第三届编译系统前沿技术与应用——从软硬协同到认知智能的编译进化

人员

报告安排

1. 从语法范式到认知智能：编译器、编程语言、IDE 与 AI Agent 深度融合演进

   高耀清 · 华为公司

   简介

   大模型与智能体技术商业化爆发，软件开发范式正从传统人工编码加速转向 AI 原生智能开发，编程语言与编译工具创新迎来新机遇，同时伴随多重技术挑战。本演讲聚焦 AI 时代编程编译技术的智能化转型，提出编程语言、编译器、IDE和AI Agent深度融合的编程编译基础设施：以编程语言为认知桥梁承载语法范式创新，以编译器为底层执行与优化引擎保障确定性与性能，以 IDE 为智能协作环境载体，以 AI Agent 为核心驱动需求理解、任务规划及工具链编排。旨在破解算力多样化带来的编程碎片化与性能调优难题，推动编程编译技术向智能化、自演进方向发展。

2. CLoopGen：面向循环优化模型的可执行程序自动构建框架

   黄春 · 国防科技大学计算机学院

   简介

   当前人工智能方法逐步应用于编译优化，为复杂程序和多样化硬件平台上的自动性能优化提供新的路径，而高质量训练与评估数据则是决定相关方法能否走向真实应用的关键基础。现有循环语料主要来自小型基准程序或自动生成代码，在程序结构、数据访问模式和性能特征等方面覆盖有限，难以充分反映真实应用中的循环特征，制约了循环优化模型的训练效果与泛化能力。本次报告介绍 CLoopGen，一个面向循环优化模型的可执行程序自动构建框架，探讨如何从真实 C 程序中提取循环代码片段，结合大语言模型将非完整代码转化为可独立运行的循环内核，并通过引导式变异扩展语料的结构与性能特征空间，构建高质量语料，并在循环展开和循环向量化模型中发挥实际应用价值。

3. 面向高利用率的加速器虚拟化及混合部署技术

   陈全 · 上海交通大学

   简介

   大模型推理服务、轻量级模型部署等场景中，算力的使用呈现出高度的碎片化与潮汐化特征。与此同时，加速器单体性能的飞速膨胀，使得传统的整卡粗粒度分配模式难以匹配上层复杂多变的负载，加剧了硬件隐性闲置。本报告将介绍面向高利用率的加速器虚拟化技术，以支撑各类应用混合部署实现加速器资源利用效率的最大化。然后，以大模型的Prefill-Decode分离部署为例，介绍上述虚拟化技术的成效。

4. MoKOpt:面向仓库级代码优化的技能混合框架

   姚培森 · 浙江大学

   简介

   基于大模型的代码智能体在仓库级性能优化任务中仍面临显著挑战。代码优化不仅须严格保留程序语义，还需完成两项核心工作:一是诊断程序的性能瓶颈,二是在存在噪声、且性能依赖负载变化的实测环境中验证优化增益。现有方法大多遵循实例驱动范式,仅依赖局部性能剖析信号、沿单一优化路径求解,难以在不同代码仓库间迁移复用优化知识。这一机制使智能体容易过拟合偶发的热点代码,而无法充分利用具有普适性的优化策略。 为此,本工作提出 MoKOpt——一种面向仓库级代码优化的新型框架,将代码优化建模为技能混合(Mixture-of-Skills, MoK)任务。该框架包含三项核心机制: 1. 技能蒸馏与结构化编码: 对专家优化补丁进行知识蒸馏,构建可复用的技能卡片,对优化的适用条件与代码变换意图进行结构化编码; 2. 多分支假设探索: 依据性能剖析报告,将候选优化技能映射为相互独立的补丁生成分支,实现对多种优化假设的系统性探索; 3. 阶段隔离: 通过分阶段的独立状态与代码上下文实现阶段隔离,有效降低多分支之间的相互干扰。 我们在 Codex、Claude Code、Copilot 等多类基础智能体上开展了仓库级优化实验。MoKOpt 将可复用的优化知识、多样化的搜索策略与执行级效果验证相结合,突破了传统"单一路径、实例专属"的优化模式。在全部实验配置下,MoKOpt 均优于现有主流智能体优化基线;相较于开发者编写的专家补丁,其优化性能最高提升达 250.90%

5. 体系结构和编译器协同设计的确定性时空计算人工智能系统

   钱学海 · 清华大学

   简介

   本报告介绍一种时空计算的低时延且执行时间可预测的体系结构（Timely Token Processing Unit, 简称TTPU），并基于这种新型架构构建全栈人工智能系统。我将阐述TTPU的概念和设计原则，以及单TTPU和多TTPU的体系结构关键问题。特别强调编译器在TTPU中扮演的核心地位，并针对单TTPU和多TTPU执行模型讨论编译器需要解决的关键问题。最后，将概述基于TTPU的混合GPU/NPU-TTPU系统和边缘人工智能系统的完整系统组织结构。