在深度學習模型的推理與訓練過程中，絕大部分計算都依賴于底層計算內核（Kernel）來執行。計算內核是運行在硬件加速器（如 GPU、NPU、TPU）上的 “小型高性能程序”，它負責完成矩陣乘法、卷積、歸一化等深度學習的核心算子運算。

當前，這些內核通常由開發者使用 CUDA、AscendC、Pallas 等硬件專用并行編程語言手工編寫 —— 這要求開發者具備精湛的性能調優技巧，并對底層硬件架構有深入理解。

近年來，大語言模型（LLM）在代碼生成領域的突破，使 “自動生成高性能深度學習內核” 成為新的研究熱點。KernelBench、TritonBench 等評測基準相繼出現，主要聚焦于評估 LLM 在 NVIDIA GPU 內核生成上的表現。

已有研究表明，現有 LLM 已具備一定的 GPU 內核生成能力。例如，英偉達工程師基于 DeepSeek-R1 設計了一套工作流程，在簡單的 CUDA 內核生成任務中，該流程生成的內核在數值上全部正確，達到了 100% 的通過率。

然而，當前 AI 加速器架構日趨多樣（如 NVIDIA GPU、華為昇騰 NPU、Google TPU、Intel GPU 等），其底層內核語言差異顯著。現有評測基準普遍存在平臺覆蓋單一、評估維度粗糙、可擴展性不足等局限。在此背景下，關鍵問題浮現：大模型在 CUDA 生態下的優勢能否有效遷移至異構平臺？我們距離自動化生成高性能計算內核究竟還有多遠？

針對這些問題，近日，南京大學與浙江大學聯合推出全新開源評測框架 MultiKernelBench，打破平臺、維度與擴展性的限制，為 LLM 驅動的高性能內核生成提供了新的測評標準。

• 論文鏈接：https://arxiv.org/pdf/2507.17773
• 代碼鏈接：https://github.com/wzzll123/MultiKernelBench

MultiKernelBench 提出了一個開放評測場景：在 GPU、NPU、TPU 等多平臺上，LLM 自動生成高性能深度學習內核，并在真實設備中完成編譯、運行與性能驗證。它首次跨越單一硬件生態，推動 LLM 從 “單平臺選手” 邁向 “全能型選手”。

值得注意的是，MultiKernelBench 的設計充分考慮了算子多后端的可擴展性。例如，Intel 工程師基于該框架高效地實現了 Intel GPU 的適配。

MultiKernelBench 是如何構建的？

 為了確保任務覆蓋全面且具有可擴展性，研究團隊設計了一套模塊化評測體系，包含四大核心特性：

1、 跨硬件平臺支持

首批覆蓋三大主流架構：

• NVIDIA GPU（CUDA / Triton）
• 華為昇騰 NPU（AscendC）
• Google TPU（Pallas）

通過統一 Backend 接口與裝飾器機制，實現無需修改核心邏輯即可快速接入新平臺。

論文作者后續計劃逐步擴展對不同 GPU 和 NPU 廠商架構的支持，同時也誠邀各廠商參與開源生態的共建。

2、 細粒度任務體系

 在 Stanford KernelBench 基礎上重構分類框架，覆蓋 14 類核心深度學習算子（卷積、歸一化、優化器、稀疏計算等），不僅繼承了 250 個經典任務，還新增 35 個未被現有基準覆蓋的關鍵算子，全面反映 LLM 在不同算子類型上的生成能力。

3、 端到端自動化評測

構建標準化流程：內核生成 → 編譯 → 硬件執行 → 性能分析，確保在真實硬件環境中完成全流程驗證。

4、 類別感知 One-shot 提示策略

針對不同算子類別動態選取典型樣例作為上下文提示，顯著提升生成代碼的語義相關性與功能正確性，尤其在 AscendC、Pallas 等訓練語料稀缺的平臺上效果顯著。

此外，MultiKernelBench 提供插件式提示模板系統，方便研究者探索多樣化的提示工程策略。

對比現有基準，MultiKernelBench 帶來三大突破：

• 平臺覆蓋更廣：打破對單一生態的依賴，真正實現跨 GPU / NPU / TPU 的統一評測。
• 評估維度更細：任務分類粒度精細化，可定位 LLM 在不同算子類型上的優勢與短板。
• 擴展性更強：模塊化架構與統一接口設計，使其能夠伴隨 AI 硬件生態快速演進。

多模型實測，模型表現如何？

基于 MultiKernelBench，評估了包括 GPT-4o、Claude、DeepSeek-V3、Qwen 等在內的 7 個主流大模型，參數規模涵蓋 32B ~ 681B。

評估指標包括：

• Compilation@k：生成代碼是否能成功編譯 
• Pass@k：是否輸出功能正確的結果 
• SpeedUp@k：運行時是否實現性能優化

實測結果顯示：

• Claude-4-Sonnet 在整體評測中表現最佳；推理模型表現優異。
• CUDA 平臺的 Kernel 執行通過率顯著高于 Pallas 與 AscendC，反映出當前 LLM 對 CUDA 更具適應性。
• 類別感知式 Prompting 明顯優于通用模板，尤其在 AscendC 等訓練語料較少的平臺上，能顯著提升生成效果與成功率。

展望與未來計劃

MultiKernelBench 的評測結果表明，即便是當前最先進的大語言模型（LLM），在多平臺高性能內核生成任務中仍存在明顯短板：在非 CUDA 平臺上的成功率顯著下降，生成代碼的性能也普遍落后于手工優化版本。

未來，論文作者希望與社區共同推進 MultiKernelBench 的演進，重點探索以下方向：

• 更智能的提示策略：利用已有的插件式提示模板系統，開發反饋式、文檔增強等新型提示方法，提升低資源平臺的生成質量。
• 跨平臺協同生成：實現多平臺版本的同步生成與優化思路共享，增強跨架構泛化能力。
• 支持更多硬件后端：與社區合作接入更多新平臺，進一步覆蓋異構計算全景。

目前，MultiKernelBench 的全量數據集、框架代碼與評測流程已全部開源，歡迎研究者與工程師提出新方法、貢獻平臺支持，共同推動多平臺高性能內核自動生成的發展。