CASS: Nvidia to AMD Transpilation with Data, Models, and Benchmark
该论文介绍了 CASS，这是首个包含 6 万对验证数据的跨架构 GPU 代码（CUDA/HIP、SASS/RDNA3）翻译数据集与模型套件，其训练出的专用模型在翻译准确率和性能保持上显著超越商业基线，并配套发布了开源基准测试工具 CASS-Bench。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文介绍了一个名为 CASS 的突破性项目，它的核心目标是解决一个让很多科技公司头疼的大问题：如何让 Nvidia 显卡上的程序，在不重写代码的情况下，直接跑到 AMD 显卡上？
为了让你轻松理解，我们可以把这件事想象成**“跨国语言翻译”和“方言转换”**的故事。
1. 背景：两个互不相通的“方言区”
想象一下，世界上有两个巨大的计算机王国：
- Nvidia 王国：使用一种叫 CUDA 的语言（就像英语）。这是目前最流行的，几乎所有 AI 和科学计算都用它。
- AMD 王国：使用一种叫 HIP 的语言（就像中文）。虽然它很强大，性价比也很高，但 Nvidia 的代码直接拿过来是跑不通的。
问题在于：以前，如果你想把 Nvidia 的程序搬到 AMD 上，就像要把一本用英语写的《哈利波特》直接给只懂中文的人看，他们完全看不懂。你要么请人把整本书重新翻译（重写代码），这非常贵且慢；要么用一些笨拙的工具（像以前的翻译机），经常翻错，导致书里的魔法失效。
2. CASS 是什么？一位“超级翻译官”
CASS 就是为了解决这个问题而诞生的。它包含两样东西：
- 一本超级字典（数据集）：里面收录了 6 万条“完美对照”的例句。每一条都包含：Nvidia 的原始代码、AMD 的对应代码，以及它们底层最原始的“机器指令”（就像把英语和中文都拆解成了最基础的字母和笔画）。
- 一位超级翻译官（AI 模型）：这是一个专门训练出来的 AI，它读过那本超级字典，学会了如何精准地把 Nvidia 的“底层指令”翻译成 AMD 的“底层指令”。
它的厉害之处在于：以前的翻译工具只能翻译“表面文章”（源代码），一旦遇到复杂的底层逻辑就抓瞎。而 CASS 不仅能翻译表面，还能翻译**“灵魂”**（汇编代码/机器指令）。
3. 它是如何工作的？（像做实验一样）
作者们没有坐等别人送数据，而是自己建了一个**“全自动翻译工厂”**：
- 收集：从网上抓取了成千上万个 Nvidia 的程序。
- 合成：因为网上的好程序不够多，他们让 AI 自己“编造”了各种复杂的数学和图形任务，生成了更多样化的练习素材。
- 翻译与验证：用工具把 Nvidia 代码转成 AMD 代码，然后编译（尝试运行）。如果两个程序跑出来的结果一模一样，内存占用和速度也差不多，就认为这是一条“合格”的翻译。
- 训练：把这些合格的“原句 - 译文”对喂给 AI 模型，让它学会其中的规律。
4. 成果如何？（比顶级专家还强）
作者们搞了一个考试（CASS-Bench），让各种翻译工具来答题：
- 旧工具（如 Hipify）：像个只会查字典的初级翻译，准确率大概 87%。遇到复杂的“生僻字”（底层优化指令）就卡壳。
- 通用大模型（如 GPT-5, Claude）：这些是“博学多才”的翻译家，但它们没怎么学过显卡的“底层方言”，所以翻译准确率只有 20% 左右，经常胡编乱造（幻觉）。
- CASS 模型：这位“专科翻译官”表现惊人！
- 源代码翻译：准确率 88.2%（比旧工具更好）。
- 底层指令翻译：准确率 69.1%（这是以前没人做到的，因为太难了）。
- 最关键的一点：翻译出来的代码，95% 的情况下，运行速度和内存占用跟原版几乎一模一样。这意味着你换显卡后，程序不会变慢，也不会崩溃。
5. 为什么这很重要？（打破垄断的钥匙）
- 打破“厂商锁定”：以前，如果你用了 Nvidia 的生态，想换 AMD 显卡就得花大价钱重写代码。CASS 让这种转换变得像“换手机壳”一样简单。
- 降低成本：AMD 显卡通常更便宜。有了 CASS，公司可以用更便宜的硬件跑同样的 AI 模型，省下的钱可以买更多显卡。
- 开源精神：作者把数据、模型和测试工具全部免费公开了。这就像把“翻译秘籍”公之于众，让全世界的开发者都能来改进它，共同推动硬件的兼容性。
总结
CASS 就像是给显卡世界修了一座**“跨海大桥”。以前，Nvidia 和 AMD 是两个孤岛，代码过不去。现在，CASS 不仅造了桥，还派了一位精通两地“底层方言”的超级向导**，确保你带着货物（代码）过桥后，不仅没丢东西，跑得还一样快。
这对于未来降低 AI 计算成本、促进硬件市场竞争，是一个巨大的进步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。