竞速空闲：异构 CPU 和 GPU 架构上的矩阵乘法能效

随着单核处理器功率和热限制的根本性变化，多核和异构计算 paradigm 已确立能效作为高性能计算（HPC）中的首要设计约束。集成传统多核 CPU 与专业加速器（如离散（dGPU）和集成（iGPU）图形处理单元）的异构系统，为在性能与功耗之间寻求权衡提供了有力的路径。然而，对在广泛可获得硬件上的这些权衡进行量化仍然是关键研究领域。本文对 4096x4096 矩阵-矩阵乘法这一典型 HPC 工作负载，在单台消费级笔记本电脑上的三种不同计算架构（AMD Ryzen 7 5800H 多核 CPU、NVIDIA GeForce GTX 1650 离散 GPU、AMD Radeon Vega 集成 GPU）进行直接、经验性测量。使用 Linux perf 和 nvidia-smi 等标准、经过验证且干扰最小的工具，我们发现离散 GPU 不仅是性能领先者，实现了对 CPU 的 93.5 倍加速，还是最具能效的方案，仅耗费 CPU 能耗的 2%，在能效方面实现了 50 倍的提升。这些发现为“竞速空闲”原则提供了实际演示，并为能感知软件开发提供清晰、定量的架构选择指导。