HackMIT 2026 总体第二名："24 小时造一块 GPU"

检索方式：anysearch skill（web search + URL extract） 检索日期：2026-10-20 前后 结论：找到了。

一、结论速览

赛事：MIT 主办年度黑客松 HackMIT 2026（2026 年 9 月举行）

项目：从零实现一块真正的 GPU（RTL 级），24 小时内完成并现场演示，获 总体第二名（2nd overall）

参赛团队（4 人）：

用户记忆中的"他"最可能是 Liam Hanrahan——他发布了 YouTube 视频《I made a GPU in 24 Hours》（频道 Outer Cloud，约 17 万播放），也是博客 https://www.outercloud.dev/blogs/gpu/ 的作者。 另一篇更详细的技术博客由队友 Armaan Gomes 撰写。

获奖记录佐证：Liam Hanrahan LinkedIn "Honors & Awards" 中列有 HackMIT 2nd Place — HackMIT — Sep 2026；其 LinkedIn 动态帖："This weekend we build a GPU in 24 hours to win 2nd place at HackMIT! By implementing Warps and Vector Lanes on top of a RISC-V Core..."

二、实现手段（完整技术拆解）

2.1 底座：RISC-V 核 + Chisel + FPGA

• Armaan 此前已做过一个 RISC-V CPU（博客《techooo》），具备流水线核、cache、MMIO 等基础模块，不是从零开始，是"0→1"快速迭代。
• RTL 用 Chisel（Scala 硬件描述 DSL） 编写——代码里能看到 Execute.scala 这类 Scala 文件；文末提到"merged changes in Execute.scala"。
• 目标平台：FPGA，工具链 Xilinx Vivado（每次综合约 30 分钟，调试 scaffold 极其耗时）。
• FPGA 外接 DDR4 内存（内存带宽是全项目最大瓶颈），视频输出接大电视。
• 团队定位：Armaan 与 Liam 两人做 GPU RTL，Yolanda 与 Kshemaahna 写 kernel。

2.2 赛前规划（四步走）

在宿舍白板上画架构图并分工（白板后来被擦了，图丢了）：

1. 做一个简单的 RV32 流水线核
2. 向量化，做成 SIMD（Single Instruction Multiple Data）机器
3. 加 硬件多线程（NVIDIA 叫 warps，AMD 叫 waves）
4. 写 kernel 并实现 多核 cache 一致性

2.3 向量化（Vectorization / SIMD）

V1 —— "复制粘贴"式扩展

• 把流水线复制 16 份：16 个寄存器堆、16 个 ALU、16 宽写回阶段。
• 内存问题：没有 16 颗 DDR4，每周期只能发一个内存请求 → 早期做法是只接受 lane 0 的内存请求。
• 结果：16 次计算同时做，但每轮做的是同样的 16 次计算，几乎没用（跑 Mandelbrot 速度与单 lane CPU 相同）；但能跑，甚至能跑 DOOM。

V2 —— SIMT 语义（每 lane 跑不同数据）

• 新增自定义指令 laneid rd：把 lane id 写入目标寄存器。配合

  data = arr[offset + laneid()];
  

  实现每 lane 处理各自的数据。
• 带来两个问题：内存系统无法接受 16 个并发请求；分支分歧怎么办。
• 内存侧改造：把之前那个"非阻塞数据 cache"（很多访存 ≥1 周期延迟、MMIO 读却是组合逻辑、靠 jank handshake bypass 信号，作者自评"很糟糕的设计"）重写为所有访存非阻塞、与执行解耦；在 execute 级加一个状态机来 stall 并串行化内存请求。
• 分支侧当时的临时方案：强制所有 lane 走同一条分支（若分支依赖 lane 特有数据则 GPU 会"爆炸"）。理由是"靠足够的编译器折腾可以写出不分支的 GPU kernel"。
• 成果：第一个真正的 GPU 加速 kernel —— Mandelbrot，从"1 像素算 16 次"变成"一次算 16 个像素"，性能提升接近 16×（内存串行化与无分支又吃掉了一部分）。

2.4 分支处理：Mask + Lane Mask Controller

硬件做法（软件可控的分支发散）：

1. 为每个分支计算条件
2. 确定哪些 lane 条件为真/假
3. 屏蔽不走的 lane
4. 执行 true 分支
5. 翻转 mask
6. 执行 false 分支
7. 关闭 mask

硬件实现：

• 新增 LMC（Lane Mask Controller）：作为每条指令上的一个"戳"，可逐 lane 开关 ALU、访存和寄存器写回；存为一个 n 位寄存器。
• 新增指令 lmc：设置 LMC。
• 新增指令 ballot：灵感来自 Vortex GPU，检查目标寄存器在每个 lane 是否为 0，把结果装入目标寄存器（用于跨 lane 布尔比较）。

编译/编程层映射：

# if (a == b) { do(c); } else { do(d); }
e = ballot(a == b)
lmc(e)
do(c)
lmc(~e)
do(d)

即：软件掩码执行代替硬件 divergence 处理。局限是分支条件不能依赖 lane 特有数据。

2.5 Warps（硬件多线程）

• 目标：在长 stall 期利用线程级并行。数据依据：跑 DOOM 时 AMAT（平均访存时间）约 5–9 周期；向量化后 16 个内存操作串行 ≈ 128 周期空等，最多 64 个内存操作在飞时更糟。
• 实现：GPU 最多维持 4 个同时 warp。warp 包含 1 个线程所需的全部执行上下文（后扩展为 16 lane）。
• 切换机制：warp 因访存 stall 时，Flush Fetch→Execute（Write 不 flush），流水线需重新填充，代价约 5 周期，然后切到下一个 warp。
• 硬件上下文：每个硬件 warp 有独立的 32 寄存器组。
• 软件层机制（超过 4 个 warp 时）：
  • warpid 指令（类比 laneid）
  • terminate：warp 结束并腾出硬件 warp 槽位
  • 软件上定义多于 4 个 warp，data = arr[offset + warpid()]
• 已知 bug：terminate 时未清空寄存器堆，下一个 warp 启动时寄存器是脏的 → 软件侧在 terminate 前 clobber 寄存器堆解决。
• 作者复盘：warp 的收益不如向量 lane 明显，因为访存延迟本身不算长（~15 周期），换 warp 的 5 周期开销吃掉了大部分收益。
• 合并后新增两条指令：wspawn（动态分配/生成 warp）、bar（barrier，跨 warp 同步，用于帧同步、防画面撕裂）。

2.6 "从地狱里合并出来"（The Merge Conflict from Hell）

向量化与 warp 两条分支并行开发（时间不够串行做），最后合并：

• 合并本身花了 2 小时，Execute.scala 等文件改动错位，需要手工缝合。
• 真正麻烦的是**"行不冲突、意图冲突"**：
  • 向量化引入的内存串行化会阻塞 execute；
  • 而 warp 的硬件多线程依赖非阻塞访存才能切线程。
  • 解决：专门增加 ALU（Asynchronous Load Store Unit）——并行发起内存加载、异步串行化，让 execute 阶段空出来跑别的线程。

寄存器文件的重写：

• 原核：组合逻辑寄存器堆 + 大 mux，32 个寄存器没问题。
• 现在需要 2048 个寄存器（32 × 16 lane × 4 warp），每个读端口要 65k 个 mux，不现实。
• 改为 SyncReadMem：标准寄存器堆有 2 读端口 + 2 写端口（第二个写端口用于异步写内存），SyncReadMem 超过 2 端口不好办。
• 解法：2 个 bank，每个 2048 寄存器；写时记录每个寄存器最新一次写发生在哪个 bank（LVT, Live Value Table），读时从"值最新"的 bank 读出。正确 mux 后每 bank 只需 2 个端口。
• 作者自嘲：实现得不完全正确，综合出来是 LUTRAM 而不是 BRAM，但"能跑就行"。

2.7 跑起来 / 上板 / Demo

• 上 FPGA 后调试极痛苦（每次 Vivado 综合 30 分钟）。
• 同时把仿真环境指向 Claude，让它帮忙构建和测试 kernel —— 时间不够自己写完全部 kernel。Claude 后来又生成了 3D 渲染、流体仿真、物理仿真等 demo。
• 约 14 小时拿到能在 FPGA 上跑的架构（队友原话）。
• 最终在 FPGA 上跑起完整 Mandelbrot kernel，64 个并发线程；只有少量 timing violation（甚至因此产生了好看的"timing violation"图案）。
• DOOM：单线程游戏怎么跑在 64 线程 GPU 上？答案是把 63 个线程关掉，纯当单核用；已能跑到 20–30 fps。
• 小 LLM（Kshemaahna 负责）生成小故事，是作者本人最喜欢的 demo。
• 其它：FPGA 直驱大电视做 3D mesh 渲染、流体仿真。
• 评委环节：7 分钟演讲、零准备时间，作者大部分时间在手忙脚乱地速通 FPGA 烧录（烧录 + 跑 DOOM 要 2 分钟）；之后受邀参加第二轮 panel 评审。

2.8 获奖与彩蛋

• 颁奖时 Armaan 已经连续清醒 36 小时以上，在 Deepgram 奖之后直接睡死过去（"deep sleep"）。
• 队友摇了 20 秒才把他叫醒；上台时他把奖状竖着拿，直到下台看到舞台才意识到自己获奖。
• 队伍最后在离开场地后才真正意识到"我们赢了"。
• 全程能量补给：Pure Protein Chocolate Peanut Butter Bar（作者自称不是赞助，24 小时内吃了 5 根，吃完才停）。
• Liam 中途还跑去看了 Wang Theatre 的 Undertale Determination Symphony 音乐会。

三、其它佐证链接

开源状态：截至检索时未找到公开的 GPU 源码仓库。Liam 的 GitHub 组织 outercloudstudio 下有 animoo、Vector-Engine（实为 Tauri + Vue 3 + TS 模板项目，非本 GPU）、mew-compiler、nudge、bar-lobby、gdg-jam-2025、Ludum-Dare-57、Buddy-Brawlers 等，GPU 代码疑似未开源。

四、方法论小结（这题为什么能找到）

1. 关键词组合：中文"2026 黑客松 第二名 造 GPU" → 无果；
2. 英文 "hackathon 2026 second place built own GPU" → 命中 Facebook 帖 "Students create a new GPU in under 24 hours... I did to win (2nd place) at Hack MIT"；
3. 顺着线索挖到核心两篇一手博客（armaangomes.com / outercloud.dev），拿到了全部架构细节；
4. 用 YouTube / Instagram / LinkedIn 交叉验证了人名、获奖名次、日期。