微软高级软件工程师Alice Vinogradova将她用SAP的ABAP语言编写的数据库移植到了驱动Sinclair ZX Spectrum的经典Z80处理器上,并对结果感到惊喜。
Vinogradova将她的数据库命名为ZVDB-Z80,并将其描述为"一个完全用ABAP开发的向量数据库,旨在提供不依赖外部向量数据库的独立解决方案"。
**ABAP(1983年诞生)和Z80(1976年诞生)几乎是同时代产物**
ABAP,全称Advanced Business Application Programming,是ERP巨头SAP为其平台创建的应用程序编程语言。
代码自然发布在GitHub上,这位工程师解释说:"上个月,我在清理旧代码时重新发现了ZVDB。"
当Vinogradova重新审视ZVDB时,她"有了一个让我会心一笑的领悟"。
"ABAP(1983年诞生)和Z80(1976年诞生)几乎是同时代产物,"她写道。"它们成长于同一个计算时代——那时内存珍贵,周期需要精打细算,每个字节都很重要。"
Vinogradova欣赏开发者在这些限制条件下创建优秀软件所需的技巧。
"当我构建ZVDB时,我刻意应用了所有我知道的Z80优化技术,"她写道。"为什么?因为这些'老旧'技术是永恒的——它们恰好能让现代代码运行得极快。"
因此,她在用Z80汇编语言重写ZVDB时再次使用了这些技术,并声称在这款经典CPU上运行时,她的代码"尽管时钟速度差异达857倍,但仅慢了3-6倍"。
Vinogradova认为这并不令人意外。"这些优化技术就是为Z80而生的。它们恰好具有普遍的最优性,"她写道,然后解释了为什么她认为Z80思维"在2025年仍然获胜"。
我在ABAP中应用的每一条Z80经验在现代硬件上依然有效:
查找表总是比计算更快 - Z80:节省宝贵的周期 - 现代CPU:缓存友好的访问模式
顺序内存访问为王 - Z80:一个周期vs随机访问的四个周期 - HANA:列式存储偏爱顺序模式
位操作是通用的 - Z80:原生CPU指令 - 现代CPU:SIMD做同样的事情,但更快
预计算胜过运行时数学运算 - Z80:无法承担计算成本 - 现代系统:为什么要计算能记住的东西?
"那些使用Z80汇编的岁月不仅是怀旧——它们是训练,"她补充道。"那时每个周期都很重要,你猜怎么着?每个周期现在仍然很重要。规模变了,原则没变。"
"当我将此移植到HANA AMDP时,它会更快。因为AMDP会采用我的Z80优化算法并将其并行化。但核心洞察——查找胜过计算,顺序胜过随机——这来自1976年。"
她的GitHub页面当然包含了这里讨论的代码,以及如何在真实的Sinclair ZX Spectrum、在线模拟器JSSpeccy或Qaop/JS,或本地模拟器Fuse、ZEsarUX、Speccy或Retro Virtual Machine上运行的说明。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。