Wattchmen：突破GPU能耗建模瓶颈，指令级归因误差降至14%以下

关键词：GPU 能耗建模、指令级能耗归因、SASS 微架构、线性方程组求解、异构计算功耗优化

“现代 GPU 丰富的高性能计算系统正日益受到能源约束。因此，理解应用的能耗变得至关重要。不幸的是，当前的 GPU 能耗归因技术要么不准确，要么不灵活，要么已经过时。”

这是来自威斯康星大学麦迪逊分校、NVIDIA 及橡树岭国家实验室联合团队在 ICS‘26 发表的《Wattchmen: Watching the Watchers – High Fidelity, Flexible GPU Energy Modeling》中开篇抛出的尖锐论断。当 E 级超算依靠数万张 GPU 堆砌算力时，功耗墙已成为悬在头顶的达摩克利斯之剑。

图 1：在多种基准测试下，AccelWattch 的能耗预测值与风冷 Tesla V100 GPU 实测值的对比，其平均绝对百分比误差达 32%。蓝色直线代表完美预测。AccelWattch 虽在标定环境验证过 V100 模型，但在 CloudLab 平台因 TDP、核心频率、显存容量差异，预测精度骤降。散点大幅偏离完美预测线，暴露传统 GPU 能耗模型对环境参数极度敏感、泛化能力极差的缺陷。该结果直接印证了研发灵活、高鲁棒性能耗模型的必要性，为 Wattchmen 的设计提出了明确的问题导向，即解决环境扰动带来的预测失效问题。

然而，开发者手中的能耗分析工具却仿佛蒙着一层厚厚的毛玻璃：最先进的 AccelWatch 在换了个机房环境后，预测误差竟从自报的 16%飙升至 32%。这意味着我们对于宝贵的电力预算有近三分之一处于“糊涂账”状态。

Wattchmen 的出现正是为了擦亮这层毛玻璃。它没有诉诸于复杂的非线性机器学习黑盒，也没有止步于高层 PTX 虚拟指令的粗略估算。Wattchmen 的核心洞察在于：与其孤立地测量每条指令，不如构建一个系统性能量方程组，通过求解方程组来剥离辅助指令的干扰，从而还原每一条 SASS 指令的真实能耗。

图 2：Wattchmen 设计总览。Wattchmen 分为训练与预测两大阶段：训练阶段通过微基准集、稳态功耗测量、非负线性方程组求解，生成指令级能耗表；预测阶段结合指令计数、缓存命中率，通过缩放、分组、桶化提升指令覆盖率，完成应用能耗细粒度预测。整体架构实现了测量 – 建模 – 预测的全流程闭环，既保证了指令级能耗的精准性，又兼顾了对未测量指令、新架构的适配性，是高保真与灵活性兼顾的 GPU 能耗建模框架。

通过在 Volta V100、Ampere A100 及 Hopper H100 三代架构，以及风冷、水冷不同环境下的验证，Wattchmen 将平均绝对百分比误差压缩至 14%以下，甚至在对 H100 的预测中达到了 12%的精度。

更重要的是，研究团队利用 Wattchmen 发现了 QMCPACK 应用中的一个能耗异常，仅凭修正函数调用频率便实现了 35%的能耗削减。本文将深度拆解 Wattchmen 的技术内核，揭示其如何利用“稳态测量”与“线性求解器”刺破 GPU 功耗建模的黑盒。

本文目录

• 一、困局与破局：当 GPU 能耗建模陷入“黑盒”与“过拟合”
  • 1.1 迷雾重重的现状：从 PTX 投影到脆弱的微架构仿真
  • 1.2 Wattchmen 的核心洞察：从“孤立法”转向“方程组解法”
  • 1.3 稳字当头：为什么稳态测量比瞬态抓取更可靠？
• 二、Wattchmen 设计原理：从微基准测试到指令能耗字典
  • 2.1 穿透 PTX 迷雾：基于 SASS 的微基准测试构建
  • 2.2 剥离基底：静态功耗与恒定功耗的分离艺术
  • 2.3 补全拼图：分组、伸缩与分桶机制
  • 2.4 预测阶段：将字典映射回真实应用
• 三、性能评估：误差骤降与跨代际的泛化统治力
  • 3.1 V100 对决：击碎 32%误差的诅咒
  • 3.2 征服水冷 Summit：稳态测量法的胜利
  • 3.3 跨代际验证：A100 与 H100 上的游刃有余
  • 3.4 实战案例：从数据到行动，35%的能耗削减
• 四、相关工作：站在巨人的肩膀上审视 Wattchmen
  • 4.1 架构级解析模型：辉煌与迟暮
  • 4.2 经验投影与机器学习的局限
  • 4.3 Wattchmen 的比较优势
• 五、结论与展望：走向精细化的后 E 级能效时代
  • 5.1 结论总结
  • 5.2 进阶分析：Wattchmen 的方法论边界与隐性成本
  • 5.3 未来工作

一、困局与破局：当 GPU 能耗建模陷入“黑盒”与“过拟合”

在 E 级超算时代，一个残酷的现实是：我们拥有了前所未有的并行算力，却对每一焦耳能量的流向知之甚少。NVIDIA Management Library 等厂商工具能给出整卡的功耗读数，但这对需要优化内核代码的开发者来说，无异于只知道整栋楼的电费单，却不知道哪个房间在漏电。

传统的性能调优只看重“时间”，但在功耗封顶的现代集群中，省下的每一瓦特都可以转化为更多的计算吞吐量。然而，现有的 GPU 能耗建模手段却集体陷入了泥潭。

1.1 迷雾重重的现状：从 PTX 投影到脆弱的微架构仿真

为了看清 GPU 内部的能耗细节，学术界和工业界尝试了多种路径。表 1 清晰对比了 Wattchmen 与现有方案在泛化能力、细粒度归因等方面的差异。

表 1：Wattchmen 与近期 GPU 能耗建模方法的对比。该表格从架构可移植性、冷却适配性、计算/控制流/存储层次能耗建模、细粒度分解、全面测量六大维度对比主流方法。现有方法均存在能力缺失：Arafa 等仅覆盖计算指令、Delestrac 等仅聚焦存储层次、Guser 缺失控制流指令、ML 模型无细粒度可解释性、AccelWattch 环境鲁棒性差。Wattchmen 是唯一全覆盖所有维度的方法，为跨架构、跨环境的细粒度能耗归因提供了完整能力支撑。

从表中可以看出，各类方案各有侧重，但在实际应用对全面性的苛刻需求面前，往往捉襟见肘。具体而言，现有技术路线面临三大核心痛点：

1. 高层虚拟 ISA 的“失真”问题。基于 PTX 指令建模是一种直观思路，例如 Arafa 等人的工作通过 PTX 推导能耗，Guser 则关注最大功耗。但问题在于，PTX 是一种中间表示，从 PTX 到真实执行的 SASS 指令，中间隔着编译器优化与汇编器的“黑盒翻译”。编译器选项的微小变动可能导致生成的 SASS 指令序列面目全非，使得基于 PTX 的能耗估算准确性难以保证。

2. 部件级模型的“碎片化”困境。Delestrac 等人专注于显存层次能耗，而 AccelWatch 等方案试图覆盖全部件，却陷入了微架构建模的“过拟合”陷阱。AccelWatch 通过性能计数器与二次规划求解器拟合功耗，但其参数极度敏感。论文指出，同样针对 V100 GPU，AccelWatch 在原始验证环境误差为 16%，但在另一环境的 V100 节点上，仅因冷却方式、显存容量、最高频率的不同，误差便剧烈波动至 32%。当尝试对新环境进行重新校准时，其迭代求解器甚至直接崩溃。

3. 机器学习方法的“可解释性”缺失。虽然 ML 模型能在特定数据集下做出精准预测，但其归因粒度通常仅到 Kernel 级别。面对“为何某个计算内核功耗异常”的追问，ML 模型无法给出指令级或微架构级的优化洞见。

1.2 Wattchmen 的核心洞察：从“孤立法”转向“方程组解法”

既然直接精确测量每条指令的能耗如此困难，Wattchmen 转换了思路。论文指出，任何微基准测试都不可能 100% 只包含目标指令。例如，为了测试 FFMA 浮点乘加指令的功耗，微基准测试中必然包含循环控制、地址计算等“辅助指令”。这些辅助指令如同背景噪声，若不剔除，将导致对目标指令的能耗估算偏大。

Wattchmen 的核心洞察在于：这些在 A 测试中的“背景噪声”，恰恰可能是 B 测试想要测量的“目标信号”。

图 3：用于求解风冷 V100 GPU 指令能耗的完整方程组子集。每行代表一个微基准测试，每列代表目标指令在基准中的出现频率。V100 的完整表格包含 90 个微基准，覆盖 90 条指令。单微基准无法避免辅助指令干扰，直接测量会导致目标指令能耗估算偏差。该方程组将所有微基准的能耗与指令计数联立，把辅助指令的能耗贡献纳入整体求解，分离出每条指令的真实能耗。90 个微基准覆盖 V100 核心指令集，非负求解保证能耗值的物理意义，从方法论上解决了传统微基准测量的系统性误差。

如图 3 所示，一个微基准测试片段中 IMAD_IADD 指令占比 58%，IADD3 占比 40%。通过设计一系列覆盖不同指令组合的测试，可以构建一个线性方程组：E = Σ (C_i * e_i)。其中，E 代表单个微基准测得的动态能耗，C_i 是该测试中第 i 种指令的执行次数，e_i 是要求解的单条指令真实能耗。通过联立数十个这样的方程，并利用非负线性求解器，Wattchmen 得以从复杂的交织关系中“萃取”出指令的真实能耗。

1.3 稳字当头：为何稳态测量比瞬态抓取更可靠？

Wattchmen 的另一项关键设计是采用“稳态测量”。部分方法试图通过抓取瞬态功耗峰值或窗口平均来建模，但这极易受到温度、Boost 频率机制的影响。特别是在不同冷却环境下，芯片的积热速度不同，导致同一计算任务的瞬态功耗曲线存在差异。

图 4：在风冷 Tesla V100 GPU 上运行双精度加法微基准时，通过 NVML 采集的功耗轨迹，含 GPU 利用率（红色）与 GPU 功耗（蓝色）。微基准启动后快速进入稳态，功耗稳定在 150W 左右，利用率保持高位。稳态测量可屏蔽 GPU 温度波动、冷却效率变化的干扰，使功耗数据具备高度一致性。该测量方式将总能耗拆解为常量、静态、动态三部分，精准剥离指令执行的动态能耗，避免了瞬态测量的噪声干扰。

Wattchmen 反其道而行之。如图 4 所示，它让微基准测试运行足够长的时间，直至 GPU 功耗曲线拉平为一条直线，核心温度也达到热平衡。此时，环境变量带来的扰动被最小化，测得的稳态功耗与 NVML 累计能耗数据高度吻合。通过这种策略，Wattchmen 天然地对冷却方式不敏感，这也是其在不同冷却环境（如水冷的 Summit 超算和风冷的 CloudLab）中均能保持较低误差的根本原因。

总结而言，Wattchmen 的方法论革新在于：
* 用“求解线性方程组”代替“孤立测试”，以剥离辅助指令的噪声；
* 用“稳态热平衡测量”代替“瞬态峰值拟合”，以免疫环境差异。

二、Wattchmen 设计原理：从微基准测试到指令能耗字典

上一部分阐述了 Wattchmen 的核心思想，本部分将深入其实现细节。构建 Wattchmen 分为“训练”与“预测”两阶段，而训练阶段的核心，在于设计一套能够精准命中 SASS 指令的微基准测试集。

图 2：Wattchmen 设计总览。Wattchmen 分为训练与预测两大阶段：训练阶段通过微基准集、稳态功耗测量、非负线性方程组求解，生成指令级能耗表；预测阶段结合指令计数、缓存命中率，通过缩放、分组、桶化提升指令覆盖率，完成应用能耗细粒度预测。整体架构实现了测量-建模-预测的全流程闭环。

如图 2 所示，Wattchmen 的总体架构包含：
* 训练流程：通过微基准测试、性能剖析和线性求解器生成指令能耗字典。
* 预测流程：对真实应用进行指令统计，并加权求和得出总能耗预测。

2.1 穿透 PTX 迷雾：基于 SASS 的微基准测试构建

Wattchmen 拒绝停留在 PTX 表层，而是直接瞄准最终执行的 SASS 汇编。这既是其高精度的来源，也是工程实现的难点。因为 NVIDIA 的编译工具链会将 PTX 指令映射为特定的 SASS 指令，不同 CUDA 版本、不同优化级别下的映射规则可能存在差异。为此，Wattchmen 的微基准测试大量使用了内联汇编与强制循环展开等技术，以确保生成和控制的指令是确定的 SASS 指令。

代码清单 1：SHFL 指令微基准测试内核。该内核通过内联汇编直接生成目标 SASS 指令，并利用循环展开提升目标指令占比，以精准测量单条指令的动态能耗。

以上述代码清单中的 SHFL 指令测试为例，为了测量 Warp 内洗牌指令的能耗，测试代码将 __shfl_sync 包裹在 #pragma unroll 的循环体内。这种设计不仅通过展开消除了循环控制开销，更重要的是通过反复执行创造了足够长的稳态执行窗口，便于能耗测量。

此外，测试集覆盖了不同数据位宽、寻址模式及缓存命中场景。例如，为区分 L1 缓存命中与未命中的能耗差异，测试通过调整数据访问步长故意制造缓存失效，并辅以性能计数器验证实际命中率。

图 5：验证指令能耗线性可加性的简易微基准测试结果。实验表明，GPU 动态能耗与指令执行数量呈严格线性关系，静态能耗则随执行时间线性增加。该规律为通过方程组求解指令级能耗提供了理论依据。

2.2 基底能耗分离：静态功耗与恒定功耗的剥离

获得微基准测试的总能耗后，需将其分解为三个部分：
* 恒定功耗：GPU 在最低功耗状态下的空转开销。
* 静态功耗：SM 被激活但未执行计算时的开销（如时钟树、缓存漏电）。
* 动态功耗：由指令执行引起的开关功耗。

Wattchmen 通过执行特殊的 NANOSLEEP 内核，测量 SM 激活但空闲时的功耗，以此标定静态功耗。在执行微基准测试时，通过采集空闲功耗并按时间折算，将恒定功耗与静态功耗从总能耗中扣除，从而分离出目标指令的动态能耗。

2.3 指令能耗字典补全：分组、伸缩与分桶

为构建接近完备的指令能耗字典，Wattchmen 引入了三种机制：
1. 修饰符分组：对于带有 .E、.AND、.OR 等控制流修饰符的指令，认为其对执行单元的物理能耗影响甚微，将其归为一组并赋予相同能耗值。
2. 位宽伸缩：对于访存指令，通过实测少数几种数据位宽的能耗，推导出位宽与能耗的比例因子，进而估算未测试位宽的能耗。
3. 功能分桶：对于极罕见或难以独立测试的指令，将其归类到功能相似的指令组（如“整数 ALU 指令”桶），并使用桶内已知指令的平均能耗作为估计。此策略将指令覆盖率从 70% 提升至 93%，且未引入显著误差。

2.4 能耗预测：从字典到真实应用

训练完成后，预测阶段流程如下：
针对目标 GPU 内核，使用性能剖析工具（如 Nsight Compute）采集 SASS 指令的执行次数及各级缓存命中率。结合缓存命中信息，对访存指令的能耗值进行修正（例如，区分 L2 命中和访问显存的不同开销）。应用的总预测能耗即为基底能耗与所有指令动态能耗的累加。该方法可生成细粒度的能耗剖析结果，辅助性能优化。

三、性能评估：误差分析与跨平台泛化能力

评估旨在验证 Wattchmen 的预测精度与泛化能力。

表 2：实验平台汇总。测试覆盖多个高性能计算集群中的不同 GPU 型号，旨在验证模型跨冷却方案与跨架构代际的泛化性。

在风冷/水冷 V100、风冷 A100 及风冷 H100 平台上，对比了 AccelWatch、Guser 与 Wattchmen 的预测精度。结果表明，Wattchmen 在保持高精度的同时，具备优异的跨架构与跨环境泛化能力。

表 3：测试工作负载汇总。负载涵盖通用计算、图分析、机器学习及科学计算等多种类型，以全面检验模型在不同压力模式下的预测能力。

3.1 V100 平台结果：显著降低预测误差

在风冷 V100 平台上的测试结果显示：
* AccelWatch 的平均绝对百分比误差（MAPE）为 32%。
* Guser 的 MAPE 为 25%。
* Wattchmen-Direct（直接使用实测指令能耗）的 MAPE 降至 19%。
* Wattchmen-Predict（启用分组与分桶机制）的 MAPE 进一步降低至 14%。

图 6：风冷 V100 平台上各模型预测能耗与实测值的对比。Wattchmen-Predict 的预测结果与实测值最为接近。

3.2 水冷环境下的验证：稳态测量法的优势

在转向 Summit 超算的水冷 V100 节点后，更高的散热效率使得芯片结温显著降低。根据半导体物理特性，更低的温度意味着漏电流减小，因此 GPU 的实际运行能耗相比风冷环境天然降低约 12%。

然而，对比模型 AccelWatch 对此物理变化毫无感知，其预测值仍与风冷环境相同。虽然由于分母（实测值）变小，其平均绝对百分比误差（MAPE）数值“侥幸”降至 17%，但这仅是数学上的巧合，模型本身并未理解冷却机制改变带来的底层物理效应。

图 7：Wattchmen 在水冷 V100 GPU 上的能耗预测结果。每个工作负载对应四组数据：A) AccelWattch 预测值；B) Wattchmen-Direct 预测值；C) Wattchmen-Predict 预测值；D) 实测能耗。结果显示，AccelWattch 未适配水冷机制，误差为 17%；Wattchmen 基于稳态测量法，误差稳定在 14%。这验证了 Wattchmen 对冷却方式的不敏感性。

与之相对，Wattchmen 凭借其稳态测量法，在重新标定基底功耗后，MAPE 稳定保持在 14%。这证明 Wattchmen 捕捉的是计算行为本身固有的能耗特征，而非受环境温度左右的瞬态电热特性。

3.3 跨代际架构验证：从 A100 到 H100

真正的挑战在于架构的代际更迭。从 Volta（V100）到 Ampere（A100），再到 Hopper（H100），CUDA Core、TensorCore 及缓存体系均发生了显著变化。

在 A100 平台上，Wattchmen-Predict 模型实现了 11% 的 MAPE。对于 H100 平台引入的全新 HGMMA 指令，由于缺乏直接对应的微基准测试，Wattchmen-Direct 模式的指令覆盖率降至 66%，误差上升至 16%。此时，分桶机制发挥了关键作用——通过将 HGMMA 归类到已有的 TensorCore 指令桶并赋予合理的估算值， Wattchmen-Predict 模式将指令覆盖率提升至 92%，并将 MAPE 修复至 12%。

图 8：A100 GPU 的归一化能耗分解与指令覆盖率。Wattchmen-Predict 通过指令分组与桶化，将覆盖率从 70% 提升至 93%，MAPE 从 13% 降至 11%，证明其能有效预测内存绑定型不规则负载。

表 4 至表 7 汇总了各平台的 MAPE 数据。无论在何种环境与架构下，Wattchmen-Predict 的误差均被控制在 15% 以内，展现了出色的鲁棒性。

表 4：风冷 V100 GPU 能耗预测平均绝对百分比误差（%）。Wattchmen-Pred 误差为 14%，显著优于同期方案。

表 5：水冷 V100 GPU 能耗预测平均绝对百分比误差（%）。Wattchmen-Pred 误差为 14%，验证其对冷却方式的鲁棒性。

表 6：风冷 A100 GPU 能耗预测平均绝对百分比误差（%）。Wattchmen-Pred 误差为 11%，显示其快速适配新架构的能力。

表 7：风冷 H100 GPU 能耗预测平均绝对百分比误差（%）。Wattchmen-Pred 误差为 12%，证明其面对全新指令集仍能保持高精度。

3.4 实战优化案例：实现显著的能耗削减

研究中最具说服力的部分来自实际优化案例。在一个反向传播（Backprop）内核中，Wattchmen 的指令级能耗归因报告显示，一条 F2F.F64.F32 精度转换指令消耗了高达 25% 的能量。这促使开发者排查代码，最终发现因头文件宏定义错误，导致大量不必要的双精度转换。 仅修正两个 #define 宏，内核能耗便直接下降 16%。

另一个案例来自橡树岭国家实验室的 QMCPACK 量子蒙特卡洛应用。Wattchmen 监测到其混合精度内核中存在异常的周期性高功耗脉冲。通过追踪 Wattchmen 指示的高能耗函数，团队发现一个本应低频调用的误差校验函数在循环中被冗余执行。代码重构后，GPU 实测能耗锐减 35%，而 Wattchmen 预测的降幅为 36%，两者高度吻合。

图 12：优化 QMCPACK 应用前后 GPU 功耗轨迹对比。优化后，由冗余计算引起的高频功耗尖峰消失。

图 13：QMCPACK 优化前后的能耗预测与实际测量对比。Wattchmen 精准预测了 35% 的能耗下降，误差仅 1%。

综上所述，Wattchmen 在涵盖各类负载的测试中实现了平均 14% 的误差，在跨代际、跨冷却环境的严苛验证中误差始终低于 15%，并通过实际案例证明了其指导真实应用节能优化的直接价值。

五、结论与展望：走向精细化的后 E 级能效时代

作为总结，我们既要肯定 Wattchmen 在当前阶段取得的突破，也要以批判性视角审视其方法论边界。技术的进步往往在于直面其局限性，并以此规划下一步的航向。

5.1 结论总结

Wattchmen 为 GPU 能耗建模领域带来了三个核心贡献：

1. 方法论重构：提出了基于稳态功率测量的系统性能量方程组求解框架，首次实现了对 SASS 指令级能耗的高保真逆向工程。
2. 跨平台泛化能力：实验证明 Wattchmen 对冷却方式、显存配置、架构代际具有极强的鲁棒性，在 V100 至 H100 的跨度上保持 15% 以下的平均绝对百分比误差，大幅领先于现有方案。
3. 可操作的洞察：通过案例展示了细粒度能耗归因在实际生产优化中的巨大潜力，证明了“看清能耗”是“降低能耗”的必要前提。

5.2 进阶分析：Wattchmen 的方法论边界与隐性成本

抛开正面陈述，我们必须冷静审视 Wattchmen 解决方案的完整性。

首先，“全 SM 活跃”假设下的归因偏差。Wattchmen 训练微基准测试时，强制占满所有流式多处理器以摊薄共享资源开销。然而在真实应用中，SM 占用率往往动态波动。当 SM 部分空闲时，静态功耗在总功耗中的占比会急剧攀升。Wattchmen 默认的线性归因模型在低占用率场景下可能会低估空闲 SM 的漏电开销，导致预测偏差。

其次，深流水线中的能耗重叠问题。现代 GPU 的指令流水线极深，多条指令的各个执行阶段高度重叠。将总能耗简单切割为单条指令的累加，隐含了“能耗可加性”假设。在存在数据冒险或流水线气泡时，某些指令可能并未引入额外的动态翻转，仅仅是占用了发射槽。这种“影子能耗”的归属是现有归因模型的理论盲区。

第三，NVML 测量精度的物理限制。Wattchmen 使用 NVIDIA 管理库作为训练标签。然而，该库的采样率与时延对毫秒级乃至微秒级内核的测量存在固有误差。虽然稳态测量缓解了这一问题，但对于极致轻量级的内核启动，训练数据的噪声依然存在。

最后，SASS 指令集变动的维护成本。尽管分桶机制解决了覆盖面问题，但面对未来架构引入的全新指令簇，分桶的合理性假设将受到挑战。维护这套精确的微基准测试集需要持续的逆向工程投入，这是 Wattchmen 开源后社区需要共同面对的长期成本。

5.3 未来工作

原文计划

论文作者明确指出，未来的工作重心将集中在以下三个方向：

1. 多 GPU 通信能耗建模：目前的 Wattchmen 仅覆盖单卡计算与访存，尚未涉及片间通信的能耗归因。作者已启动扩展项目，旨在填补多卡集体通信的能耗盲区。
2. 降低训练成本：研究发现，不同冷却环境下的指令能耗表存在极强线性关系。利用少量（如 10%）的微基准测试数据即可高精度拟合出剩余指令的能耗，有望将新平台的训练成本降低一个数量级。
3. 集成至全系统模拟器：团队计划将 Wattchmen 的指令能耗字典对接到主流架构模拟器中，使得架构师在设计早期阶段就能评估新指令或新缓存策略的能耗代价。

扩展视角

站在异构计算的发展趋势来看，Wattchmen 的潜力远不止于此：

1. 面向大模型推理的功耗调度：当前大语言模型推理服务面临巨大的功耗波动。若能基于 Wattchmen 构建一个实时的功耗预测器，调度器可以实现功耗感知的批处理，在保证服务质量的前提下最大化能效。
2. Chiplet 异构集成的能耗解剖刀：随着 AMD MI300 与 NVIDIA B200 等采用 Chiplet 设计的芯片普及，不同计算芯粒与缓存芯粒之间的数据搬运能耗占比急剧升高。Wattchmen 的稳态测量法天然适合解耦这种多芯粒互联的能耗结构。若能将其扩展至对高速互连链路的监控，将对下一代超异构芯片的软件调优产生重要指导。

3. 编译器能耗优化反馈回路

拥有了指令级能耗字典后，一个自然的延伸是将其应用于编译器优化，以直接生成“更省电”的代码。当前主流的 GPU 编译器（如 NVCC）几乎完全以性能为导向。

若能以 LLVM 插件形式集成 Wattchmen 的能耗代价模型，编译器便可在指令选择等关键阶段做出能耗感知的决策。例如，在寄存器压力允许的情况下，优先选择能耗更低的指令序列，而非单纯追求延迟最低的序列。这将为实现“软件定义能效”开辟一条全新的技术路径。

Wattchmen 不仅是一个看守者，更像一盏探照灯，首次如此清晰地揭示了 GPU 硅基心脏每一次跳动的能量脉搏。在后摩尔时代的漫漫长夜中，唯有精确洞察能量的流向，才能让算力之火燃烧得更加持久而热烈。

关注“鲸栖”小程序，掌握最新AI资讯