Интеграция AVX10_V2_AUX в LLVM 24
Компания AMD завершила апстриминг поддержки расширения AVX10_V2_AUX в основную ветку LLVM. Изменения были слиты в Git-репозиторий LLVM 24, что делает эту функциональность доступной для разработчиков, использующих компилятор Clang. Поддержка активируется через новый флаг компилятора -mavx10v2aux.
Эта работа стала результатом усилий инженеров AMD, которые также ведут аналогичные изменения для компилятора GCC. Реализация охватывает 15 000 строк нового кода и состоит из 20 патчей, что свидетельствует о масштабности внедрения новой архитектуры инструкций.
Что дает AVX10_V2_AUX для ИИ-вычислений
Расширение AVX10_V2_AUX является частью инициативы AI Compute Extensions (ACE), разрабатываемой совместно Intel и AMD в рамках x86 Ecosystem Advisory Group. Главная цель — оптимизация обработки данных для задач искусственного интеллекта. Ключевые нововведения включают:
- Специализированные инструкции для конвертации стандартных типов данных в сжатые форматы, такие как FP4 и FP6.
- Поддержка дополнительных форматов микромасштабирования OCP (Open Compute Project).
- Введение новых режимов округления для повышения точности вычислений при низком битрейте.
Сравнение с предыдущими стандартами
AVX10_V2_AUX расширяет базовый набор инструкций AVX10, добавляя возможности, критически важные для современных ИИ-моделей, которые часто используют квантованные веса для экономии памяти и повышения пропускной способности.
| Характеристика | Описание |
|---|---|
| Версия LLVM | LLVM 24 (Git-ветка) |
| Флаг компилятора | -mavx10v2aux |
| Объем изменений | ~15 000 строк кода, 20 патчей |
| Ключевые форматы | FP4, FP6, OCP microscaling |
| Статус стабильной версии | Ожидается в LLVM 24.1 (март 2026) |
Перспективы выхода
Первая стабильная версия LLVM/Clang 24.1, в которой эта поддержка будет доступна широкой публике, ожидается ориентировочно в марте 2026 года. До этого момента разработчики могут тестировать функциональность в ночных сборках. Интеграция AVX10_V2_AUX станет важным шагом для оптимизации x86-процессоров под задачи генеративного ИИ и инференса моделей.
Источник: Phoronix ↗