一份CUDA源码，跑上了苹果GPU

2026年7月23日

无需重写内核代码，CUDA 程序竟在苹果 M3 Pro 上跑出 10 倍加速？背后这位“AI 工程师”藏不住了

想象一下这个场景：你有一段原本为英伟达 CUDA 设计的硬核计算程序，几乎没改动任何内核代码，就直接跑在了一台搭载 M3 Pro 芯片的 MacBook 上。

这不是什么科幻电影里的“跨次元”技术，而是昨天开源科学计算平台 OpenFVM 上真实发生的一幕。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。

而这件事的背后，站着一位特殊的参与者 —— GPT-5.6 Sol。

事情要从 GPU 计算领域的“碎片化”说起。

过去十几年，GPU 计算生态就像一座语言不通的巴别塔。英伟达有 CUDA，AMD 有 HIP，苹果有 Metal。这些生态如同不同的编程语言，互相不兼容。一个用 CUDA 写成的程序，通常需要开发者脱层皮，大量重写才能在其他平台上运行。

但这次，开发者玩了一把“极限操作”。他们没有选择重新开发一套 Metal 版本，而是搭建了一条奇妙的转换通道：

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。

最绝的是什么？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”。也就是说，代码以为自己在跑在英伟达显卡上，但实际上，它在苹果的硅片上狂奔。

这套复杂的转换管道并非一帆风顺。在这个过程中，GPT-5.6 Sol 发挥了关键作用。

它不仅仅是帮开发者“写几行代码”，而是深度参与了底层系统设计。它帮助完成了设备端内存布局构建，并在关键的 6 个小时内，敏锐地发现了 MoltenVK 和 SPIR-V 中的兼容性问题，并设计出了相应的变通方案。

这标志着 AI 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。

真正考验这项工作的，是一个极其复杂的测试用例 —— 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：

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%（表明转换效率极高）。

更重要的是，速度提升并没有牺牲准确性。 开发者检查发现，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。

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。

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且接地气：

“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：

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。

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)。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。

苹果 GPU 这次跨过 CUDA 鸿沟，可能只是一个开始。未来，软件开发者或许真的不再被单一 GPU 生态所绑定。

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

参考来源： X (Twitter) @Abhinavsns