perf: BuildFrame 收集段优化——实体级粗剔除 + 数组化 batch 查找 + 合并矩阵写

定位数据（100 背包 + SunTemple，RTX 5060）：GPU 全帧仅 ~3ms
（Forward 1.91 + Shadow 0.82），CPU BuildFrame 收集段 5.94ms 才是
帧率瓶颈。三段细分测量：pre 0.2 / each+cull 5.0 / flatten 0.4。

优化（collect 5.94 → 4.6ms，-23%）：
1. Mesh 全局连续槽位（GetSlot）；ViewScratch batch 查找 hash →
   数组寻址（slot × kMeshLodCount 槽）
2. Model 级联合包围球（各 mesh bounds 并集）：实体在四视图全部
   不可见 → 跳过整个 mesh 循环（多 mesh 模型的粗剔除）
3. worlds/prevWorlds 合并为 stride-2 InstanceMatrices 单次写
   （每实例每视图 2 次随机堆访问 → 1 次，cache miss 减半）

遥测：Renderer::GetCollectMs 暴露收集段耗时。剩余 4.6ms 的进一步
压缩（并行收集 / GPU-driven culling）单独立项。

Engine/src/Renderer/Mesh.cpp

@@ -10,16 +10,24 @@
 #include <Engine/Core/Log.h>
 
 #include <limits>
+#include <atomic>
 
 #include "Engine/Core/Stats.h"
 
 namespace Engine
 {
+    namespace {
+        // 全局连续 mesh 槽位：SceneRenderer 的 batch 查找用数组寻址
+        //（每实例每视图一次 hash 的代价在大场景下是 5ms 级）
+        std::atomic<u32> s_nextMeshSlot{0};
+    }
+
     Mesh::Mesh(Device& device, MemoryAllocator& allocator,
                const std::vector<Vertex>& vertices,
                const std::vector<std::vector<u32>>& lods,
                Material* material)
         : m_Material(material)
+        , m_Slot(s_nextMeshSlot.fetch_add(1, std::memory_order_relaxed))
     {
         if (vertices.empty() || lods.empty() || lods[0].empty())
         {