一份CUDA源碼，跑上了蘋果GPU

機器之心編輯部

一段原本為英偉達 CUDA 設計的計算程序，幾乎無需修改內核代碼，就直接跑在了一臺搭載 M3 Pro 的蘋果設備上。

這是 X 網友 @Abhinav 昨天公布的一項進展。更讓人意外的是，它并非一個簡單的「向量加減乘除」演示，而是在真實的三維流體模擬任務中，實現了約 10 倍的速度提升。

這件事的背后，有一個特殊的參與者 ——GPT-5.6 Sol。

事情發生在開源科學計算平臺 OpenFPM 上。研究人員一直在做一件很多人認為「不太可能」的事情：讓原本為 CUDA/HIP GPU 設計的高性能計算程序，跨過平臺壁壘，運行到蘋果自己的 Metal GPU 架構上。

為什么這很難？過去十幾年，GPU 計算領域高度碎片化 —— 英偉達有 CUDA，AMD 有 HIP，蘋果有 Metal。這些生態如同不同語言，互相不兼容。一個用 CUDA 寫成的程序，通常需要大量重寫才能在其他平臺運行。

但這次，開發者沒有選擇重新開發一套 Metal 版本，而是搭建了一條轉換通道：程序先經過 Clang/HIP 處理，再通過 SPIR-V、Vulkan 和 MoltenVK 等中間層，最終讓蘋果 Metal GPU 能夠理解并高效執行。

更重要的是，他們完全沒有添加任何 Metal 專用的粒子 API。應用層仍保留原有的 CUDA/HIP 風格 kernel 調用，實現了真正的硬件透明。

在這個過程中，GPT-5.6 Sol 發揮了關鍵作用。它幫助完成了設備端內存布局構建，用約 6 小時的時間發現了 MoltenVK 和 SPIR-V 中的兼容性問題，并設計了相應的變通方案。

項目鏈接：https://github.com/mosaic-group/openfpm/pull/18

真正考驗這項工作的，是一個復雜的測試用例 —— 三維 SPH 大壩潰壩模擬。這個任務需要同時處理掃描、排序與重排、單元格和相鄰列表構建、ghost 粒子交換、歸約操作以及原子操作等多個復雜模塊，任何一個環節出問題，都會導致性能下降或物理結果偏差。

但測試結果出乎預期。在搭載 M3 Pro 芯片的蘋果設備上，使用 Metal GPU 運行，約 6 秒完成；使用 CPU 順序計算，約 60 秒完成。也就是說，同一個程序，僅僅更換計算硬件，就獲得了約 10 倍的速度提升，且 GPU 利用率接近 100%（表明轉換效率很高）。

更重要的是，速度提升并不是以犧牲準確性換來的。開發者進一步檢查了模擬結果，發現蘋果 GPU 版本和原始計算版本最終得到的物理結果保持一致，包括關鍵參數和模擬軌跡都高度接近。這意味著，蘋果 GPU 不僅跑起來了，而且真正完成了科學計算任務。

開發者進一步指出，粒子存儲隨粒子數 N 線性增長，而鄰居搜索等工作量大致為 O (N?k)（k 為固定密度下的鄰居數）。目前展示的 10 倍加速是單機后端對比的結果。未來，借助蘋果 Thunderbolt 支持的 RDMA 技術，還可以實現多機動態負載均衡，讓模擬在多臺設備上擴展。

當然，這項突破距離改變整個 GPU 產業還有距離。目前蘋果 Metal GPU 最大的限制之一，是對高精度浮點計算支持不足，而很多專業科學計算領域依賴雙精度運算。因此，在天氣預測、航空航天模擬等超級計算場景中，英偉達專業 GPU 仍然占據優勢。

不過，也有人質疑這項探索的意義，一位網友表示：「市面上明明有那么多更合適的系統，在 Mac 上跑這種小仿真，到底有什么用？」言下之意是，MacBook 的 GPU 再快，也終究不是為科學計算而生的，這件事聽起來更像一場炫技。

開發者的回應頗為坦率：「最大的用處，就是好玩，以及工作順手。」他解釋說，團隊的大規模仿真本就跑在集群上，而這次能在蘋果架構上跑通，恰恰驗證了設備抽象層的設計是成立的。更實際的理由藏在日常開發里 —— 跑大仿真之前，總要先用小仿真調試，而本地調試靠 CPU 實在太慢；仿真結果動輒幾個 GB，SSH 根本傳不回來，遠程桌面又笨重難用，不如直接在本地跑。最妙的地方在于，在筆記本上調試通過的那份代碼，原封不動地放到 GPU 集群上，就能自動擴展規模。

這項探索還證明了：同一套 CUDA/HIP 風格的算法，可以相對透明地運行在 Apple Silicon 等不同硬件后端上。未來，軟件開發者或許不再被單一 GPU 生態所綁定。

此外，這也展現了 AI（GPT-5.6 Sol）正在從「幫助寫代碼」走向「參與底層系統設計、優化和跨平臺工程調試」的新階段。

蘋果 GPU 這次跨過 CUDA 鴻溝，可能只是一個開始。

參考鏈接：https://x.com/Abhinavsns/status/2079774018748694696