一份CUDA源碼，跑上了蘋果GPU

一段原本為 NVIDIA CUDA 設計的計算程式，幾乎不需要修改核心程式碼，就直接在搭載 M3 Pro 晶片的蘋果設備上順利執行。這項突破是由 X 平台用戶 @Abhinav 於昨日公開的進展，迅速引發開發者社群的高度關注。更令人驚豔的是，這並非只是簡單的「向量加減乘除」這類基礎運算展示，而是在真實的三維流體模擬任務中，實現了約 10 倍的速度提升。這項成果不僅證明了跨平台 GPU 運算的可行性，也為長期以來被 NVIDIA CUDA 生態主導的高效能計算領域，帶來全新的想像空間。這項突破背後，有一個特殊的參與者——GPT-5。

整個實驗發生在開源科學計算平台 OpenFPM 上，研究人員長期以來一直在嘗試一件許多人認為「不太可能」的事情：讓原本專為 CUDA 或 HIP GPU 設計的高效能計算程式，跨越平台壁壘，順利運行到蘋果自家的 Metal GPU 架構上。過去十幾年來，GPU 運算領域一直處於高度碎片化的狀態。NVIDIA 有 CUDA，AMD 有 HIP，蘋果則有 Metal。一個用 CUDA 寫成的程式，通常需要耗費大量人力與時間重新改寫，才能在其他平台上執行。這不僅增加了開發成本，也限制了科學計算與機器學習領域的跨平台協作。

然而，這次開發者並沒有選擇重新開發一套 Metal 版本，而是巧妙地搭建了一條轉換通道。整個流程大致是：程式先經過 Clang 與 HIP 的處理，再透過 SPIR-V、Vulkan 以及 MoltenVK 等中間層進行轉譯，最終讓蘋果的 Metal GPU 能夠理解並高效執行這些原本為 CUDA 設計的指令。這條轉換通道的關鍵在於，它幾乎不需要修改原始 CUDA 程式碼的核心邏輯。研究人員表示，他們僅針對極少數與平台相關的細節進行調整，絕大多數的內核程式碼都維持原樣。這意味著，過去需要耗費數月甚至數年才能完成的跨平台移植工作，如今可能大幅縮短。

值得注意的是，GPT-5 在這次實驗中扮演了輔助角色。研究人員利用 GPT-5 協助分析與優化轉換過程中的程式碼相容性問題，並針對 Metal GPU 的架構特性提出建議。雖然 GPT-5 並非直接參與編譯或執行，但其在程式碼理解與建議生成方面的能力，確實加速了整個驗證流程。三維流體模擬是一項對運算資源要求極高的任務，通常需要大量平行運算能力。過去，這類模擬幾乎只能在配備 NVIDIA GPU 的系統上高效執行，因為 CUDA 生態提供了成熟的函式庫與最佳化工具。如今，蘋果的 M3 Pro 晶片也能在幾乎不修改程式碼的情況下，展現出約 10 倍的速度提升，這對科學計算社群來說無疑是一劑強心針。

這項成果也引發了關於 GPU 運算生態未來走向的討論。長期以來，NVIDIA 憑藉 CUDA 建立了強大的護城河，許多高效能計算應用都深度依賴其生態系統。然而，隨著蘋果、AMD 等競爭對手持續強化自家 GPU 架構，以及開源社群不斷開發跨平台轉換工具，CUDA 的獨佔地位正面臨挑戰。OpenFPM 平台本身是一個專注於高效能科學計算的開源框架，目標是讓研究人員能夠更輕鬆地編寫與部署平行運算程式。這次成功將 CUDA 程式碼跑上蘋果 GPU，不僅驗證了 OpenFPM 的跨平台設計理念，也為未來更多科學計算應用在蘋果生態系統中落地鋪平了道路。

目前，這項技術仍處於早期驗證階段，距離大規模商業應用還有一段距離。研究人員表示，他們將持續最佳化轉換通道的效能，並探索更多類型的 CUDA 程式能否順利移植。同時，他們也呼籲更多開發者加入測試與貢獻，共同推動 GPU 運算的跨平台標準化。對於一般使用者來說，這項進展最直接的影響可能是：未來在 Mac 電腦上執行高效能計算或機器學習任務時，將不再需要依賴 NVIDIA 的硬體。蘋果的 M 系列晶片本身具備強大的 GPU 效能，若能搭配成熟的跨平台運算框架，將大幅提升 Mac 在科學計算領域的競爭力。整體而言，這項實驗不僅展示了技術上的可能性，也反映了開源社群與大型語言模型協作的新模式。

GPT-5 的參與雖然並非主導，卻凸顯了 AI 輔助開發在解決複雜系統相容性問題上的潛力。隨著這類工具持續演進，未來跨平台 GPU 運算的門檻可望進一步降低。