2. 物理代理模型推理计算图剖析

物理代理模型（Physics-Informed Surrogate Model）的推理过程并不是一次简单的“网络前向”。它是一条由多个异构阶段串联而成的计算图：输入预处理负责把工程物理量整理成张量，特征编码把几何、边界条件与工况映射到隐空间，核心网络完成主要浮点运算，物理约束后处理把网络输出投影回可行域，输出解码再把张量还原为工程师可读的场量或标量。性能优化的第一步不是改代码，而是把这条链路拆开，看清每个阶段的算子构成、数据形状、访存特征与耗时占比，才能判断瓶颈究竟在算力、带宽还是调度。

全链路计算图的五个阶段

以一个典型的二维稳态热传导代理模型为例：输入为几何边界点坐标、材料导热系数分布、边界温度与热流条件，输出为网格节点温度场。推理链路可拆为：

• 输入预处理：坐标归一化、边界条件编码、网格采样与张量拼装。此阶段以标量运算和内存搬运为主，算子碎片化，容易产生大量小 kernel 与主机—设备同步。
• 特征编码：多层感知或卷积编码器把几何与物理条件映射为高维特征。计算密度中等，但存在较多逐元素激活与归一化。
• 核心网络前向：主干网络（如 U-Net、傅里叶神经算子或 Transformer 块）承担绝大部分矩阵乘与卷积，是 FLOPs 的主要来源。
• 物理约束后处理：施加边界条件硬约束、残差修正或守恒投影，通常包含稀疏矩阵运算与迭代求解，访存不规则。
• 输出解码：反归一化、场量重组、插值到目标网格并写回结果，多为带宽受限的逐元素操作。

下图给出该链路的计算图结构，标注了各阶段的主要算子类型、数据形状变化与典型瓶颈属性，便于对照实际 profile 结果定位问题。

用 profile 数据把“感觉慢”变成“定位准”

拆图之后，需要把每个阶段映射到实际耗时。推荐先用 Nsight Systems 抓取一次完整推理的时间线，观察五个阶段在时间轴上的占比与串行关系；再用 Nsight Compute 对耗时最高的 2～3 个 kernel 采集指标。判断逻辑可以归纳为：若某阶段耗时占比高且其 SM 利用率高、算术强度大，则属于算力受限，优化方向是降低 FLOPs 或提升并行度；若 DRAM 吞吐接近峰值而算术强度低，则属于带宽受限，应优先做算子融合与减少中间张量；若时间线上出现大量短 kernel 与空隙，则属于调度受限，应做图融合或使用 CUDA Graph 捕获整条链路。

以示例参数说明：假设某次推理总耗时 42 ms，其中预处理 6 ms、编码 5 ms、主干 22 ms、物理约束后处理 7 ms、解码 2 ms。主干占比最高，但若 Nsight Compute 显示主干卷积的 SM 利用率仅 35%、DRAM 吞吐已达 80%，则真正瓶颈是带宽而非算力，此时把主干中的逐元素激活与归一化融合进卷积 epilogue，往往比换更大算力卡更有效。反之，若物理约束后处理中的稀疏求解出现大量 gather/scatter 且 L2 命中率低，则应检查稀疏格式是否与访问模式匹配，而不是盲目增加迭代次数。

从计算图到可执行的定位清单

为了让定位过程可复现，可以把上述方法固化为一张检查表：先按阶段记录耗时与占比，再对 Top 阶段记录算子类型、算术强度、SM 利用率、DRAM 吞吐与 kernel 数量，最后对照“算力/带宽/调度/同步/不规则访存”五类判据给出结论与候选优化手段。这样每次优化前后都能用同一套口径对比，避免“改了很多但说不清收益来自哪里”。

需要强调的是，上表中的耗时与信号均为教学示例，实际数值必须由目标硬件、批大小、精度模式与输入规模共同决定。真正可迁移的是拆图顺序与判据映射：先把链路拆成五个可独立观测的阶段，再用时间线与硬件计数器把“慢”归因到具体算子与访存模式，最后才选择优化手段。这样，后续无论是做算子融合、精度量化还是并行切分，都能清楚知道自己在优化哪一段计算图、预期收益来自哪一类瓶颈。