**Meta 提出软硬协同设计：在 AMD GPU 上实现 AI 训练性能 1.5 倍提升**

_Architecting for HW Diversity: Meta's E2E Co-Design for AI Training on AMD GPUs_

> Meta 发布研究，针对其异构硬件集群（含 NVIDIA、AMD 及自研加速器），提出三种可复用的硬件协同设计原则：通过重构模型结构以适配硬件特性、利用分析模型实现零预热最优内核选择、以及扩展代理工作流以优化微架构感知内核。该方法在推荐模型训练案例中，相比直接移植方案将端到端吞吐量提升最高 1.5 倍，并已将相关贡献开源至 PyTorch、Triton 和 ROCm 生态。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-10-19 09:55（北京时间）
- **原文**：[打开原文](https://arxiv.org/abs/2610.22230)