NVIDIA с помощью DeepSeek-R1 представила подход к оптимизации GPU

Компания NVIDIA провела эксперимент по автоматической генерации ядер GPU с использованием языковой модели DeepSeek-R1, что позволило достичь уровня производительности, превосходящего результаты ручной оптимизации в ряде случаев.

Основные выводы:

1. Искусственный интеллект впервые продемонстрировал способность превзойти человека в области низкоуровневой оптимизации GPU.

2. Для реализации данной технологии требуются значительные вычислительные ресурсы и время.

3. Данная разработка не является заменой труда программиста, а представляет собой новый инструмент автоматизации.

Достижения технического характера:

• Обеспечена 100%-ная точность на уровне Level-1 KernelBench для 100 базовых операций PyTorch.

• В сравнении с FlexAttention удалось добиться ускорения выполнения ряда операций до 2,1 раза.

• Применён метод inference-time scaling с замкнутым циклом верификации.

• Время генерации оптимальных решений составляет 10–20 минут на базе GPU H100.

Бизнес-перспективы:

• Возможное сокращение сроков разработки оптимизированных решений для GPU.

• Снижение зависимости от квалифицированных инженеров по работе с GPU.

• Автоматизация отдельных этапов процесса оптимизации производительности.

• Ожидаемый возврат инвестиций (ROI): ускоренная разработка при наличии соответствующего оборудования.

Эксперимент подтверждает как технический прогресс, так и намечающийся тренд к более глубокой интеграции искусственного интеллекта в разработку низкоуровневого ПО. Несмотря на то, что полная автоматизация остаётся перспективной задачей, этот проект стал важным шагом в создании инструментов разработки нового поколения.