AI优化AI的技术已经超越人类专家
网友【AI来了】 2025-05-31 09:03:00 分享在【时代发展的印记】版块    1    14

好家伙,AI意外生成的内核(kernel),性能比人类专家专门优化过的还要好!

网友分享在meiguo.com上的图片

斯坦福最近披露了一组新发现,结果真的太亮眼了。

由AI优化的内核,在常见深度学习操作上,翻倍超越原生PyTorch,性能至多可以提升近400%——

矩阵乘法(Matmul,FP32):性能达到PyTorch torch.matmul的101.3%。

二维卷积(Conv2D):性能达到 torch.nn.Conv2D的179.9%。

Softmax:性能达到 torch.softmax的111.8%。

层归一化(LayerNorm):性能达到torch.nn.LayerNorm的484.4%。

Conv2D+ReLU+MaxPool组合操作:性能达到PyTorch参考实现的290.1%,以及torch.compile参考实现的189.0%。

(在NVIDIA L40S GPU上进行基准测试,性能百分比定义为参考时间除以生成的kernel_size时间)

网友分享在meiguo.com上的图片

更惊人的是,这一切都是意外实现的。

研究团队本来的目标是生成合成数据以训练内核生成模型。

结果发现,仅在测试阶段生成的合成数据本身,竟然可以生成性能非常优秀的内核。

网友分享在meiguo.com上的图片

围观网友:没想到AI也要取代内核工程师了。

网友分享在meiguo.com上的图片

还有人发现,除了性能大幅提升外,研究团队采用的方法也非常有趣:

他们没有简单的在操作上逐步优化(类似于爬坡算法),而是在每次迭代之间加入了一个语言推理的步骤,通过这种方式鼓励搜索过程更加多样化。

也就是说,他们是让系统在每次改进时通过类似“思考”的方式产生更多想法,从而找到更好的解决方案。

具体如何实现,一起来看。

改代码前先生成自然语言优化思想

按照斯坦福团队博客的描述,这种内核生成的思路非常简单——给定torch代码,然后告诉都能写编写自定义内核来替换torch算子

这些内核是用纯CUDA-C编写,无需使用CUTLASS和Triton等库和DSL(Domain-Specific Language,领域专用语言)。

不同于传统方法的是,模型并不是一上来就直接改代码,而是先用自然语言生成优化思想,然后再将这些思想转化为新的代码变体。

团队这样做的理由是,“按顺序修改”式的优化思路缺乏多样性,导致陷入局部极小值,重复访问同一类转换或无休止地优化没有前景的轨迹。

为了进一步增强思路多样性,斯坦福团队还使用了多分支的探索模式

具体来说,他们的方法并非每一步都只优化一个候选方案,而是将每个想法分散开来,使其衍生出多个实现,并使用性能最高的内核作为下一轮的种子。

网友分享在meiguo.com上的图片

团队使用OpenAI o3和Gemini 2.5 Pro挑战KernelBench 1级中的10个问题,运行多轮后,最佳内核开始出现。

其中大多数最佳结果出现在后续轮次(总共5轮),并且主要是第4轮或第5轮。

KernelBench是斯坦福团队自己提出的一套AI生成内核测试基准,基准中的任务分为3个级别,其中1级是指单一原始操作(Single primitive operation),包括AI的基础构建块(例如卷积、矩阵-向量与矩阵-矩阵乘法、损失函数、激活函数以及层归一化)。

网友分享在meiguo.com上的图片

这一发现再加上之前DeepMind的AplhaEvolve,以及o3发现Linux的0day漏洞等一系列事件,让网友们认为Gemini 2.5Pro和o3的能力水平已经达到了新的层级。

网友分享在meiguo.com上的图片

回到斯坦福的项目,在生成过程当中,可以看到模型的生成思路开始显现出与人类的经验相似之处——

内存访问优化:提高不同内存层次结构(全局内存、共享内存、寄存器)之间数据移动的效率,并确保以最大化带宽和最小化冲突的方式访问数据;

异步操作和延迟隐藏:通过将慢速操作(如全局内存访问)与计算或其他内存传输重叠,“隐藏”慢速操作的延迟;

数据类型和精度优化:尽可能使用低精度数据类型(如 FP16 或 BF16)以减少内存带宽要求、提高缓存效率;

计算和指令优化:提高算术计算本身的效率,减少指令数量,或利用专门的硬件指令;

并行性和占用率增强:最大化流多处理器(SM)上的活动线程数量,以更好地隐藏延迟并提高整体吞吐量;

控制流和循环优化:减少与循环、分支和索引计算相关的开销。

并且斯坦福团队还展示了一组具体的优化轨迹,从中可以看出,并不是每一步优化都一定能让速度更快,但经过多个步骤的组合,内核的速度能够得到大幅提升,并最终超越PyTorch。

在具体实现上,有人询问AI生成CUDA内核时的优化建议,是否可以被转化为对应代码实现、还是说只是触发了随机探索?

作者回应说,尽管还没有进行更严谨的系统验证,但是手动检查的案例中,生成的CUDA视线与提出的优化建议是大致匹配的。

即AI并不是在完全随机做优化,而是确实在尝试实现它自己提出的策略。

网友分享在meiguo.com上的图片

华人主创团队意外发现

这项研究共有三位作者:Anne Ouyang、Azalia Mirhoseini和Percy Liang。

Ouyang目前是斯坦福大学扩展智能实验室的博士生,她本硕毕业于麻省理工,曾在英伟达cuDNN团队工作。

网友分享在meiguo.com上的图片

Percy Liang是斯坦福大学计算机科学副教授兼统计学助理教授,目前担任斯坦福基础模型研究中心主任。

曾和李飞飞一起发布、推进了多项研究工作。

网友分享在meiguo.com上的图片

Azalia Mirhoseini是斯坦福大学计算机科学助理教授、斯坦福扩展实验室创始人。她曾在DeepMind、Google Brain以及Anthropic工作过。

她此前参与的研究包括MoE、芯片设计算法AlphaChip等。

本次研究,本来是希望生成数据来训练内核生成模型。

但是在过程中却出现了意想不到的结果,仅在测试阶段生成的合成数据本身,竟然可以生成性能非常优秀的内核。

因为这些内核利用了此前被认为很难实现的高级优化和硬件特性,所以团队决定以博客形式分享此次成果。

不过具体是如何生成数据的,研究团队暂时不对外发布,只是提到了这种设计理念也很简单

最关键的还是,它已经展示出了巨大潜力。

此外,研究团队也认为此次发现也与最近的一些趋势相呼应——大规模再训练已不是必需。

有时,聪明的搜索和分支策略,可以解锁科学创新并解决复杂问题,通过verifier进行广泛搜索还能有更多收获。

将强大推理能力与同时探索多个假设结合起来,能带来更好结果。就像AlphaEvolve、AlphaEvolution、 Gemini 2.5 Pro深度思考一样。

最后,团队表示这项研究还有很多可优化的空间。比如他们手头上就还在优化两个维度:

FP16 Matmul:52% performance of torch.matmul

FP16 Flash Attention::9% performance of torch.nn.functional.scaled_dot_product_attention

与FP16或BF16相比,FP32在新推出硬件上的优化程度通常比较低,这也是为何使用FP32内核比PyTorch更容易实现性能提升。

他们表示,虽然现在还有不少限制,但是对于未来前景还是很乐观的。

毕竟最开始,他们连能正常运行的内核都生成不了,但是通过不断优化搜索方法,已经能让flash attention的性能提升到了一个不错的水平。

值得一提的是,搜索使用的资源也很少,大概只用了300万token输入和400万token输出。

One More Thing


实际上,不只是一个团队在尝试开发内核大模型。

就在5月,开发了Devin的Cognition开源了首个通过强化学习即可编写CUDA内核的大模型Kevin-32B。

它基于QwQ-32B在KernelBench数据集上使用GRPO,实现了多轮强化学习,性能优于o3、o4-mini。

网友分享在meiguo.com上的图片
参考链接:
[1] https://crfm.stanford.edu/2025/05/28/fast-kernels.html
[2] https://x.com/anneouyang/status/1928124885567467768
[3] https://x.com/cognition_labs/status/1919835720493236295

出处:微信公众号 @量子位

meiguo.com 发布人签名/座右铭这家伙浪费了“黄金广告位”,啥也没签!
大家都在看
楼主新近贴
回复/评论列表
默认   热门   正序   倒序
meiguo.com 创始人

emotion

14   2025-05-31 09:03:00  回复

回复/评论:AI优化AI的技术已经超越人类专家

暂无用户组 升级
退出
等级:0级
美果:
美过
精华推荐
  1. 中国AI芯片产业迎来了技术突破和生态崛起
  2. iPhone 17系列新品、iPhone Air发布了!
  3. 李开复:如果老板不AI,公司将会被AI淘汰!
  4. 启程回国:美元很香,但回家的路更香!
  5. 美国众议院通过了巨额军费预算,马斯克警示财政风险!
  6. 马斯克成为全球首位身家5000亿美元的富豪
  7. 美国“风行者”超大运输机计划曝光
  8. 美国签证新规:申请人须回母国面谈
  9. 佛罗里达的一名中学生在AI提问,然后被捕了!
  10. 毅力号火星车揭示了杰泽罗陨石坑的水活动历史
  11. 麦当劳CEO声称美国品牌的声誉在全球下滑
  12. 我的人生有三个账户!伊隆·马斯克在斯坦福大学的最新演讲
  13. 川普总统签署了备忘录,贩毒集团成为“国家之敌”!
  14. 最高法院裁定:支持川普政府的移民执法政策
  15. 在美国生活半年,真实观察了文化差异!
  16. 联合国大会“史上最尴尬”一幕:他上台后,观众纷纷撤离!
  17. TikTok美国业务的“合规运营”方案细节披露
  18. 母亲给大一女儿恋爱八项要求
  19. 马斯克的净资产创纪录,突破5000亿美元!
  20. 美国市场的智能手机“印度制造”的份额激增
  21. 美国签证新规“取消第三国面签”的选项了
  22. 大学排名更新:顶尖学府稳固,新兴学校快速上升
  23. 骨胶水的研发获突破,临床试验显示了安全有效!
  24. 福建舰“电磁弹射系统技术”获全球关注
  25. 美国宣传制裁东南亚的19个电信诈骗网络实体
  26. 在美国买房半年后,总结了两个扎心感受!
  27. 川普总统在联合国演讲,声称中国不愿用风力发电?
  28. 美股市值突破“全球GDP半数”大关
  29. 川普总统的“科技巨头宴”收获千亿级的投资承诺
  30. 美国的七大都会区“房市调头”,买方作主了!
  31. 三只小猪都知道砖头房子更好,为何美国房子是木头房?
  32. 中美两国在马德里谈判,聚焦TikTok和关税问题!
  33. 川普政策变动,竟然催生了智利的生育旅游热潮?
  34. Zillow和Redfin“摊上大事儿”!五大州的总检察长起诉了房产平台合谋做局
  35. 川普政府打算发放两千美元的关税补贴
  36. 中美元首长“电话粥”,聚焦经贸和TikTok合作!

美国动态 美果搜索

Your IP: 216.73.216.27, 2025-10-11 17:15:30

Processed in 0.13879 second(s)

头像

用户名:

粉丝数:

签名:

资料 关注 好友 消息
已有0次打赏
(14) 分享
分享
取消