Meta 公司部署了一套异构计算集群,其中包含英伟达(NVIDIA)GPU、超威半导体(AMD)GPU 以及自研的 MTIA 加速器,旨在降低硬件采购与运维成本,并缓解对单一供应商的技术锁定风险。然而,长期以来针对英伟达 GPU 的深度优化积累,严重制约了模型与系统软件在其他硬件平台上的性能可移植性。本文以推荐系统大模型训练为应用场景,以 AMD Instinct MI350X 与 NVIDIA B200 的性能对比为案例,系统阐述了我们在适配非英伟达加速器过程中所采用的优化方法。我们提炼并提出了三条具备高度复用价值的核心原则:
第一,硬件与模型协同设计(hardware-model co-design)至关重要——我们并非简单地将原本面向英伟达 GPU 设计的模型直接迁移至新平台,而是主动重构模型结构并调整软件实现方案,从而充分释放目标加速器的独特优势(例如,MI350X 的高带宽内存(HBM)容量较 B200 高出 1.6 倍);
第二,我们构建了一套分析型性能建模方法,可在无需预热(zero-warmup)的前提下,针对生产环境中各类数据类型与矩阵形状,自动选择最优内核(kernel),极大简化了系统调优流程;
第三,日益成熟的“智能体驱动”(agentic)工作流显著降低了从 CUDA 生态向其他平台迁移的技术门槛;我们进一步扩展了此类工作流,支持面向具体微架构的内核级深度优化,以及定制化接口层(shim)的自动生成。
相较于未经针对性优化、仅做简单移植的基线方案,上述方法在端到端训练吞吐量上最高可提升 1.5 倍。据我们所知,这是首家超大规模数据中心厂商(hyperscaler)公开披露其在大规模训练场景中成功落地 AMD GPU 的完整实践报告。本工作所贡献的关键技术已全部合入开源社区,包括 PyTorch、Triton 及 ROCm 等主流框架与生态。

