赵文渊没把这些话说出来,乖乖的从代码库里找出了一个算子的代码做例子。
scaled_dot_prodct_attention
这是变形金刚(Transformer)架构中比较重要的一个算子,可以说没有这个就做不了大模型。
“N卡那边有专门的函数,性能和精度都做过深度优化,我手头连个等价实现都没有。”
韩路一拉过一个椅子坐在电脑前,接过鼠标,打开浏览器把相关的CDA源代码、国产显卡的IR文档、HCCL SDK都打开来。
赵文渊在旁边看的一愣:
“韩总,你要干什么?——你不会是要,自己写吧。”
韩路一头也没擡:“试一试。”
试一试?赵文渊心里吐槽,韩总,这可是一个团队几个月的工作量。
韩路一已经打开视界,把CDA实现中的几个关键地方都扫了出来,然后把要适配国产显卡的要点总结了一下。
接着韩路一在赵文渊的电脑上打开了姜亦心的AI智能体编程工具。
但他没把视界看到的关键信息都输进去。
他想先看一眼,仅靠模型自己能做到什么程度。
他输入了第一段提示词:
“把这个 CDA算子翻译成国产卡 IR实现。要求精度误差小于 1e-5,性能不低于 N卡实现的70%。下面三份文档作为上下文。”
然后把浏览器里的链接地址都打了进去。
很快AI智能体开始自己分解任务、解决任务,最后汇总。
三分钟后,第一版结果出来了。性能接近 68%,但精度偏差太大了。
一个大大的红色FAIL显示在屏幕上。
赵文渊在旁边松了一口气。
这才正常嘛。
他对韩路一说:“韩总你看,这就是我说的难点,做不过来——”
韩路一没有回应赵文渊。
他重新打开CDA的源代码,开了视界。
普通人看代码,看到的是字符。赵文渊看代码,看到的是逻辑。
但视界让韩路一看到的是另一层东西,不只是代码在做什么,还有代码为什么这样做。
每一个设计选择背后的权衡,都像批注一样浮现在代码旁边。
为什么softmax没有用最直觉的实现方式,而是拆成了三个阶段?因为直觉实现在长序列上会有数值溢出。
为什么矩阵乘的分块是这个尺寸,不大也不小?因为再大shared memory放不下,再小会产生内存冲突。
这些东西没有写在任何文档里。它们是英伟达的工程师经过无数次实验之后沉淀下来的经验,藏在代码的结构里,只有真正理解硬件的人才能读出来。
赵文渊不是读不懂代码,他只是没办法在几天之内,就把别人几年的工程经验全部提炼出来。
但是视界可以,韩路一可以。
韩路一关掉第一版的提示词,重新输入。
这一次,他没有让智能体自由发挥。
而是把视界看到的东西直接输入进去。