WebGPU
WebGPU是一种Web标准图形与计算API，由W3C制定，旨在为浏览器提供对底层GPU硬件的直接访问能力。它是WebGL的后继规范，支持现代图形管线操作和通用GPU计算（GPGPU），能够实现高性能3D渲染、图像处理及机器学习推理等任务。WebGPU设计上与Vulkan、Metal、Direct3D 12等原生图形API对齐，提供更低的CPU开销和更精细的GPU控制能力。
核心事实
时间轴 (近 90 天)
TabStationToo的图形渲染器被移植到了WebGPU。
业界在浏览器内运行本地模型的常见做法是用量化压缩模型体积，并借助WebGPU等浏览器图形接口加速矩阵运算。
Google 推动的 WebML 和苹果参与的 WebGPU 都经历了多年打磨。
Framefields 在 Node.js 环境中通过原生 WebGPU 执行渲染，不依赖浏览器或 Chromium。
在浏览器之外，WebGPU 的实现通常通过 wgpu（Rust 编写）等原生绑定暴露给 Node.js 等运行时。
WebGPU 在 Node.js 中的原生支持仍在演进，跨平台兼容性（尤其是不同 GPU 驱动和云服务器环境）需要实际检验。
Listing Lab 的推理在浏览器中优先使用 WebGPU 加速，不支持时回退到 WASM 在 CPU 上运行。
据 dev.to 上 @dhruvil_chauhan_eccb4a1eb 分享的项目，用 React 组件通过 WebGPU 在浏览器运行 Qwen2.5、无需服务器和 API key，已验证本地推理的可行性。
在8GB内存的 Mac 上通过 Ollama 运行 Gemma 每份草稿约需30秒；而通过浏览器 WebGPU 运行同一 Gemma 模型，处理100份草稿的中位耗时为3.25秒，Ollama 为31.4秒。
测试使用Transformers.js 4.2.0在WebGPU上以4-bit权重运行SmolLM2 360M Instruct、Qwen2.5 0.5B Instruct和Llama 3.2 1B Instruct（q4f16）三个模型
还有 40 条时间轴事件
全部知识事实 (20)
WebGPU引入了计算着色器、多线程渲染和更精细的GPU资源管理机制，计算着色器可将密集型任务卸载至GPU
80%已验证WebGPU是W3C标准化的浏览器图形和计算API，于2023年在Chrome中正式发布，旨在取代WebGL
80%已验证WebLLM是一个高性能的浏览器内LLM推理引擎，目标是把整个模型推理流程搬到客户端浏览器中执行，无需服务器支持
75%已验证ONNX Runtime Web 将 ONNX 运行时编译为 WebAssembly 实现跨平台模型推理，ONNX 由微软与 Facebook 联合推出
75%已验证WebGPU 是正在铺开的新一代浏览器图形标准，更贴近 Vulkan/Metal/DirectX 12 的底层模型，能提供更低的 CPU 开销和更强的并行计算能力。
65%已验证WebGPU相比基于OpenGL ES的WebGL引入了计算着色器、更精细的资源绑定模型和流水线状态管理，允许在GPU上执行通用并行计算任务（GPGPU）
65%已验证Chrome于2023年4月正式支持WebGPU，Firefox和Safari仍在跟进中
65%已验证WebGPU 作为 WebGL 的下一代继任者，于 2023 年在 Chrome 中正式落地，提供更接近原生图形 API 的性能
65%已验证WebGPU是W3C正在推进的新一代Web图形与计算API标准，旨在替代WebGL，对标Vulkan、Metal、Direct3D 12
65%已验证浏览器端AI能力技术栈由WebGPU、WebNN等底层硬件加速标准协同构成
65%已验证Three.js将底层的WebGL图形API抽象为场景图模型，开发者无需直接编写GLSL着色器代码即可完成3D场景构建
65%待验证SwiftShader是Google开发的高性能CPU渲染器,支持Vulkan和WebGPU
70%待验证WGSL（WebGPU Shading Language）是WebGPU的官方着色器语言
70%待验证WebGPU目前已在Chrome、Edge和Firefox Nightly中可用
70%待验证Chrome已于2023年正式启用WebGPU支持
70%待验证WebGPU 引入了对标 Vulkan/Metal/D3D12 的计算着色器能力，可执行通用GPU计算（GPGPU）
60%待验证WebContainer目前主要支持Node.js生态，对编译型语言（如Rust、Go、C++）或系统级调用的场景仍需传统后端容器方案
60%待验证TabStationToo的图形渲染器被移植到了WebGPU。
50%待验证业界在浏览器内运行本地模型的常见做法是用量化压缩模型体积，并借助WebGPU等浏览器图形接口加速矩阵运算。
50%待验证Google 推动的 WebML 和苹果参与的 WebGPU 都经历了多年打磨。
50%