AMD 团队详解 warp-pipelining：Triton GEMM 在 MI300/350/450 上追平手写汇编
xiaosun86 · x · 2026-10-28
AMD ROCm 团队发布 GPU 工程深度系列第三篇，讲解 warp-pipelining（又称 block ping-pong）调度技术：让两组 wave 相隔一个 stage 错峰执行，一组发射矩阵计算时另一组做数据准备与地址计算，用 barrier 维持偏移，从而在 compute-bound GEMM 中隐藏数据准备开销。
关键点：
- 在 MI355X FP16 GEMM（M=N=4096, K=8192）上，8-wave warp-pipelined kernel 达到 1,437 TFLOP/s，与手工调优的 4-wave kernel（1,425 TFLOP/s）性能持平，且两者均无寄存器溢出。
- 方法通过 Gluon block 编程在高层暴露低级调度控制，无需放弃性能即可获得更少代码、更少 token（对 agent 生成内核尤其友好）与更好的可验证性。
- 文章覆盖 stage 标注与 barrier 的写法、shared-memory 依赖的 wait 放置，以及 MI300X/MI350/MI450 上的适配差异，并附公开 kernel 示例与复现命令。
「编程与Agent」频道最新
- 零运行时 AI 设计生成器跑到第 8 轮,作者称第 10 轮可出新美学 — Afinetheorem · 2026-10-28
- 开源 Bygga:扫描宜家纸质说明书,生成 3D 动画组装指南 — nutlope · 2026-10-28
- 200MHz 老硬件冲 60fps:开发者分享 Dreamcast 游戏优化实战 — AIandDesign · 2026-10-28
- EnvLunch 用环境免标注造训练数据,agent 性能提升超 9% — KingsCollegeLondon · 2026-10-28
- 开发者实测:Opus 5.5 优化 Dreamcast 游戏竟无话可说 — AIandDesign · 2026-10-28
- Agent 故障恢复是不是被低估的难题？开发者讨论检查点与幂等性 — CuteClass9864 · 2026-10-28