不妨想象你正在编写基于粒子的流体算法。要开始并不难，你不费工夫就在网上找到可供参考的C++/CUDA作品（或者意外发现这就出自实验室伙伴之手）。cmake..&&make，你打下一行指令。糟糕！Cmake抛出错误提醒，某个第三方库不能兼容。安装、重新编译......这次没问题了。然后你运行程序，却又出现了段错误（当然，还没有堆栈跟踪信息）。你愁眉苦脸地紧盯着代码，把必要的资产文件放到正确的位置，修复了几个野指针，然后重新运行。这次终于跑通了......但别急着高兴，你还要接入改良后的算法。又是一场与GPU或CPU代码的苦战。很多时候，你只是迷失在编程语言的细节问题中。

　　如果这一切听起来都过于熟悉，那么恭喜你！你可能能在这里找到解决方法！

　　Taichi起步于MIT的计算机科学与人工智能实验室（CSAIL），设计初衷是便利计算机图形学研究人员的日常工作，帮助他们快速实现适用于GPU的视觉计算和物理模拟算法。Taichi选择了一条创新的路径：嵌入于Python，使用即时编译（JIT）架构（如LLVM、SPIR-V），将Python源代码转化为GPU或CPU的原生指令，在开发时和运行时均提供优越性能。

　　当然，以Python为前端的领域特定语言（DSL）不是什么新奇的创造。过去几年里，Halide、PyTorch、TVM等框架发展成熟，实际已塑造了图像处理、深度学习等领域的标准。Taichi与这些框架的最大区别在于其指令式编程范式。作为一种领域特定语言，Taichi并不专长于特定的某种计算模式。这意味着更大的灵活度。也许有人会假定灵活性需要牺牲优化程度，但对Taichi而言并非如此，主要有以下几个原因：

　　Taichi的工作负荷呈现出不可利用的特点（如不支持逐元素运算），也就是说算法强度是固定不变的。只要切换到GPU后端，用户就可以收获明显的性能提升。

　　传统深度学习框架使用的运算符都是简单的数学表达式，需要在计算图层面融合运算符，以实现更高的算法强度。但Taichi的指令式编程让用户能在一个kernel中轻松完成大量计算。我们将这样的kernel命名为mega-kernel。

　　Taichi使用各种编译器技术大幅优化源代码，包括公共子表达式消除、死码删除、控制流图分析。这些优化手段适用于各个后端，因为Taichi有自己的中间表示（IR）层。

　　即时编译提供了更多的优化机会。

　　尽管如此，Taichi远不止于一个Python的即时转译器。最初的设计目标之一是将计算与数据结构解耦。为此，Taichi提供一套通用的数据容器，叫做SNode(/ˈsnoʊd/)。SNode可以方便地构造或稠密或稀疏的多维field，并形成清晰的层级。在AoS和SoA两种内存布局间切换只需不到10行代码。这启发了很多数值模拟领域的使用案例。若你想学习如何使用这种数据容器，请查看field（高级）、稀疏空间数据结构或原始Taichi论文。

　　我们将解耦的概念进一步延伸到数据类型。由于GPU内存容量和带宽已成为当前的主要瓶颈，让每个内存单位存储更多的数据变得至关重要。2021年，Taichi引入了可定制量化类型，允许定义任意位数的定点数或浮点数（但仍不能超过64位）。从此，在单个GPU设备上进行超4亿粒子的MPM模拟成为可能。论文《QuanTaichi》对此进行了详细介绍。

　　Taichi是直观的语言。如果你使用Python，你就能使用Taichi。当你用Taichi编程，程序自动选择在GPU运行（CPU为替补）。Taichi问世后，这样一个并不复杂的理念有幸获得了诸多关注，在众多贡献者的努力下，现在Taichi支持更多后端，包括Vulkan、OpenGL，和Direct X（仍在进展中）。没有一个强大且专注的社区，Taichi无法走到今天。

　　展望未来，前路不乏机遇，在这里愿与大家分享一些我们的愿景。

　　学术届

　　研究工作中，90%的代码都逃不开被弃如敝履的命运，因为研究的本质就是不断打破假设、迭代观念。一味匆忙赶代码却不考虑性能可能导向错误的结论，而过早开始优化性能又往往只是浪费时间、一无所得。因此，一个性能与生产力两全的选项将对学术研究大有裨益。

　　Taichi会继续服务于学术界。我们为高性能计算研究项目设计的（或计划设计的）关键功能包括（kernel内的）小规模线性代数、大规模稀疏系统，以及对结构化和非结构化数据的高效近邻读取。

　　Taichi也利用（IR层）源代码转换实现了一个自动微分模块，因此为机器学习项目提供了称手的工具。

　　应用与游戏引擎

　　taichi的一大优势在于可移植性，支持多种后端。在开发过程中，我们意识到各行业用户对多平台打包和部署的需求日益增长。下方动图是将Taichi和Unity结合的一个实验性成果。我们将Taichi kernel导出为SPIR-V着色器，可以将它们轻松导入到Unity项目中。taichi https://taichi-lang.cn/