经典算法复兴：Flash-KMeans在英伟达H200上实现200倍加速

本研究由MIT、UC Berkeley及NVIDIA等机构联合发布，旨在解决经典K-means聚类算法在现代GPU上的性能瓶颈。现有实现常受限于显存（HBM）的数据搬运瓶颈及硬件级的原子写入冲突。团队提出的Flash-KMeans引入了“FlashAssign”融合计算与在线检索，消除了中间距离矩阵的内存占用；同时发明“排序-逆更新”机制，将高冲突的离散写入转化为高效的段级归约。实测显示，在H200 GPU上，该算法相比业界主流的cuML和FAISS库分别实现了33倍和200倍以上的性能提升，成功将K-means这一传统离线算法转化为支持实时推理的高效在线组件。