数、光照设置、ray budget、denoiser 还是 upscaler。工程上可以提供 pass overlay：显示 roughness、normal、motion vector、reflection noisy、reflection clean、history confidence 和 final output。overlay 的价值在于把视觉反馈还原到资源路径，而非把所有问题归给最终画面。

云渲染中的混合管线要把 server GPU、编码器、网络和 client display 放入同一延迟链。服务端可以执行高质量 raster、ray tracing 和 neural denoise，再把输出编码成视频流；也可以服务端输出较低分辨率或较低码率画面，由客户端执行轻量 upscale 或 sharpening。前一种方式节省客户端计算，后一种方式可能降低网络带宽，但会增加客户端兼容性和端侧延迟管理需求。

云场景的降级阈值还要考虑网络状态。若 GPU 端帧时间稳定但网络码率下降，系统可以降低输出分辨率、调整编码参数或把部分细节重建放到客户端。若 GPU 端已经超预算，降低 ray tracing 质量或 neural pass 质量更直接。若客户端性能受限，服务端应输出更接近最终显示的画面。云渲染的混合策略本质上是在 GPU 时间、服务器显存、编码质量、网络带宽和客户端能力之间做统一预算。

这三类应用共享同一判断框架：先确定交互目标和帧预算，再确定 classical pass 提供哪些稳定约束，再决定 ray tracing 或 neural pass 承担哪种高价值效果，最后设计可观察的 quality fallback。差异在于权重：游戏重视帧稳定和平台覆盖，预览工具重视交互反馈和可解释 overlay，云渲染重视端到端延迟和码率适配。

混合渲染管线的最终设计产物应是一份 frame graph、一个资源生命周期表、一组 GPU markers、一套质量案例和一条降级梯度。frame graph 说明数据如何流动，资源表说明内存如何占用，markers 说明时间如何消耗，质量案例说明视觉风险如何暴露，降级梯度说明压力下系统如何保持可控输出。把这些对象连起来，混合管线才具备工程可维护性。

最小自检任务

给定一个室内走廊场景，目标是 60 FPS。当前管线在 1440p 输出下测得：raster base 6.0 ms，ray traced reflection 3.5 ms，neural denoiser 2.2 ms，composite 0.7 ms，upscaler 1.1 ms，post-process 0.8 ms，present 前等待 0.9 ms。反射 history 和 color history 合计占用 520 MB，模型权重与 intermediate tensor 占用 340 MB。角色经过镜面地面时，角色轮廓附近出现 3 到 5 帧拖影，透明粒子附近有反射残影。请设计排查顺序和第一轮降级策略。

答案要点

先计算时间预算。60 FPS 对应约 16.6 ms，当前可见 pass 合计 15.2 ms，再加 present 前等待后接近预算上限，说明系统缺少负载波动空间。第一轮性能排查应先给 raster、ray traced reflection、neural denoiser、upscaler 和 present wait 设置 GPU marker，确认 present wait 来自队列同步、swapchain 等待还是 neural pass 前后的资源转换。

再排查拖影对应的数据路径。角色轮廓拖影优先检查 motion vector 是否覆盖 skinned mesh、角色边缘和 jitter 约定；透明粒子残影优先检查 reactive mask 是否标记透明、粒子和快速变化区域；镜面地面反射拖影还要检查 disocclusion mask、depth test、normal 连续性和 reflection history clamp。这个顺序把视觉症状映射到 G-buffer、mask 和 history，而非直接修改最终后处理参数。

第一轮降级应优先作用在反射路径。可把 ray traced reflection 保持半分辨率并降低 rough surface 的 ray budget，或在角色快速穿过反射区域时缩短 reflection history 权重；若 neural denoiser 仍占用 2.2 ms 且拖影来自 history，可切换轻量模型或降低 denoiser history 长度。主画面 upscaler 暂时保持不变，因为它影响全屏清晰度和 UI 合成稳定性。

内存方面，应确认 history buffer 是否按分辨率、格式和多帧 in-flight 数量计算。若 860 MB 的 history、weight 和 tensor 造成显存压力，可以复用半分辨率临时 tensor、压缩部分 feature history，或在低质量档位释放高质量模型权重。降级阈值应加入滞回，例如连续多帧超过预算才降低反射质量，连续稳定后再恢复，减少档位跳变带来的闪烁。

本章知识点总结

• 混合单位：混合渲染管线应按 frame graph 的资源流设计，每个 pass 都要声明输入、输出和依赖。
• Raster 角色：raster pass 提供稳定的可见性、基础颜色和 G-buffer，是后续 ray tracing 与 neural pass 的约束来源。
• Ray 角色：ray tracing pass 适合承担反射、阴影或间接光等高价值效果，并通过分辨率和 ray budget 控制成本。
• Neural 角色：neural pass 通过 feature、history 和模型权重重建缺失信息，质量受输入空间、motion vector 和 cache 可靠性约束。
• Cache 边界：history buffer 必须通过 motion vector、depth、normal、material 和 disocclusion 检查有效性。
• Denoise 路径：denoiser 处理低 sample ray output 的噪声，拖影通常要回到 history、mask 和 feature buffer 排查。
• Upscale 路径：upscaler 把低分辨率场景重建到目标分辨率，输入需要包含 depth、motion、exposure、reactive mask 和 history。
• Fallback 梯度：降级策略应提前写入质量档位，优先选择视觉影响较小且节省明显的 pass。
• 性能证据：GPU timestamp、profiler marker、显存峰值和 present wait 是定位混合管线瓶颈的基础证据。
• 推理成本：inference cost 包含模型执行、输入输出转换、权重驻留、tensor 分配和同步开销。
• 质量指标：混合管线的质量评估要同时覆盖自动指标和可观察症状，并把症状映射回资源路径。
• 应用差异：游戏重视帧稳定和平台覆盖，预览工具重视交互反馈和 overlay，云渲染重视端到端延迟和码率适配。