# Wielooagentowa systema Cursor przyspieszyła jądra CUDA NVIDIA o 38% bez udziału człowieka
Wielooagentowa systema AI Cursor autonomicznie zoptymalizowała 235 jąder CUDA pod architekturę NVIDIA Blackwell B200, osiągając średnie przyspieszenie o 38% względem implementacji bazowej. Eksperyment trwał trzy tygodnie i nie wymagał interwencji deweloperów — zadanie, na które inżynierom kernelowym zazwyczaj schodzą miesiące, zostało rozwiązane w pełni automatycznie.
Architektura optymalizacji wielooagentowej
Systema Cursor wykorzystywała dwa typy agentów: planistę i wykonawców. Planista rozdzielał zadania między autonomicznymi wykonawcami, monitorował metryki wydajności i dynamicznie równoważył obciążenie w czasie rzeczywistym. Cała koordynacja odbywała się za pośrednictwem pojedynczego pliku markdown, zawierającego reguły wykonania, scenariusze testowe i protokół interakcji.
Każdy wykonawca pracował niezależnie nad swoim podzbiorem jąder, stosując metody niskopoziomowej optymalizacji:
- Ręczną potokizację operacji
- Drobną konfigurację ładowania danych przez poziomy pamięci (rejestry, shared memory, global memory)
- Dobór optymalnych parametrów bloków i siatek
- Generowanie kodu w PTX (Parallel Thread Execution) — pośrednim reprezentacji podobnym do assemblera od NVIDIA
Taki podejście pozwoliło obejść ograniczenia tradycyjnych kompilatorów i zastosować heurystyki dostępne tylko ekspertom w dziedzinie programowania GPU.
Metodologia testowania i walidacji
Zoptymalizowane jądra przechodziły walidację na klastrze z 27 GPU NVIDIA B200 z użyciem benchmarku SOL-ExecBench. Ten instrument sprawdza nie tylko poprawność obliczeń, ale i fizyczną wykonalność wyników:
- Porównanie z referencyjnymi implementacjami z cuBLAS i innych bibliotek NVIDIA
- Ocena bliskości granicy teoretycznej przepustowości B200
- Wykrywanie prób „oszustwa” — np. niepoprawnego użycia buforowania lub podstawienia danych wejściowych
Jeśli wynik przekraczał fizyczne możliwości architektury, przebieg był odrzucany jako nieważny. Mimo surowych kryteriów, systema pomyślnie ukończyła wszystkie 235 zadań w jednym cyklu bez powtórek.
Dwa tryby generacji: CUDA C++ i CuTe DSL
Eksperyment przeprowadzono w dwóch trybach programowania:
- CUDA C++ z wbudowanym PTX: bezpośredni dostęp do ISA (Instruction Set Architecture) GPU, co pozwala sterować rejestrami i instrukcjami na poziomie bliskim assemblerowi.
- CuTe DSL: nowe API przedmiotowo-zorientowane od NVIDIA, nastawione na operacje tensorowe i optymalizację pod architektury Blackwell. Ponieważ CuTe prawie nie występuje w danych treningowych modeli AI, ten tryb testował zdolność agenta do uczenia się z oficjalnej dokumentacji „od zera”.
Oba tryby wykazały wysoką skuteczność, co potwierdza uniwersalność podejścia Cursor do niskopoziomowej generacji kodu.
Przełom w optymalizacji GEMM
Szczególną uwagę przykuło jądro GEMM (General Matrix Multiply), wygenerowane przez systemę w pełni autonomicznie. To podstawowa operacja algebry liniowej, leżąca u podstaw niemal wszystkich etapów uczenia i inferencji sieci neuronowych.
Wyniki porównania:
- Osiągnięto 86% wydajności referencyjnego jądra z cuBLAS
- W przypadku niektórych małych macierzy — przewaga o 9% nad cuBLAS
- cuBLAS, przypomnijmy, jest optymalizowane ręcznie przez zespół NVIDIA przez lata
Biorąc pod uwagę, że GEMM to „wąskie gardło” w większości obciążeń AI, nawet skromne przyspieszenie tu daje znaczny wzrost na poziomie całego systemu.
Statystyka i znaczenie praktyczne
Wartość 38% to geometryczne średnie przyspieszenie po wszystkich 235 zadaniach względem linii bazowej uzyskanej za pomocą pojedynczego agenta AI. Warto jednak zrozumieć szczegóły:
- W 149 z 235 przypadków (63%) udało się przebić tę bazę
- Przyspieszenie różniło się w zależności od typu jądra: od 5% do ponad 2×
- Największy efekt obserwowano w jądrach o regularnej strukturze dostępu do pamięci
To już drugi udany projekt Cursor w dziedzinie optymalizacji kernelów dla Blackwell. Latem 2025 roku systema przepisała warstwę MoE (Mixture of Experts) własnego treningu od zera, osiągając 1.5× skrajne przyspieszenie.
Co ważne
- Wielooagentowa systema może zastąpić miesiące ręcznej pracy inżynierów kernelowych
- Automatyczna optymalizacja osiąga 86% poziomu cuBLAS — referencji od NVIDIA
- Podejście działa zarówno z tradycyjnym CUDA C++, jak i nowymi DSL typu CuTe
- 63% jąder pokazało poprawę względem pojedynczego agenta AI
- Eksperyment potwierdza realność autonomicznych systemów AI w high-performance computing
— Editorial Team
Brak komentarzy.