أداة CompileIQ الجديدة من NVIDIA تكشف الإمكانات الكامنة في نوى GPU عبر ضبط معاملات المترجم البرمجي

كشفت NVIDIA عن CompileIQ، وهو نظام يختار تلقائيًا أفضل معاملات المترجم البرمجي لنوى GPU. ويستهدف الحل المرحلة الأخيرة من تحسين الأداء، حين تُستنفد الأساليب القياسية، مثل التكميم (quantization) ودمج النوى (kernel fusion) وتحسين الخوارزميات.

عندما تصطدم التحسينات اليدوية بجدار

تخيّلوا السيناريو التالي: أمضى المطوّرون أسابيع في تحسين استدلال LLM على GPU. ضبطوا أحجام الدفعات (batch size)، وكمّموا النموذج إلى FP8، وطبّقوا flash attention، ودمجوا النوى الصغيرة في kernel واحد، وأعادوا فحص استخدام الذاكرة. يقول أداة التحليل (profiler): «لا شيء آخر يمكن تحسينه». لكن CompileIQ يجد تسريعًا إضافيًا بنسبة 5-10% بمجرد تغيير أعلام المترجم.

فلماذا هذا ممكن؟ يضم المترجم NVCC (من CUDA) مئات المعاملات: مستويات التضمين (inlining)، واستراتيجيات التخزين المؤقت، وإدارة السجلات، وجدولة تدفقات warp. وتنتج عن تركيباتها ملايين الخيارات. أما فحصها يدويًا فيستغرق شهورًا. ويمكن لكل علم أن يغيّر أداء الشيفرة جذريًا على بنية GPU معيّنة.

كيف يعثر CompileIQ على التسريعات

يستخدم النظام تعلّم الآلة للبحث التلقائي عن المعاملات المثلى:

• فضاء البحث — يولّد النظام تركيبات من أعلام المترجم، بادئًا بالشائعة منها وصولًا إلى الغريبة
• التحليل (Profiling) — يُترجَم كل خيار ويُحمَّل على GPU ويُختبر تحت حمل عمل حقيقي
• تدريب النموذج — تكشف خوارزمية ML الارتباطات: أي الأعلام تؤثر في السرعة لنوع معيّن من الشيفرة
• التكيّف — تُضبط المعاملات وفق بنية GPU المحددة (H100 وL100 وRTX4090)
• التحقق — تُفحص الإعدادات النهائية على عدة أحمال عمل لضمان الاستقرار

والنتيجة: بدلًا من تجريب مئات التركيبات يدويًا، يجد النظام حلًّا قريبًا من الأمثل خلال ساعات من الحوسبة.

لماذا يوفّر ملايين الدولارات

في عصر النماذج اللغوية الكبيرة، تعني كل نسبة مئوية من الأداء توفيرًا حقيقيًا. ففي عناقيد GPU السحابية، تزيد كلفة نسخة H100 بنحو الضعف عن A100. وإذا حقق CompileIQ تسريعًا بنسبة 5-10%، فبوسع الشركة توفير ملايين الدولارات في البنية التحتية، ببساطة عبر عدم شراء وحدات GPU إضافية. وبالنسبة إلى شركة ناشئة تملك 100 وحدة GPU، قد يعني ذلك فارقًا بملايين سنويًا. أما الشركات التي تنشر نماذج خاصة (Llama وMistral وCode Llama)، فيحسّن كل تسريع زمن الاستجابة (latency) للمستخدمين النهائيين مباشرة، وهو أمر حاسم في بيئة الإنتاج.

«التحسين على مستوى المترجم هو آخر حدود الأداء التي يتجاهلها معظم المطوّرين لشدة تعقيدها.

CompileIQ يغيّر ذلك».

ماذا يعني ذلك

يمثّل CompileIQ اتجاهًا جديدًا في الذكاء الاصطناعي: استخدام تعلّم الآلة لتحسين تعلّم الآلة نفسه. فلم يعد المطوّر بحاجة إلى شهور من التجارب على أعلام المترجم؛ يكفي أن يزوّد CompileIQ بأداة التحليل (profiler)، ليجد النظام التسريع الكامن تلقائيًا. وهذا يخفض حاجز الدخول أمام الفرق التي لا تملك خبرة عميقة في تحسينات GPU منخفضة المستوى، ويجعل هذا المجال الحيوي أكثر إتاحة.