腾讯参与制定Vulkan矩阵扩展标准 推动机器学习加速计算发展

 　　随着人工智能技术的发展，机器学习应用场景越来越广泛，从智能语音助手到自动驾驶，从智能推荐到图像识别，都需要大量的计算资源来支持。而GPU作为一种高效的计算资源，越来越受到关注，成为机器学习加速计算的重要工具。然而，跨硬件通用加速缺乏跨平台跨硬件的通用API，不同显卡实现高效算子十分困难和复杂。

　　作为头部科技企业，腾讯一直致力于推动人工智能技术的发展。因此，腾讯作为khronos会员积极参与新扩展标准制定，为机器学习加速计算提供更好的解决方案。在Vulkan 1.3.255版本中，腾讯联合ARM、NVIDIA、AMD、Google等诸多全世界科技企业一起带来新扩展VK_KHR_cooperative_matrix，这是腾讯首次参与khronos标准贡献。

　　Vulkan是通用的、跨平台的、新一代图形加速API，支持Windows、Linux、macOS、Android、iOS等多个操作系统。VK_KHR_cooperative_matrix扩展为Vulkan带来中尺度矩阵类型，用于加速矩阵计算，加速神经网络推理。这一新扩展使得非单一硬件绑定的通用AI计算加速成为可能，打破了行业垄断，带来了产业创新。Nvidia、ARM、AMD等显卡厂商将发布新驱动支持这个扩展标准，这将进一步推动机器学习加速计算的发展。

　　在VK_KHR_cooperative_matrix扩展标准的制定中，腾讯优图实验室参与制定。在标准修订过程中，腾讯优图实验室结合ncnn项目中的vulkan加速实践经验，主张新标准中的矩阵加载函数的stride参数允许为0，以便支持自动广播行为。这一参数能有效提升神经网络卷积和线性层计算中的bias数据处理效率。腾讯优图实验室专家，业界知名的开源神经网络推理库ncnn作者nihui表示：“khronos在线会议中，该提议获得各参与厂商技术人员认可和赞同，并成为硬性标准之一，要求在GPU驱动中实现该行为。”

　　ncnn使用Vulkan API作为其跨平台GPU通用加速方案。ncnn通过使用VK_KHR_cooperative_matrix扩展，在AMD显卡上跑超分AI，速度提升约2.3倍。这也是VK_KHR_cooperative_matrix的首次应用，已发布在ncnn新版本中，带来更广泛的跨硬件厂商GPU加速。

　　腾讯参与制定VK_KHR_cooperative_matrix扩展标准，推动人工智能技术的发展，让机器学习的计算能力更加高效、普惠和可持续，为机器学习加速计算提供了更好的解决方案，实现跨平台跨硬件的通用API，使得机器学习加速计算更加高效、灵活。

　　一直以来，腾讯也在积极参与各类AI、大模型等方面的标准建设。2020年，腾讯被选举为全国信标委人工智能分委会委员兼副秘书长单位，这意味着国家在推进包括人工智能在内的“新基建”过程中，腾讯正作为核心成员，承担更多标准制定工作以及技术引领作用。前不久，腾讯云还联合中国信通院发起行业大模型生态计划，并牵头国内首个金融行业大模型标准制订，为金融行业智能化的高质量规范化发展提供重要支撑。

　　未来，腾讯将积极参与更多行业标准制定，助力更多行业提质增效，为人类社会带来更多的福祉。