我对唯一的答案不满意，所以我会详细说明。
单独添加“allInvocationsARB”不会提高性能（更新：可以，请参阅答案底部）。
正如 OP 所说，如果波前中没有线程为真，GPU 将已经执行跳过。
那么 allInvocationsARB 如何帮助提高性能？
首先你需要改变你的算法。我将使用一个例子。
假设您有 64 个项目要处理。和一个 64x1x1 线程的线程组（又名波前又名扭曲）。
原始计算着色器如下所示：
void main()
{
for( int i=0; i<64; ++i )
{
doExpensiveOperation( data[i], outResult[gl_GlobalInvocationID.x * 64u + i] );
}
}
也就是说，我们调用了 64 个线程，每个线程迭代 64 次；从而产生 4096 个结果的输出。
但是有一种快速的方法可以检查我们是否应该跳过这种昂贵的操作。所以我们改为优化它：
void main()
{
for( int i=0; i<64; ++i )
{
if( needsToBeProccessed( data[i] ) )
doExpensiveOperation( data[i], outResult[gl_GlobalInvocationID.x * 64u + i] );
}
}
但问题是：假设需要对所有 64 个工作项返回 false。
整个波前将执行 64 次迭代，并跳过 64 次昂贵的操作。
有更好的方法来解决这个问题。它是通过预先强制每个线程处理单个项目：
bool cannotSkip = needsToBeProccessed( data[gl_LocalInvocationIndex], gl_LocalInvocationIndex );
这里，我们使用 gl_LocalInvocationIndex 代替 i。
这样，每个线程读取 1 个工作项。
现在，当我们使用此更改加上 anyInvocationARB 时，我们最终得到：
void main()
{
bool cannotSkip = needsToBeProccessed( data[gl_LocalInvocationIndex], gl_LocalInvocationIndex );
if( anyInvocationARB( cannotSkip ) )
{
for( int i=0; i<64; ++i )
{
if( needsToBeProccessed( data[i] ) )
doExpensiveOperation( data[i], outResult[gl_GlobalInvocationID.x * 64u + i] );
}
}
}
因为 needsToBeProccessed 对所有线程都返回 false，所以 anyInvocationARB 将返回 false。
最终，着色器只调用了一次 needsToBeProccessed() 而不是 64 次。
这就是我们加快处理时间的方式。
这仅在我们或多或少确定大多数情况下 anyInvocationARB 将返回 false 时才有效。
如果它总是返回 true，那么我们最终会得到一个稍微慢一点的计算着色器，因为现在需要调用 65 次（而不是 64 次），而 doExpensiveOperation 将被调用 64 次。
更新：我意识到我一开始犯了一个错误：简单地添加“allInvocationsARB”可以提高性能。
这是因为没有它，您将执行动态分支。而当使用 allInvocationsARB 时，将使用静态分支。有什么区别？
考虑以下示例：
void main()
{
outResult[gl_LocalInvocationIndex] = 0;
if( gl_LocalInvocationIndex == 0 )
outResult[gl_LocalInvocationIndex] = 5;
}
这是一个动态分支。
GPU 必须在调度结束时保证 outResult[0] == 5 并且对于所有其他元素 outResult[i] == 0。
也就是说，GPU 必须跟踪（也称为执行掩码）哪些线程在分支中是活动的，哪些不是。波前中的非活动线程将执行指令，但它们的结果将被屏蔽掉，就好像它从未发生过一样。
现在让我们看看如果我们添加 anyInvocationARB 会发生什么：
void main()
{
outResult[gl_LocalInvocationIndex] = 0;
if( anyInvocationARB( gl_LocalInvocationIndex == 0 ) )
outResult[gl_LocalInvocationIndex] = 5;
}
现在这很有趣，因为结果将是特定于 GPU 的：
假设线程组大小为 64x1x1。
- AMD GCN 使用 64 个线程的波前。
- NVIDIA 目前使用 32 个线程的波前（NV 术语中的“扭曲”）。
现在：
- 如果您在 AMD 上运行此代码，outResult[i] == 5。
- 如果您在 NVIDIA 上运行此代码，则第一个范围为 [0; 32) 将产生 outResult[i] == 5;但第二个范围 [32; 64) 将产生 outResult[i] == 0。
但更重要的是，这是一个静态分支，因此 GPU 没有动态分支的开销，因为动态分支需要跟踪非活动线程来屏蔽结果。因此，只需添加 anyInvocationARB() 可以提高性能，但请注意，如果您不小心，它也会以 GPU 特定的方式影响结果。
在某些情况下它并不重要，例如，如果您确定对所有值运行代码将始终产生相同的结果。
例如：
void main()
{
outResult[gl_LocalInvocationIndex] = 5;
isDirty[gl_LocalInvocationIndex] = false;
if( gl_LocalInvocationIndex == 0 )
{
outResult[0] = 67;
isDirty[0] = true;
}
if( anyInvocationARB( isDirty[gl_LocalInvocationIndex] ) )
outResult[gl_LocalInvocationIndex] = 5;
}
在这种情况下，我们的代码和算法的性质保证在调度后 outResult[i] == 5 无论是否存在 anyInvocationARB。因此，anyInvocationARB 可用于通过使用静态分支而不是动态分支来提高性能。
当然，虽然简单地添加 anyInvocationARB 确实可以提高性能，但巨大改进的最佳方法是按照本答案前半部分所述的方式利用它。