最优传输（Optimal Transport, OT）是机器学习中处理分布匹配的基础工具，而基于熵正则化的Sinkhorn算法因其高效性被广泛应用于生成模型、领域自适应等领域。然而，现有实现面临两个主要挑战：一是在小正则化参数下数值不稳定，二是依赖深度学习框架（如PyTorch）引入额外计算开销。近期，研究者Hao Xiao提出FastSinkhorn，一种轻量级、原生的CUDA实现，完全在对数域中运行，结合warp级洗牌归约（warp-level shuffle reductions）与共享内存分块（shared-memory tiling），在保证数值稳定性的同时实现了极高的GPU利用率。
FastSinkhorn的核心创新在于其全对数域计算策略。标准域方法在处理epsilon低至10^{-4}的正则化参数时会因数值下溢或溢出而失效，而对数域方法通过将对数空间中的加法转化为对数域中的特殊运算，有效避免了这些问题。实验表明，在稠密最优传输问题（n=m=8192）上，FastSinkhorn相比广泛使用的POT库实现了12倍加速，相较基于PyTorch的GPU基线也有5.9倍的提升，而GPU内存消耗仅256 MB，远低于传统实现。
为了验证实用性，研究者在图像颜色迁移和3D点云匹配等实际任务中测试了FastSinkhorn，并进行了收敛性分析。结果显示，该算法不仅速度快，而且收敛行为稳定。此外，FastSinkhorn的代码已在GitHub上开源，方便社区使用和扩展。这项研究证明，精心设计的原生CUDA内核结合周密的数值处理，可以为大规模最优传输计算提供既实用又高效的解决方案，为需要大规模OT的机器学习应用开辟了新可能性。