
社区讨论 · 人形机器人
编译器工具链这东西,落地卡点不在编译本身
前几天翻了一下烨知心那条编译器工具链的资料,第一反应是,这类产品的价值,八成不在“编译”这两个字上。
我这边做机器人软件,写代码本身还好,最烦的是把一堆依赖、算子、驱动、标定参数,从一个平台挪到另一个平台。同一个策略,仿真里跑得好好的,换到真机上,算子不支持,精度对不上,得一个个改。改完还要重新验一遍。这种活没有技术含量,但特别吃人。
所以看到“编译器工具链”这个定位,我脑子里想的是它能不能把这段脏活接过去。毕昇那套东西给的说法是支持 C、C++、Fortran,做了不少编译优化,目标是高性能、高可信、易扩展。方向是对的。但工程上我更关心另一头,迁移的时候报不报错、报错信息看不看得懂、改完能不能复现。
之前用过一些迁移工具,最难受的是它把代码给你改了,改完不告诉你改了哪。编译过了,跑起来行为变了,回头查半天。这比手工改还费劲。
我现在的判断是,这类工具链的门槛不在优化能力,在可观测性。你得让工程师知道每一步发生了什么,而不是丢一个“success”就完事。
鲲鹏 DevKit 那边把迁移和性能分析拆成两块工具,我觉得这个拆法是对的。迁移归迁移,性能归性能,别混在一起。
不过话说回来,机器人这块的编译问题跟通用 CPU 上那套还不太一样。算子融合、实时性、内存占用,权重都不一样。烨知心这条线具体往哪个方向做,我还没摸清楚。
有没有人真拿它迁过一个完整的机器人工程,从仿真到真机跑通的,说说实际卡在哪一步。
物界前沿