科技日报记者 张蕴
国产芯片的崛起之路始终与“自主可控”紧密相连。其中，编译优化技术——这个连接软件与硬件的“隐形桥梁”，长期成为制约国产芯片性能释放的关键瓶颈。
近日，大连理工大学“双擎智译”科研团队自主研发的OSCAR智能编译优化系统发布。该系统好比为国产芯片量身打造的高性能算力释放“引擎”，其核心任务是在不改变硬件设计的前提下，通过更智能的编译技术，把芯片的理论算力最大程度地转化为实际的应用性能，突破了国产芯片编译优化的核心瓶颈，为国产处理器性能迭代与生态建设开辟了新航道。
视觉中国供图
破解模型“水土不服”难题
在国产处理器向高性能计算升级的进程中，编译优化是充分释放芯片底层算力、保障设备适配性与运行稳定性的关键环节。长期以来，高端编译优化技术门槛高、壁垒大，成为制约国产芯片性能发挥与生态完善的关键短板。
“传统编译器通常采用固定优化流程，难以针对具体程序和硬件进行深度适配。”“双擎智译”科研团队负责人、OSCAR系统研发牵头人吴习哲说，传统编译方案中，编译优化遍顺序、参数配置与硬件特征之间关系复杂，依靠人工很难在庞大搜索空间中找到高质量优化方案，直接导致不少国产芯片的硬件设计潜力无法充分释放。
OSCAR的研发起点，源于2025年度中国青年科技创新“揭榜挂帅”擂台赛的赛题——“面向国产编译器的智能编译优化技术研究”。团队成员进入实验室后，即敏锐捕捉到国产芯片对高端编译优化技术的迫切需求。
针对智能编译优化领域优化空间广、约束条件复杂、调优难度大的行业难题，团队摒弃传统单一启发式优化思路，创新融合大模型自适应优化、智能群体搜索算法与多层次智能决策机制，构建了面向国产处理器的多粒度系统调优框架。
研发过程中，团队首先要破解通用大模型在编译领域的“水土不服”问题。吴习哲介绍，通用大模型不了解严格的编译依赖和硬件性能约束，盲目生成策略易破坏程序正确性。为此，团队通过静态分析、规则约束和真实性能反馈，让AI只在合法搜索空间内生成和筛选优化策略，而非直接“凭经验”修改编译流程，守住了编译正确性的底线。
经过数百组程序测试与多轮模型迭代，OSCAR系统研发完成。与传统方案相比，该系统可自动完成策略生成、编译、运行和性能反馈全流程，大幅减少人工试错成本；同时，它能够联合优化编译优化遍顺序和参数，针对不同程序、不同处理器生成个性化编译方案，灵活性与可迁移性显著增强。
立足产业实际需求，团队围绕国产芯片架构在科学计算、大数据处理、AI推理等场景的编译痛点，持续开展智能优化设计、系统研发与真机验证。目前，系统已围绕SW64、X86、沐曦等平台开展适配，其中特定任务的科学计算场景优化效果最为突出。吴习哲解释，科学计算数值计算热点集中，更易发挥内联优化、循环优化和智能搜索的技术优势。
逐步打破国外生态依赖
编译器是连接软件与硬件的“核心桥梁”，也是芯片能力真正落地的关键环节。大连理工大学人工智能大连研究院院长江贺认为，掌握高端编译优化核心技术，对国产芯片产业自主可控具有全局性战略意义。
“一款芯片即使硬件设计再先进，如果编译器不能充分挖掘其指令集、流水线、缓存体系、向量计算等架构特性，实际性能也难以发挥。”江贺说，对于国产芯片而言，掌握高端编译优化技术不仅关系单颗芯片性能，更关系整个产业链的自主可控。一方面，它能够持续释放硬件潜力，缩短新架构从设计到应用的周期；另一方面，它是构建软件生态的重要基础，决定了开发者能否低成本、高效率地迁移和开发应用。
长期以来，国内产业依托国外开源编译框架实现了快速发展，但如果长期停留在跟随式适配，关键优化能力完全依赖国外生态，仍将面临诸多潜在风险。江贺分析，国产处理器的新架构和特色指令往往难以及时获得深度支持，导致硬件优势难以充分发挥；更关键的是，若关键优化策略、性能演进方向主要由国外社区主导，我国在产业节奏和技术路线上的主动权将受到制约。
同时，编译优化本身是计算机领域公认最复杂的软件技术之一。现代编译器包含数百种优化策略，不同优化之间存在复杂耦合关系，还要兼顾性能、功耗、代码尺寸、编译时间等多个目标，本质上属于高维复杂优化问题。很多策略积累了几十年工程经验，很难依靠简单规则快速复刻。
“编译优化是一块必须啃下的‘硬骨头’。”江贺认为，只有真正掌握核心技术，才能建立国产芯片持续演进的能力，而不仅仅停留在完成适配的层面。
这一挑战促使国内科研团队与企业在编译技术领域持续攻坚，毕昇编译器、香山编译器，以及OSCAR系统等，正是这一战略需求下的突破性成果。
需加快建立产学研协同机制
当前，AI技术正推动编译领域的范式变革。江贺坦言，过去，新的优化策略需要专家长期分析程序行为、总结规律，再手工编写复杂规则，周期长、覆盖有限，难以适配日益复杂的新型硬件架构。AI引入后，编译器能够从大量程序和优化案例中自动学习规律，根据具体程序动态选择优化策略。江贺认为，未来的方向并非AI取代传统编译器，而是规则驱动与数据驱动深度融合：传统优化保证正确性和稳定性，AI负责复杂决策和性能探索，二者优势互补。
放眼国内编译优化领域整体格局，近年来国内高校、科研院所和工业界积极布局，在国产芯片适配、AI编译、异构计算编译等方向成果显著，但与国际先进水平相比，仍存在差距。一是长期工程能力与真实数据积累的综合差距，国际主流编译器经过数十年演进，形成成熟优化体系与工程能力，并依托海量真实场景持续迭代；二是开放生态与协同创新体系的差距，国际上已形成产学研深度协同的创新网络，技术演进效率高、覆盖面广；三是高水平人才体系培养的差距，编译技术横跨多个领域，对复合型人才要求极高，国内相关人才储备和培养机制仍需加强。
针对国产芯片架构多样、应用场景碎片化的编译适配难题，江贺认为，通用优化框架与垂直场景深耕并非对立，而应协同发展。一方面要建设统一开放、可扩展的通用编译框架，降低重复开发成本；另一方面要针对高性能计算、AI、工业控制等差异化场景开展深度定制优化，充分释放硬件特色。“底层建立统一能力，上层形成特色优化模块，既可提高生态兼容性，又能充分释放不同芯片的性能优势。”江贺说。
在江贺看来，推动智能编译产业化，最关键的是建立紧密的产学研协同机制。企业拥有真实应用场景和产业需求，高校具备算法创新和人才培养优势，双方共建开放测试平台、共享基准数据、联合攻关关键技术，才能持续推动智能编译从实验室走向产业一线，为国产芯片构建更加自主、高效、智能的软件生态。
随着OSCAR系统等创新成果的持续迭代与落地，国产芯片“翻译官”正加速成长。这不仅是技术的突破，更是中国智造在自主可控道路上迈出的关键一步。
网友评论
