第 1 章 开场：你玩的不是一个”视频”，是一个”正在发生的世界”
先别急着打开 Unity。咱们把一件事掰清楚，因为它决定了你后面所有概念的理解角度。
你有没有想过：电影和游戏，表面上都是”屏幕上一连串会动的画面”，但骨子里是两种完全不同的东西？
电影是什么？是一卷早就拍好的胶片。导演在某个星期二把它拍完了，封进罐头，十年后你按下播放键，看到的还是那个星期二发生的事。它是一段回放。
游戏呢？你按下”开始”的那一刻，画面是当场算出来的。你往左走，画面就往左生成；你开了一枪，那一帧的火光、声音、敌人反应，全是在你这台机器上，这一瞬间实时算出来的。它是一场演算。
这就是”实时（real-time）“三个字的分量。
1.1 为什么”实时”这件事，值得单独拎出来说
我问你一个问题，你先自己琢磨一下：
如果游戏不用实时计算，而是像电影一样，把所有画面预先录好，玩家按键时直接放对应的录像——这样行不行？
你可能会说：那得录多少啊？玩家有无限种走位、无限种操作组合，根本录不过来。
对，这是最直观的死穴。但还有更深的一层：电影是”被动观看”，游戏是”主动改变”。 你扔一块石头，它该落在哪、撞到谁、发出什么声音，取决于这一刻世界的状态——而这些状态，是上一帧你和世界互动的结果。它是一条因果链，不是一段预先写死的脚本。
所以游戏引擎干的事，本质是一条流水线：
读输入（你按了什么）
→ 更新世界（石头飞出去了、敌人发现了你）
→ 算画面（这一帧该画什么）
→ 算声音（该响什么）
→ 64 毫秒内全部搞定，送到你眼睛和耳朵
注意那个”64 毫秒”。人眼对”流畅”的容忍线，大约是每秒 15 帧以上才不觉得卡；想”丝滑”，得 30–60 帧。一帧 1/60 秒 ≈ 16.6 毫秒。再扣掉系统开销，引擎大概只有十几毫秒去算完上面那一整条链。
这就是游戏开发里一切”将就”的根源：因为要在极短时间内算完，所以很多东西是”假”的、“近似”的、""糊弄”的。 而你会发现——雾化是糊弄，光照是糊弄，声音衰减也是糊弄。它们不是偷懒，是在”实时”这条铁律下，工程师想出的聪明办法。
1.2 一个会颠覆你认知的比喻
把游戏想象成一家极忙的餐厅：
- 顾客（你）每 16 毫秒点一道菜（一次操作）。
- 厨房（引擎）必须在 16 毫秒内把这道菜做出来、摆盘、端上桌。
- 厨房没有”提前做好一万道菜等你点”的奢侈——因为顾客组合无穷多。
所以厨房怎么办？它用半成品 + 快速组装：汤底提前熬好（预计算），上桌前才淋上现成的浇头（实时合成）。游戏里也是：复杂的光照提前”烤”进贴图（烘焙），运行时只做简单的叠加。
你后面会反复看到这个套路：把贵的计算提前做掉，运行时只做便宜的拼装。 记住这句话，它是理解一大半引擎设计的钥匙。
1.3 这本教程打算带你建立什么
不是教你点哪个菜单、写哪行 C#。那些你查文档就会。
我要带你建立的，是一张**“概念地图”**：当某天你在 Unity 里看到 Lighting、Fog、AudioSource、Camera.projectionMatrix 这些词时，你脑子里立刻能浮出：
- 它对应现实世界的什么现象？
- 没有它，游戏会出什么洋相？
- 工程师用哪几个参数来对付它？
- 我该往哪个方向拧，才能达到我要的效果？
具体到你点名想搞懂的几块：
- 音视频怎么存进计算机、存了哪些信息 → 第 9、10、11 章，我会从”声音是波”讲到采样率、位深、声道，再讲到 WAV 和 MP3 到底差在哪、为什么游戏要流式加载。
- 远处看不清的雾化 → 第 8 章，从空气透视这种自然现象，讲到为什么游戏要”故意”把远处弄糊，再逐个拆
fogColor/fogStart/fogEnd/fogDensity。 - 坐标 → 第 2 章，从”你在哪”讲到局部 / 世界 / 屏幕三套坐标，再到”为什么同一个物体在不同眼里位置不同”。
你看，全是”先问为什么，再给参数”。这路子一旦走顺，你以后看任何引擎的参数面板，都不会再发怵。
1.4 一个现在就能想的小问题
在翻下一章之前，先想一个特别朴素的事：
你站在房间里，闭着眼也能大概说出”桌子在我左边、门在我正前方”。你的大脑是靠什么知道这些位置的？
是参照物。你说”左边”，是以”你面朝的方向”为参照；你说”桌子在墙边”，是以”墙”为参照。有没有可能，同一张桌子，在你眼里是”左边”，在另一个面朝相反方向的人眼里是”右边”？
当然可能。
那问题来了：计算机要描述”桌子在哪”，总得先定一个”站在谁的角度”吧？这个看似 trivial 的问题，正是下一章坐标系统的全部由来。
【思考题】
- 电影和游戏最核心的区别是什么？用你自己的话讲一遍。
- 为什么游戏里大量使用”假”的效果（近似、糊弄）？根本原因是什么？
- 如果一台机器算一帧要 100 毫秒，玩家会体验到什么？用”餐厅”比喻解释。
- 试着举一个你生活中”提前准备半成品、用时快速组装”的例子（不限于游戏）。
【参考答案】
- 电影是预先录好的回放，游戏是当场实时演算。关键在”因果”：游戏里下一刻的画面取决于你刚才的操作和世界的当前状态，是一条实时计算的因果链；电影则是固定的录像。
- 根本原因是”实时”这条铁律——引擎只有十几毫秒去算完一整帧的画面、声音、逻辑。在这么短时间没法做”完美真实”的计算，所以工程师用近似、预计算、假效果来换流畅。这不是偷懒，是在约束下的最优解。
- 100 毫秒一帧 ≈ 每秒 10 帧，低于流畅线，玩家会觉得明显卡顿、操作跟手感差。用餐厅比喻：每道菜厨房要做 100 毫秒才端上来，顾客连点几道就排起长队，体验崩坏。
- 开放题。常见例子：方便面（面提前煮熟脱水，吃时冲水组装）、PPT 模板（版式提前做好，填字即可）、做饭的备菜（切好冻起来，炒时快）。核心都是”把贵的步骤提前，便宜的拼装留到用时”。