概念Portability / 硬件可移植性
可移植性
机器学习中指同一模型权重能否在不同硬件(如NVIDIA、AMD、Apple芯片或国产加速卡)上以相近性能和精度运行的能力,权重中嵌入特定架构特征会增加跨平台适配成本。
时间轴 (近 90 天)
11月14日
如果权重中嵌入了针对特定架构的算子特征或编译产物,模型在其他硬件上可能触发回退路径、精度差异甚至加载失败。
待验证50%
11月4日
IR抽象层次越高,优化规则越通用但越难贴近硬件;抽象越低,硬件适配越精细但可移植性越差。
待验证50%
10月13日
C 程序在多数情况下只需少量修改,就能在不同操作系统和计算机架构上重新编译运行。
待验证50%