一段原本为英伟达 cuda 架构开发的计算程序，几乎无需改动核心内核代码，便成功在配备 m3 pro 芯片的苹果设备上原生运行。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
这一成果由 X 平台用户 @Abhinav 昨日公开披露。尤为引人注目的是，它并非仅限于基础向量运算（如加减乘除）的简单验证，而是在真实三维流体仿真任务中，实现了接近 10 倍的性能跃升。
支撑这项突破的关键角色之一，是名为 GPT-5.6 Sol 的人工智能模型。
整个实验基于开源科学计算框架 OpenFPM 展开。研究团队长期致力于一项被广泛视为“近乎不可能”的目标：将原本专为 CUDA/HIP GPU 编写的高性能计算代码，无缝迁移至苹果自研的 Metal GPU 架构之上。
为何如此困难？过去十余年，GPU 加速生态高度割裂——英伟达主推 CUDA，AMD 推出 HIP，苹果则构建了独立的 Metal 生态。三者如同互不相通的语言体系，彼此缺乏兼容性。一段标准 CUDA 程序，往往需经历大量重写与适配，才可能在其他平台运行。
但此次，开发者并未选择从头编写 Metal 版本，而是构建了一条跨层转换通路：原始代码先经 Clang/HIP 工具链预处理，再通过 SPIR-V 中间表示、Vulkan 抽象层及 MoltenVK 转译层，最终使 Metal GPU 能够准确识别并高效执行。
尤为关键的是，整个方案完全规避了对 Metal 原生粒子 API 的依赖。上层应用仍沿用熟悉的 CUDA/HIP 风格 kernel 启动方式，真正实现了硬件无关的抽象层设计。
在此过程中，GPT-5.6 Sol 扮演了核心调试与优化助手的角色。它协助完成了设备端内存布局的自动构建，并在约 6 小时内定位了 MoltenVK 与 SPIR-V 在特定场景下的兼容性缺陷，进而提出可行的绕过策略。
项目地址：https://www.php.cn/link/d26ae0228558cc592421572080b5e8d5
真正检验该方案可靠性的，是一组极具挑战性的测试用例——三维 SPH 大坝溃决模拟。该任务涵盖扫描与排序、单元格划分、邻域列表构建、ghost 粒子通信、归约操作及原子操作等多个高复杂度模块，任一环节失效均可能导致性能骤降或物理结果失真。
然而实测结果远超预期：在搭载 M3 Pro 的苹果设备上启用 Metal GPU 加速后，完成模拟耗时约 6 秒；若仅使用 CPU 串行计算，则需约 60 秒。换言之，仅更换计算后端，即获得近 10 倍加速比，且 GPU 利用率稳定在 100% 左右（印证了转换链路的高效性）。
更重要的是，这一加速并未以精度折损为代价。研究人员对比分析了仿真输出，确认 Metal GPU 版本与原始 CUDA 版本所得物理结果高度一致——包括关键状态变量、演化轨迹等均保持数值收敛，表明苹果 GPU 不仅能跑，更能胜任严谨的科学计算任务。
团队进一步指出：粒子数据存储空间随粒子总数 N 呈线性增长，而邻居搜索等核心操作的时间复杂度约为 O(N·k)（其中 k 为单位密度下平均邻域数）。当前展示的 10 倍提速，是单机环境下的前后端对比结果。展望未来，借助苹果 Thunderbolt 接口支持的 RDMA 技术，还可实现多机协同与动态负载均衡，推动仿真规模横向扩展。
当然，这项进展尚不足以撼动现有 GPU 产业格局。目前 Apple Silicon GPU 的一大短板，在于对双精度浮点运算的支持较弱，而气象建模、航天器仿真等高端科学计算场景严重依赖高精度浮点能力。因此，在超算级应用中，英伟达专业 GPU 依然具备不可替代的优势。
也有声音对该项目的实际价值提出质疑。一位网友评论道：“市面上明明存在更成熟的平台，非要在 Mac 上跑这类轻量仿真，意义何在？”其潜台词是：MacBook 的 GPU 再快，本质仍是消费级芯片，此举更像是技术秀而非实用突破。
对此，开发者回应坦率而务实：“最大的价值，就是有趣，以及让日常开发更顺畅。”他解释称，团队的大规模仿真始终运行于集群环境，而本次能在 Apple Silicon 上顺利执行，恰恰验证了其底层设备抽象层设计的有效性。更现实的需求来自本地开发流程——大型仿真上线前，必须通过小规模实例反复调试；若全程依赖 CPU，效率极低；而仿真结果常达数 GB，通过 SSH 传输极为缓慢，远程桌面又响应迟滞、体验不佳，本地直接运行反而是最优解。最理想之处在于：在笔记本上调试通过的同一份代码，无需任何修改，即可直接部署至 GPU 集群并自动完成规模扩展。
这项探索还揭示了一个重要趋势：一套统一的 CUDA/HIP 风格算法，已可较为透明地运行于 Apple Silicon 等异构硬件后端之上。未来，软件开发者或将摆脱单一 GPU 生态的绑定束缚。
同时，这也标志着 AI（GPT-5.6 Sol）正从“辅助编码”迈向“深度参与底层系统设计、跨平台工程调优与系统级调试”的新阶段。
苹果 GPU 此次跨越 CUDA 技术鸿沟，或许只是更大变革的起点。
参考链接：https://www.php.cn/link/b52156c8aac1434d38838ef84dfbd701
本文来自微信公众号 “机器之心”（ID：almosthuman2014），作者：机器之心，36氪经授权发布。
