近日，CMU 助理教授贾志豪（Zhihao Jia）团队创新玩法，推出了一个名为「Mirage Persistent Kernel（MPK）」的编译器，能够自动将 LLM 转化为优化的巨型内核（megakernel），从而将 LLM 推理延长降低 1.2 到 6.7 倍 。
在这种设计中，系统仅启动一个 GPU 内核来执行整个模型 —— 从逐层推算到 GPU 间通讯 —— 整个过程无需中断 。这种步骤提供了以下几个关键的机能优势：
解除内核启动开销：通过预防沉复的内核挪用，即便是在多 GPU 环境下，也能解除内核启动开销 ；实现跨层软件 pipeline 允许内核在推算当前层的同时，起头为下一层加载数据 ；沉叠推算与通讯：由于巨型内核能够同时执行推算操作和 GPU 间通讯，从而暗藏通讯延长 。
现有的高级 ML 框架 —— 如 PyTorch、Triton 和 TVM，它们自身并不支持端到端巨型内核天生 。此表，现代 LLM 系统由各类分歧的专用内核库构建而成：用于通讯的 NCCL 或 NVSHMEM，用于高效把稳力推算的 FlashInfer 或 FlashAttention，以及用于自界说推算的 CUDA 或 Triton 。
那么能否通过编译自动化这个过程呢？受到这个问题的启发，来自 CMU、华盛顿大学、加州大学伯克利分校、英伟达和清华大学的团队开发出了 MPK—— 一个编译器和运行时系统，它能自动将多 GPU 的 LLM 推理转换为高机能的巨型内核 。MPK 开释了端到端 GPU 融合的效力优势，同时只必要开发者支出极幼的手动致力 。
MPK 的一个关键优势在于：通过解除内核启动开销，并最大水平地沉叠跨层的推算、数据加载和 GPU 间通讯，实现了极低的 LLM 推理延长 。
除了单 GPU 优化，MPK 还将推算与 GPU 间通讯融合进一个单一的巨型内核 。 这种设计使得 MPK 可能最大水平地沉叠推算与通讯 。因而，MPK 相对于当前系统的机能提升随着 GPU 数量的增长而增大，使其在多 GPU 部署场景下尤为高效 。
Part 1：MPK 编译器，其将 LLM 的推算图转化为优化的工作图 ；Part 2：MPK 运行时系统，该系统在单个巨型内核内执行工作图，以实现高吞吐量与低延长 。
LLM 的推算过程通常暗示为推算图，其中每个节点对应一个推算算子（如矩阵乘法、把稳力机造）或集中通讯原语（如 all-reduce），边暗示算子间的数据依赖关系 。现有系统通常为每个算子启动独立的 GPU 内核 。
然而，这种「单算子单内核」的执行模型难以实现 pipeline 优化，由于依赖关系是在整个内核的粗粒度层面强造执行的，而非现实数据单元层面 。
典型案例如矩阵乘法（matmul）后接 all-reduce 操作：现有系统中，all-reduce 内核必须期待整个 matmul 内核实现 。而现实上，all-reduce 的每个数据分块仅依赖 matmul 输出的部门了局 。这种逻辑依赖与现实依赖的错配，严沉限度了推算与通讯的沉叠潜力 。
下图 2 展示了 MPK 编译器将 PyTorch 界说的 LLM 推算图转化为优化细粒度工作图，最大化露出并行性 。右侧展示次优规划 —— 其引入不用要的数据依赖与全局樊篱，导致跨层流水线优化机遇受限 。
为相识决此问题，MPK 引入的编译器可将 LLM 推算图自动转化为细粒度工作图 。该工作图在子内核级别显式捕获依赖关系，实现更激进的跨层流水线优化 。
工作（矩形暗示），代表分配给单个 GPU 流式多处置器（SM）的推算 / 通讯单元 。事务（圆形暗示），暗示工作间的同步点 。触发机造，每个工作发出指向触发事务的边，该事务在关联工作全数实现后激活 。依赖机造，每个工作接管来自依赖事务的边，批注事务激活后工作立即启动 。
工作图使 MPK 可能挖掘推算图中无法实现的 pipeline 优化机遇 。例如，MPK 能够构建优化工作图 —— 其中每个 all-reduce 工作仅依赖于天生其输入的对应 matmul 工作，从而实现分块执行与推算通讯沉叠 。
MPK 蕴含内置 GPU 运行时系统，可在单个 GPU 巨型内核内齐全执行工作图 。这使得系统能在推理过程中无需额表内核启动的情况下，实现工作执行与调度的细粒度节造 。
获取工作：从队列中提取下一待执行工作 。执行推算：运行工作（如矩阵乘法 / 把稳力机造 / GPU 间数据传输） 。事务触发：工作实现后通知触发事务 。循环执行：沉复上述过程 。
调度决策由 MPK 的散布式调度单元处置，每个调度单元运行于单个线程束（warp）上 。由于每个流式多处置器（SM）能够包容多个线程束，因而单 SM 最多可并发运行 4 个调度单元 。每个调度单元守护激活事务队列，并持续执行以下操作：
下图 3 展示了 MPK 的执行功夫线，其中每个矩形代表一个在工作单元上运行的工作 ；每个圆圈代表一个事务 。当一个工作实现时，它会递增其对应触发事务的计数器 。当事务计数器达到预设阈值时，该事务被视为已激活，并被参与调度单元的事务队列 。随后，调度单元会启动所有依赖于该事务的下游工作 。
由于所有的调度和工作切换都产生在单一内核高低文内，工作间的开销极低，通常仅需 1-2 微秒，从而可能高效地执行多层、多 GPU 的 LLM 工作负载 。
团队对 MPK 的愿景是使巨型内核编译既易于使用又具备高机能 。目前，你只需几十行 Python 代码（重要用于指定巨型内核的输入和输出）即可将一个 LLM 编译成一个巨型内核 。此方向仍有辽阔的索求空间，目前在积极攻关的一些关键领域蕴含如下：
支持现代 GPU 架构 。下一个里程碑是将 MPK 扩大到支持下一代架构，例如 NVIDIA Blackwell 。一个重要挑战在于若何将线程束专业化，这是新型 GPU 的一项关键优化技术，与 MPK 的巨型内核执行模型相集成 。处置工作负载动态性 。MPK 目前构建的是静态工作图，这限度了它处置动态工作负载（如 MoE 模型）的能力 。团队在开发新的编译战术，使 MPK 可能在巨型内核内部支持动态节造流和前提执行 。高级调杜纂工作分配 。MPK 在职务级别解锁了新的细粒度调度能力 。固然当前的实现使用单一的轮询调度在流式多处置器（SM）之间分配工作，但团队看到了在高级调度战术（如优先级感知或吞吐量优化战术）方面令人兴奋的机遇，可利用于诸如延长服务等级指标（SLO）驱动的服务或混合批处置等场景 。
团队相信，MPK 代表了在 GPU 上编译和执行 LLM 推理工作负载方式的底子性转变，并热切等待与社区合作，共同推动这一愿景向前发展 。
《少爷的女佣》正版观看最初，薛之谦和朋友李渊林一起在上海开了第一家“上上谦串串香火锅店”。那时，品牌很大程度上受益于薛之谦的个人影响力，生意一度非常红火。据公开报道，鼎盛时期，上上谦在全国开出了8家直营店和约20家加盟店，门店遍布上海、广州、杭州等一线和新一线城市。作为曾主导OpenAI首个智能体产品的核心研究员，姚顺雨并未回避。他给出了一个十分“非典型”的回答：“感觉应该是我问你的问题。”《少爷的女佣》正版观看〖容院3:特殊待遇》百度百科车票收益则按另一套完全不同的商业逻辑执行。观光摆渡车费由稻城亚丁景区旅游开发有限责任公司收取，据天眼查信息，该公司由甘孜州产投集团持股45.9％，稻城县投资集团持股40％，甘孜州文旅投持股9％，四川省财政厅持股5.1％。这意味着，公司税后利润在完成法定分配流程后，由股东会审议通过分红方案向全体股东按持股比例分红。从历史罪责来看，日本首相以下跪表达日本政府对侵略血债的忏悔，并无什么不妥。二战期间，日军铁蹄遍及亚太地区，澳大利亚也未能免于日本军国主义的魔爪。1942年2月19日，242架日本海军战机突袭达尔文港，打破了澳大利亚本土的宁静。澳大利亚国防部解密文件显示，日军当天投弹量甚至超过珍珠港事件，此后20个月里，澳大利亚北部更是遭遇了97次空袭。就在高市此行访问的纪念馆中，“拉哈大屠杀”条目如此记载：“1942年2月6日至20日之间，这些战俘分４批被屠杀在机场附近。一些人被刺刀刺死，一些人被砍头，一些人被棒打致死……”无名烈士墓更刻着“我们不会忘记”的字样。
20260608 ? 《少爷的女佣》正版观看据报道，Codex目前500万周活跃用户中，多数为付费用户，但仍有相当比例尚未付费。相比之下，Anthropic的Claude Code和Claude Cowork仅向付费用户开放，不披露用户数量。玖辛奈的浮殇TXT"所有重大技术变革都会催生泡沫。没有人能完全精准把握时机。你要么投入巨额资金抢占市场份额而不计较是否过度投资，要么因投入不足而失去市场份额。"
20260608 ? 《少爷的女佣》正版观看根据SpaceX周五提交的文件，谷歌将从今年10月起至2029年6月，每月向SpaceX支付9.2亿美元的算力费用，合同总金额约达300亿美元。这是谷歌在数周内与AI领域竞争对手达成的第二笔此类协议。《咬痕》by轻风几许据央视新闻援引路透社援引知情人士消息报道称，美国太空探索技术公司（SpaceX），计划在首次公开募股中，以每股135美元的价格，募资750亿美元，这将使其成为历史上规模最大的IPO。
京公网安备11010202000001号
