在「v1.0.0」用Taichi AOT方案将特效部署到移动端中，我们展示了Taichi脱离Python环境部署的方法，实现了将特效算法快速部署在安卓手机上，并加上了重力交互功能。受制于散热、成本等问题，在部署环境中的硬件其计算能力通常很弱，因此有一个问题变得非常重要：相比于更底层的原生编程语言，Taichi能不能充分地发挥设备的计算能力？于是我们发起Taichi benchmark项目做一个更加细分、准确的性能评估。

　　作为一个领域编程语言（domain-specific language），Taichi可以用很短的代码解决数值计算方面的问题。我们针对领域中常用算法建立了测试集，将每一个测试项目和性能最好的实现方法进行对比，简而言之：对比基线是外部最强实现vs Taichi实现。通过这样的对比，我们试图评估Taichi编译器中内置优化技术的有效性以及可优化的空间。同时，这种对比也可以帮助改进Taichi，以达到更好的性能。作为这个项目的开端，目前版本的性能评测主要是Taichi与CUDA，通过与高度优化的CUDA代码进行对照，以评估Taichi的优化水平。

　　这次评测部分地解答了用户一直以来的疑问：Taichi和CUDA比性能究竟怎么样？我们在一块Nvidia Geforce RTX 3080上进行了测试，其中有9个算法以高性能的CUDA实现作为参考。在测试中计时方法对结果很重要，采用的两种计时方式分别是：

　　外部计时：重复运行计算函数，取平均计算时间。其中第一次运行包含了Taichi的编译开销，不计入总时间。

　　Kernel计时：在CUDA中使用cudaEventElapsedTime接口，在Taichi中使用ti.profiler统计kernel的运行时间（点击查看Taichi profiler文档）。二者的底层实现统一调用CUPTI，因此在度量上是一致的。

　　其中，外部计时的方式仍然包含了每次调用的Python开销，更贴近实际的使用场景。Kernel计时仅包含GPU计算函数，能更准确地评估Kernel函数的质量。taichi无论采用哪种方式，在每个测试项目中我们使用相同的计时器以保证对比是公平的。taichi https://taichi-lang.cn/