一份CUDA源码，跑上了苹果GPU

研究人员一直在做一件很多人认为「不太可能」的事情：让原本为 CUDA/HIP GPU 设计的高性能计算程序，跨过平台壁垒，运行到苹果自己的 Metal GPU 架构上。

一段原本为英伟达 CUDA 设计的计算程序，几乎无需修改内核代码，就直接跑在了一台搭载 M3 Pro 的苹果设备上。

这是 X 网友 @Abhinav 昨天公布的一项进展。更让人意外的是，它并非一个简单的「向量加减乘除」演示，而是在真实的三维流体模拟任务中，实现了约 10 倍的速度提升。

这件事的背后，有一个特殊的参与者 ——GPT-5.6 Sol。

事情发生在开源科学计算平台 OpenFPM 上。研究人员一直在做一件很多人认为「不太可能」的事情：让原本为 CUDA/HIP GPU 设计的高性能计算程序，跨过平台壁垒，运行到苹果自己的 Metal GPU 架构上。

为什么这很难？过去十几年，GPU 计算领域高度碎片化 —— 英伟达有 CUDA，AMD 有 HIP，苹果有 Metal。这些生态如同不同语言，互相不兼容。一个用 CUDA 写成的程序，通常需要大量重写才能在其他平台运行。

但这次，开发者没有选择重新开发一套 Metal 版本，而是搭建了一条转换通道：程序先经过 Clang/HIP 处理，再通过 SPIR-V、Vulkan 和 MoltenVK 等中间层，最终让苹果 Metal GPU 能够理解并高效执行。

更重要的是，他们完全没有添加任何 Metal 专用的粒子 API。应用层仍保留原有的 CUDA/HIP 风格 kernel 调用，实现了真正的硬件透明。

在这个过程中，GPT-5.6 Sol 发挥了关键作用。它帮助完成了设备端内存布局构建，用约 6 小时的时间发现了 MoltenVK 和 SPIR-V 中的兼容性问题，并设计了相应的变通方案。

项目链接：https://github.com/mosaic-group/openfpm/pull/18

真正考验这项工作的，是一个复杂的测试用例 —— 三维 SPH 大坝溃坝模拟。这个任务需要同时处理扫描、排序与重排、单元格和相邻列表构建、ghost 粒子交换、归约操作以及原子操作等多个复杂模块，任何一个环节出问题，都会导致性能下降或物理结果偏差。

但测试结果出乎预期。在搭载 M3 Pro 芯片的苹果设备上，使用 Metal GPU 运行，约 6 秒完成；使用 CPU 顺序计算，约 60 秒完成。也就是说，同一个程序，仅仅更换计算硬件，就获得了约 10 倍的速度提升，且 GPU 利用率接近 100%（表明转换效率很高）。

更重要的是，速度提升并不是以牺牲准确性换来的。开发者进一步检查了模拟结果，发现苹果 GPU 版本和原始计算版本最终得到的物理结果保持一致，包括关键参数和模拟轨迹都高度接近。这意味着，苹果 GPU 不仅跑起来了，而且真正完成了科学计算任务。

开发者进一步指出，粒子存储随粒子数 N 线性增长，而邻居搜索等工作量大致为 O (N・k)（k 为固定密度下的邻居数）。目前展示的 10 倍加速是单机后端对比的结果。未来，借助苹果 Thunderbolt 支持的 RDMA 技术，还可以实现多机动态负载均衡，让模拟在多台设备上扩展。

当然，这项突破距离改变整个 GPU 产业还有距离。目前苹果 Metal GPU 最大的限制之一，是对高精度浮点计算支持不足，而很多专业科学计算领域依赖双精度运算。因此，在天气预测、航空航天模拟等超级计算场景中，英伟达专业 GPU 仍然占据优势。

不过，也有人质疑这项探索的意义，一位网友表示：「市面上明明有那么多更合适的系统，在 Mac 上跑这种小仿真，到底有什么用？」言下之意是，MacBook 的 GPU 再快，也终究不是为科学计算而生的，这件事听起来更像一场炫技。

开发者的回应颇为坦率：「最大的用处，就是好玩，以及工作顺手。」他解释说，团队的大规模仿真本就跑在集群上，而这次能在苹果架构上跑通，恰恰验证了设备抽象层的设计是成立的。更实际的理由藏在日常开发里 —— 跑大仿真之前，总要先用小仿真调试，而本地调试靠 CPU 实在太慢；仿真结果动辄几个 GB，SSH 根本传不回来，远程桌面又笨重难用，不如直接在本地跑。最妙的地方在于，在笔记本上调试通过的那份代码，原封不动地放到 GPU 集群上，就能自动扩展规模。

这项探索还证明了：同一套 CUDA/HIP 风格的算法，可以相对透明地运行在 Apple Silicon 等不同硬件后端上。未来，软件开发者或许不再被单一 GPU 生态所绑定。

此外，这也展现了 AI（GPT-5.6 Sol）正在从「帮助写代码」走向「参与底层系统设计、优化和跨平台工程调试」的新阶段。

苹果 GPU 这次跨过 CUDA 鸿沟，可能只是一个开始。