文｜三少爺

最近，特斯拉推送了FSD V14.3，盡管有不少馬斯克的小迷弟、小迷妹開始腦補(bǔ)這一版FSD有多么驚艷，但是，既然依然采用小版本號，說明FSD的改善幅度真的很有限。

不過，這一版FSD的更新說明里還是有一行字引發(fā)了特斯拉的死忠粉對其硬核實力的無盡想象：“基于MLIR框架重寫AI編譯器與運行環(huán)境，實現(xiàn)20%更快反應(yīng)速度。”于是，一種聲音開始流傳了起來：特斯拉重寫了AI編譯器。

這個“重寫”顯然與事實相差甚遠(yuǎn)，特斯拉做的實際上是另一件事——這個且容我們稍后細(xì)說。但這次誤讀，像一塊無意間拋入水中的石頭，讓我們得以窺見水面之下長期涌動的暗流。原來，在自動駕駛這場硬仗里，還有一個戰(zhàn)略價值需要被重估、名為“編譯器”的隱形戰(zhàn)場。它不只是工程師后臺的工具，而是已經(jīng)成為決定算力效率、乃至系統(tǒng)能力上限的關(guān)鍵變量。

編譯器，算力效率的隱形裁判

談?wù)撟詣玉{駛系統(tǒng)的性能時，我們總是習(xí)慣性地仰望芯片的TOPS數(shù)字，或是算法模型的參數(shù)量級，但還有一環(huán)，常被忽略在聚光燈外，那就是編譯器。

本土頭號自動駕駛芯片廠商地平線曾經(jīng)總結(jié)過決定算力效率的三大要素：芯片架構(gòu)、算法、編譯器，其中，芯片架構(gòu)是硬件地基，算法設(shè)計是軟件藍(lán)圖，編譯器則是連接兩者的翻譯官與調(diào)度師。特斯拉使用的MLIR便是編譯器中的關(guān)鍵一環(huán)，為的就是通過更準(zhǔn)確的翻譯和更精細(xì)的調(diào)度，將其AI 4芯片的算力發(fā)揮得更加淋漓盡致一點。

圖片來源：地平線

為什么說編譯器這個翻譯官很關(guān)鍵呢？

想象一下，芯片是一個分工明確、各懷絕技的天才工匠團(tuán)，團(tuán)里面有擅長矩陣計算的、精于向量處理的、專攻高速緩存等各項任務(wù)的大師，算法是一份意圖宏大、結(jié)構(gòu)精妙的建筑圖紙。如果兩者之間只有一個笨拙的翻譯，看不懂圖紙的精妙之處，也無法利用工匠團(tuán)的獨門絕技，那么，再豪華的工匠團(tuán)，再精妙的藍(lán)圖，也會因為糟糕的協(xié)同調(diào)度而功虧一簣。

編譯器，正是這個決定最終成敗的翻譯官和調(diào)度師。他既要吃透圖紙里面的結(jié)構(gòu)意圖（算法邏輯），也得洞悉每一位工匠的特長與工作節(jié)奏（硬件微架構(gòu)），然后將宏大的設(shè)計分解、調(diào)度、翻譯成一系列能讓最合適的工匠在最佳時機(jī)、以最高效率執(zhí)行的工序。是它，決定了算法意圖能被硬件執(zhí)行器理解并實現(xiàn)多少，是它，決定著系統(tǒng)的軟硬協(xié)同效率。

那么，編譯器這個翻譯官如何工作的？簡單來講，它要做多次轉(zhuǎn)換，每一次轉(zhuǎn)換都是語義層次的Lowering，每一次轉(zhuǎn)換的中間結(jié)果都是IR（Intermediate Representation）中間表示。在傳統(tǒng)的LLVM編譯器框架下，它先將AI算法轉(zhuǎn)換成計算圖，再轉(zhuǎn)換為統(tǒng)一的中間表示LLVM IR，最后生成機(jī)器碼。這種方式的問題在于Lowering的過程比較粗放，等到最后生成機(jī)器碼的階段，編譯器才看到硬件的細(xì)節(jié)，這樣一來，就無法再利用AI芯片那些寶貴的專用計算單元、復(fù)雜的內(nèi)存層次、獨特的流水線設(shè)計了。其結(jié)果便是，芯片紙面算力耀眼，實際利用率卻可能慘淡，大量晶體管在功耗的消耗中徒然空轉(zhuǎn)。

圖片來源：LLVM

MLIR的出現(xiàn)，正是為了打破這種粗放的。它基于LLVM框架進(jìn)行了改進(jìn)，引入了MLIR（Multi-Level Intermediate Representation）多級中間表示，允許在從高級算法描述到底層機(jī)器碼的漫長Lowering鏈條上，通過多級“方言”，更早地利用芯片的硬件特性。你可以把“方言”理解為給硬件特性頒發(fā)的“官方語言證書”。芯片廠商可以用MLIR定義一套專屬方言，來聲明自家硬件的獨門絕技。比如，我有一種擅長做矩陣乘加的特殊計算單元，它的名字叫Tensor Core；我的內(nèi)存分為全局、共享、寄存器三層，數(shù)據(jù)應(yīng)該這么流動。這套方言，在編譯的早期、高層階段就介入，讓編譯器從一開始就摸清了硬件的脾性，從而做出全局最優(yōu)的調(diào)度，而非在最后關(guān)頭才手忙腳亂地適配。

這樣，我們便能理解特斯拉在FSD V14.3中究竟做了什么了。它并非從零重寫了一個編譯器，而是做了一次關(guān)鍵的生態(tài)接入與硬件定義：特斯拉加入MLIR主流生態(tài)，并為自家的AI 4/AI 5芯片定義了一套專屬的硬件方言。在這之前，F(xiàn)SD芯片的強(qiáng)大特性，可能需要通過后期復(fù)雜的指令調(diào)度才能部分發(fā)揮。現(xiàn)在，通過MLIR方言，這些特性被提前、結(jié)構(gòu)化地暴露給編譯流程。編譯器能更早、更智能地規(guī)劃計算與數(shù)據(jù)流，將任務(wù)精準(zhǔn)分配給最合適的硬件單元。那20%的反應(yīng)速度提升，正是“翻譯官”拿到了更精準(zhǔn)的“方言詞典”后，指揮“天才工匠團(tuán)”更高效工作的自然結(jié)果。這不是重起爐灶，而是在既有的精密體系中，插入了一把更契合的鑰匙。

特斯拉走的這條“芯片層擁抱MLIR”的路，并非孤例。在大洋彼岸，中國的頭部玩家們，早已在編譯器這片深水區(qū)，布下了各自的棋子。路徑或有不同，但它們對編譯器戰(zhàn)略價值的認(rèn)知早就同頻共振了。

國內(nèi)戰(zhàn)事：編譯器深水區(qū)的中國棋路

當(dāng)特斯拉通過MLIR方言釋放硬件潛力時，國內(nèi)的先行者同樣構(gòu)建了復(fù)雜的編譯器戰(zhàn)略。這不是簡單的工具優(yōu)化，而是從芯片架構(gòu)原點出發(fā)，倒逼編譯器革新，進(jìn)而重塑軟硬協(xié)同范式的系統(tǒng)工程。

既然針尖對麥芒，那就先派頭號種子選手華為上場。華為的路徑，與特斯拉在邏輯上同構(gòu)，但體系更為厚重。華為為昇騰AI處理器打造的畢昇編譯器，其地位如同特斯拉的自研編譯棧。跟特斯拉的秘而不宣不一樣的是，華為公開表示為昇騰定義了基于MLIR的硬件方言層-AscendNPU IR。這套方言詳細(xì)描述了昇騰“達(dá)芬奇架構(gòu)”中計算立方、內(nèi)存層級等獨特設(shè)計。于是，在編譯高層，優(yōu)化器就能看到“哦，這里有個矩陣乘，昇騰的3D Cube算它最快”，從而提前做好數(shù)據(jù)搬運和計算映射。華為通過畢昇編譯器與AscendNPU IR，實現(xiàn)了與特斯拉相似的目標(biāo)：讓硬件特性在編譯前端就成為一等公民，而非后端的補(bǔ)救措施。這套組合拳，確保了昇騰芯片的理論算力，能通過軟件棧被充分榨取，形成從芯片、方言到框架的閉環(huán)。

圖片來源：華為

如果說華為和特斯拉代表了“為專用芯片定義方言”的范式，那么理想汽車則選擇了一條更顛覆性的架構(gòu)之路。理想的馬赫M100芯片，核心并非傳統(tǒng)的CPU/GPU，而是采用了“數(shù)據(jù)流架構(gòu)”，這就對編譯器提出了更為苛刻的要求。

傳統(tǒng)的馮·諾依曼架構(gòu)像是一個中央指揮所，指令一條接一條下達(dá)，計算單元被動執(zhí)行。數(shù)據(jù)流架構(gòu)則顛覆了這一點，它沒有集中的指令控制器，計算單元像流水線上的工作站，數(shù)據(jù)包（令牌）流到哪個工作站，哪個工作站就自動激活干活。多個工作站可以同時忙碌，理論上效率和能效極高。

圖片來源：華為

但是，這種美妙架構(gòu)的實現(xiàn)，極度依賴編譯器的“先知”能力。編譯器必須在軟件編譯期，就靜態(tài)地、精確地規(guī)劃好所有數(shù)據(jù)包的流動路徑、每個計算單元的工作時序與依賴關(guān)系。任何一處規(guī)劃失誤，都會導(dǎo)致數(shù)據(jù)包堵塞、計算單元空轉(zhuǎn)，效率反而暴跌。這要求編譯器不再是指令翻譯官，而必須是整個計算工廠的總規(guī)劃師。理想的編譯器團(tuán)隊，需要深入芯片架構(gòu)的毛細(xì)血管，其工作深度與難度，遠(yuǎn)非適配一款現(xiàn)成GPU可比。數(shù)據(jù)流架構(gòu)的潛力有多大，對編譯器的挑戰(zhàn)就有多高。鑒于馬赫M100芯片的具體表現(xiàn)現(xiàn)在還猶抱琵琶半遮面，理想在編譯器上的努力且待以后再談。

與理想從硬件源頭創(chuàng)新不同，小鵬汽車在編譯器上的努力，更直觀地體現(xiàn)在“效率倍增”的驚人結(jié)果上。在其第二代VLA模型上，小鵬通過算法與編譯器的協(xié)同優(yōu)化，實現(xiàn)了12倍的端到端效率提升。

圖片來源：小鵬汽車

這12倍并非來自硬件換代，而是軟硬協(xié)同的“神之一手”。它源于兩方面：一是算法層面的“瘦身”，如通過類似“視覺Token剪枝”的技術(shù)，讓模型聚焦關(guān)鍵信息，減少冗余計算；二是編譯器層面的“精調(diào)”，讓精簡后的算法，能以最貼合硬件執(zhí)行單元的方式運行。好比同一支交響樂團(tuán)，樂器樂手不變，但指揮重新編排了樂譜，優(yōu)化了每聲部的起承轉(zhuǎn)合，最終奏出了煥然一新的磅礴樂章。對于車端推理，12倍效率意味著同等算力下能運行更復(fù)雜的模型，或是以更低功耗達(dá)成同等性能，直接關(guān)乎用戶體驗與系統(tǒng)邊界。

圖片來源：地平線

華為定義方言，理想駕馭架構(gòu)，小鵬優(yōu)化調(diào)度。這三條路徑，映照出同一個共識：在算力軍備競賽之外，一場關(guān)于“算力轉(zhuǎn)化效率”的靜默戰(zhàn)爭已經(jīng)打響。而編譯器，是這場戰(zhàn)爭中最具杠桿效應(yīng)的兵工廠。

特斯拉的這次版本更新，像一道閃電，短暫照亮了編譯器這片長期處于技術(shù)深水區(qū)的戰(zhàn)場。讓我們看清，自動駕駛系統(tǒng)的終極競爭，正從堆砌算力的物理維度，快速演進(jìn)到榨取效率的系統(tǒng)工程維度。芯片的TOPS數(shù)字是門票，但進(jìn)門后的表現(xiàn)，取決于編譯器這位總規(guī)劃師與翻譯官的功力。它決定了天才的硬件設(shè)計，能否被算法充分驅(qū)動，也決定了精巧的算法創(chuàng)新，能否在硅片上落地生根。

特斯拉和華為的閉環(huán)、理想的顛覆、小鵬的倍增，無不說明這場競爭已悄然深入骨髓。未來，衡量一家公司自動駕駛實力的，或許將不僅是它有多少輛車在跑、用了多少TOPS的芯片，更是它能否回答這樣一個問題：你每一分錢的硬件成本，究竟通過編譯器，轉(zhuǎn)化成了多少可用、可靠、可進(jìn)化的智能？編譯器之戰(zhàn)，剛剛顯形，但這個問題的答案，將決定誰能在下一個賽段中走向臺前！