ABACUS 开源优化展示鲲鹏算子调优路径

ABACUS 在鲲鹏 920 上的加速，靠的是把编译链、数学库、硬件指令和热点算法一起调通。北大团队报告：相同 28 核配置下，SVE 版本在标准测试集上快 1.3 至 3.9 倍；另有单节点满核配置，最高快 10.7 倍。

这件事值得程序员关注的，是它展示了性能优化的几个层次：先让硬件能力被用起来，再消除算法里的浪费。但几组倍数的测试条件不同，不能合成一句「鲲鹏全面领先」。

同一套源码，为什么还要适配三条路径

ABACUS 是国内多家单位联合开发的开源密度泛函理论（DFT）软件，用于计算半导体、金属等材料的性质，用户超过一千人，应用单位过百家。它处理的是材料科学计算，不是通用业务服务。

适配的第一个问题，是鲲鹏 920 不同型号支持的向量指令并不相同，涉及 NEON、SVE、SVE512，还有矩阵运算单元。通用编译配置未必能用上这些能力，程序能运行，也可能只走基础计算路径。

团队为三款芯片分别配置工具链：两款使用 gcc-openmpi-openblas，生成 NEON 和 SVE 版本；第三款使用 clang-hmpi-kblas，生成 SVE512 和矩阵运算指令集版本。同时新增 USE_KML 编译选项，接入鲲鹏数学库（KML）。

替换数学库也需要处理接口差异。KFFT 与 fftw3、KScaLAPACK 与 ScaLAPACK 的函数签名和默认行为并不完全一致，因此团队调整了 FFT 接口的 OMP 配置，以及 abstol、orfac 两个默认值。

性能优化的起点，是确认程序实际使用了预期的硬件和软件路径。

加速数字成立，但不能混着比较

团队先验证正确性。NEON、SVE 和矩阵运算三个版本，均通过了平面波基组、线性组合原子轨道（LCAO）、随机波函数 DFT（sDFT）和深度学习泛函 DeePKS 等集成测试，报道说数值结果与业界主流实现一致。

标准性能测试覆盖 10 个材料体系，规模为 8 至 216 原子，采用周期性边界条件。双方配置均为 28 核、28 进程 ×1 线程，SVE 版本比受测主流 x86 CPU 快 1.3 至 3.9 倍。这组结果有相同核心数和进程配置作为比较基础。

最高 10.7 倍来自启用矩阵运算单元、单节点满核的另一组配置。随机轨道 DFT 算例中，SVE 版本快 2.8 至 3.1 倍，矩阵运算指令集版本快 6.1 至 20.1 倍。这些数字分别对应不同算例和运行条件。

原文没有给出对比 CPU 的具体型号、满核核心数、完整编译参数及各算例绝对耗时。因此，它能支持「这些配置和算例获得了加速」，还不足以支持所有工作负载上的硬件排名。

真正能复用的，是减少计算和搬运

硬件适配之后，团队继续拆解了 19 类核心算子，涉及基础数学函数、插值积分、球谐函数、矩阵变换、混合精度、TDDFT、DeePKS、近邻搜索和并行调度等模块。

其中几个改动很直观：

• 广义拉盖尔多项式原先递归计算，低阶结果被反复求值。改成迭代递推，只保留三个中间变量，复杂度降至 O(n)，百万次调用测试约快 8 倍。
• 多项式插值用二分查找替代顺序扫描。对于 400 项的表，平均比较次数从约 200 次降至 9 次。
• 通过数学化简、三角函数递推、循环不变量外提、查表复用和整数幂特化，减少重复计算；再通过混合精度、内存布局调整和负载均衡，减少访存与等待开销。

原文称所有算子都复核了数值结果，多数明显加速，部分达到数倍甚至十余倍。但单个算子的提速，仍不能直接当成整个程序的提速。

团队还使用 DevKit 源码自动优化能力。在鲲鹏 920 新型号上，8 原子温稠密碳 sDFT 算例快了 2.28 倍，512 原子 Si 的 LCAO 算例快了 2.66 倍。原文没有展开工具生成的具体改动，也没有明确这两组结果的基线，不能据此判断自动优化能普遍替代专家调优。

我的判断

我认可这次工作的顺序：先打通依赖并验证正确性，再针对热点改算法，最后尝试用工具复用经验。相比只换编译器或打开优化选项，它处理了编译工具难以自动消除的重复计算和数据访问问题。

不过，原文把编译器概括为只能看一条语句、一个循环，过于绝对。现代编译器能够分析更大的范围，只是未必能推导出领域公式、替换算法，或判断哪些近似计算可以接受。

这份报道给出了具体测试结果，但缺少完整、可复现的横向对照。更稳妥的理解是：它证明了软硬件联合优化在这些科学计算任务中的价值；对一般团队，能否取得类似收益，取决于热点是否相似，以及是否具备相应硬件和领域知识。

能拿来做什么

• 排查 Node 原生扩展或科学计算依赖的性能时，先确认实际加载的库、编译目标和硬件指令路径，避免只看安装成功与否。
• 遇到插值、表查找或递归计算热点时，优先检查重复求值和查找复杂度，再考虑增加并行度。
• 让 AI 编程工具优化热点代码时，同时提供基准输入和正确性校验，要求分别报告局部算子耗时与整体耗时。
• 阅读性能宣传时，把核心数、进程线程配置、算例规模和比较基线一起记录；条件没说清的倍数，先保留判断。