Sebuah program komputasi yang awalnya dirancang untuk NVIDIA CUDA hampir tidak memerlukan modifikasi kode kernel dan langsung berjalan di perangkat Apple yang dilengkapi M3 Pro.
Ini adalah kemajuan yang diumumkan oleh pengguna X @Abhinav kemarin. Yang lebih mengejutkan, ini bukan sekadar demonstrasi "penjumlahan, pengurangan, perkalian, dan pembagian vektor", melainkan mencapai peningkatan kecepatan sekitar 10 kali dalam tugas simulasi fluida tiga dimensi nyata.
Di balik hal ini, ada peserta khusus — GPT-5.6 Sol.
Kejadian ini terjadi di platform komputasi ilmiah open-source OpenFPM. Para peneliti telah melakukan sesuatu yang dianggap banyak orang "tidak mungkin": menjalankan program komputasi berkinerja tinggi yang awalnya dirancang untuk GPU CUDA/HIP, melewati hambatan platform, ke arsitektur GPU Metal milik Apple.
Mengapa ini sulit? Selama satu dekade terakhir, bidang komputasi GPU sangat terfragmentasi—NVIDIA memiliki CUDA, AMD memiliki HIP, dan Apple memiliki Metal. Ekosistem-ekosistem ini seperti bahasa yang berbeda, saling tidak kompatibel. Sebuah program yang ditulis dengan CUDA biasanya memerlukan penulisan ulang besar-besaran agar dapat berjalan di platform lain.
Namun, kali ini, pengembang tidak memilih untuk mengembangkan ulang versi Metal, melainkan membangun saluran konversi: program pertama-tama diproses melalui Clang/HIP, lalu melewati lapisan perantara seperti SPIR-V, Vulkan, dan MoltenVK, sehingga GPU Metal Apple dapat memahami dan menjalankannya secara efisien.
Yang lebih penting, mereka sama sekali tidak menambahkan API partikel khusus Metal. Lapisan aplikasi tetap menggunakan panggilan kernel bergaya CUDA/HIP yang sudah ada, mencapai transparansi perangkat keras yang sejati.
Dalam proses ini, GPT-5.6 Sol memainkan peran kunci. Ia membantu menyelesaikan pembangunan tata letak memori di perangkat, menemukan masalah kompatibilitas di MoltenVK dan SPIR-V dalam waktu sekitar 6 jam, serta merancang solusi sementara yang sesuai.
Tautan proyek: https://github.com/mosaic-group/openfpm/pull/18
Ujian sebenarnya terhadap pekerjaan ini adalah kasus uji kompleks—simulasi banjir bendungan SPH tiga dimensi. Tugas ini memerlukan penanganan simultan terhadap beberapa modul kompleks, termasuk pemindaian, pengurutan dan penataan ulang, pembangunan sel dan daftar tetangga, pertukaran partikel ghost, operasi reduksi, serta operasi atom; masalah pada satu tahap pun akan menyebabkan penurunan performa atau penyimpangan hasil fisika.
Namun, hasil pengujian melebihi harapan. Pada perangkat Apple dengan chip M3 Pro, menggunakan Metal GPU, proses selesai dalam sekitar 6 detik; sedangkan dengan perhitungan berurutan menggunakan CPU, membutuhkan sekitar 60 detik. Artinya, dengan program yang sama, hanya dengan mengganti perangkat komputasi, terjadi peningkatan kecepatan sekitar 10 kali lipat, dan pemanfaatan GPU mendekati 100% (menunjukkan efisiensi konversi yang sangat tinggi).
Yang lebih penting lagi, peningkatan kecepatan tidak diperoleh dengan mengorbankan akurasi. Pengembang memeriksa lebih lanjut hasil simulasi dan menemukan bahwa hasil fisik akhir dari versi GPU Apple dan versi komputasi asli tetap konsisten, dengan parameter kunci dan lintasan simulasi yang sangat mirip. Ini berarti bahwa GPU Apple tidak hanya berjalan, tetapi benar-benar menyelesaikan tugas komputasi ilmiah.
Developer lebih lanjut menunjukkan bahwa penyimpanan partikel tumbuh linier seiring jumlah partikel N, sedangkan beban kerja seperti pencarian tetangga kira-kira O(N・k) (k adalah jumlah tetangga pada kepadatan tetap). Akselerasi 10 kali yang saat ini ditampilkan merupakan hasil perbandingan backend tunggal. Di masa depan, dengan memanfaatkan teknologi RDMA yang didukung oleh Apple Thunderbolt, dimungkinkan untuk mewujudkan penyeimbangan beban dinamis antar perangkat, memungkinkan simulasi untuk diskalakan di beberapa perangkat.
Tentu, terobosan ini masih jauh dari mengubah seluruh industri GPU. Salah satu batasan terbesar saat ini pada GPU Apple Metal adalah kurangnya dukungan untuk komputasi floating-point presisi tinggi, yang banyak digunakan di berbagai bidang ilmiah profesional yang bergantung pada operasi double-precision. Oleh karena itu, dalam skenario superkomputasi seperti prediksi cuaca dan simulasi aerospace, GPU profesional NVIDIA masih unggul.
Namun, ada juga yang mempertanyakan makna eksplorasi ini; seorang pengguna internet berkata: "Di pasaran jelas ada banyak sistem yang jauh lebih cocok, lalu apa gunanya menjalankan simulasi kecil semacam ini di Mac?" Maksudnya adalah, seberapa cepat pun GPU MacBook, tetap saja bukan dirancang untuk komputasi ilmiah, sehingga kegiatan ini terdengar lebih seperti sekadar pamer teknis.
Respons pengembang sangat jujur: “Manfaat terbesarnya adalah menyenangkan dan memudahkan pekerjaan.” Ia menjelaskan bahwa simulasi skala besar tim sudah berjalan di klaster, dan berhasil berjalan di arsitektur Apple ini justru membuktikan bahwa desain lapisan abstraksi perangkat valid. Alasan yang lebih praktis tersembunyi dalam pengembangan sehari-hari—sebelum menjalankan simulasi besar, selalu diperlukan simulasi kecil untuk debugging, tetapi debugging lokal menggunakan CPU terlalu lambat; hasil simulasi seringkali mencapai beberapa GB, sehingga tidak bisa dikirimkan lewat SSH, sementara desktop jarak jauh terlalu berat dan sulit digunakan, jadi lebih baik dijalankan langsung di lokal. Yang paling hebat adalah, kode yang berhasil di-debug di laptop dapat langsung dipindahkan tanpa perubahan ke klaster GPU dan secara otomatis dapat diskalakan.
Eksplorasi ini juga membuktikan bahwa satu set algoritma gaya CUDA/HIP dapat dijalankan secara relatif transparan pada berbagai backend perangkat keras, seperti Apple Silicon. Di masa depan, pengembang perangkat lunak mungkin tidak lagi terikat pada satu ekosistem GPU saja.
Selain itu, ini juga menunjukkan bahwa AI (GPT-5.6 Sol) sedang memasuki tahap baru, yaitu tidak hanya membantu menulis kode, tetapi juga berpartisipasi dalam desain sistem dasar, optimasi, dan debugging lintas platform.
GPU Apple kali ini melintasi kesenjangan CUDA, mungkin hanya permulaan.
Tautan referensi: https://x.com/Abhinavsns/status/2079774018748694696
Artikel ini berasal dari akun WeChat "Machine Heart" (ID: almosthuman2014), penulis: Machine Heart