KI-generierte GPU-Kernels übertreffen PyTorch in Effizienz

STANFORD / LONDON (IT BOLTWISE) – Ein Team der Stanford University hat gezeigt, dass große Sprachmodelle in der Lage sind, überraschend effiziente GPU-Kernels zu erzeugen, die in mehreren Tests die Standardfunktionen des populären KI-Frameworks PyTorch übertreffen.

Die jüngsten Forschungen der Stanford University haben das Potenzial von großen Sprachmodellen zur automatischen Erzeugung von GPU-Kernels aufgezeigt. Diese kleinen, spezialisierten Programme, die direkt auf NVIDIA-GPUs ausgeführt werden, sind darauf ausgelegt, Rechenschritte wie Matrixmultiplikationen oder Bildverarbeitung effizient umzusetzen. In mehreren Tests liefen die automatisch generierten Varianten schneller als die Standardroutinen in PyTorch, einem weit verbreiteten Framework für maschinelles Lernen.

Besonders beeindruckend war die Beschleunigung der Layer-Normalisierung, einem wichtigen Zwischenschritt in neuronalen Netzwerken, um das 4,8-Fache. Auch bei der Bildfaltung (Conv2D), der Softmax-Funktion und einer Kombination aus Bildfaltung, ReLU-Aktivierung und Max-Pooling zeigten die KI-generierten Codes deutliche Geschwindigkeitsvorteile. Diese Ergebnisse basieren auf einem Benchmark namens KernelBench, bei dem ein Sprachmodell PyTorch-Operatoren durch eigene CUDA-Implementierungen ersetzt, um die Ausführung auf der GPU zu beschleunigen.

Die Experimente nutzten die großen Sprachmodelle OpenAI o3 und Gemini 2.5 Pro, die in mehreren Runden parallelisierte Optimierungsstrategien verfolgten. Diese strukturierte Suche führte zu einer Vielfalt an Lösungsansätzen, die bekannte Optimierungsstrategien wie effizientere Speicherzugriffe und die gleichzeitige Ausführung von Rechen- und Speicheroperationen nutzten. Die leistungsfähigsten Varianten profitierten von fortgeschrittenen Programmiertechniken, die normalerweise nur von erfahrenen CUDA-Entwicklern umgesetzt werden.

Ein konkretes Beispiel zeigt, wie sich ein automatisch erzeugter Kernel für eine Bildfaltung innerhalb von 13 Varianten von 20 Prozent auf fast 180 Prozent der PyTorch-Leistung steigern ließ. Zu den Verbesserungen zählte unter anderem die Umwandlung der Faltung in eine Matrixmultiplikation, die auf spezialisierte Tensor-Cores der GPU zugreift. Auch das Vorberechnen von Speicherzugriffsindizes in einem schnellen Zwischenspeicher trug zur Leistungssteigerung bei.

Trotz der Erfolge gibt es Einschränkungen. Besonders bei modernen KI-Operationen mit geringerer Datenpräzision wie FP16 zeigten sich noch Leistungsdefizite. So erreichte ein automatisch erzeugter Kernel für die Matrixmultiplikation mit FP16 nur 52 Prozent der PyTorch-Leistung. Dennoch stellt das aktuelle Verfahren bereits einen Fortschritt dar, da solche Operationen zuvor nicht zuverlässig erzeugt werden konnten.

Die Forschenden betonen, dass dieser Ansatz ergänzend und nicht als Ersatz für weiteres Training gedacht ist. Durch die gezielte Suche entstehen auch synthetische Daten, die für das Training künftiger Modelle genutzt werden können. Der Ansatz ist somit ein Werkzeug zur Optimierung zur Laufzeit und gleichzeitig ein Beitrag zur datenbasierten Modellverbesserung.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!