近年来,由于国内外半导体行业的发展,国内在芯片领域上的发展方兴未艾。因为硬件技术的蓬勃发展,传统芯片和人工智能芯片的种类丰富多彩,传统编译器已向定制化编译器发展。编译器是计算机平台与应用程序之间的桥梁,编译器依据机器平台的参数信息将应用程序源码正确且高效地编译转换成为可执行程序。在编译过程中,常常会叠加不同的优化选项对应用程序做不同的优化处理。编译器的优化能力受机器平台参数和自身编译器架构特征的影响。在编译器优化工作中,以编译器与机器平台形成的架构组合为分析的基础对象。由于编译器优化工作的难度,在以往工作中常常弱化参照架构组合的选择。但只有多架构组合情况下才能为目标编译器优化提供最大可能的性能提升空间。但是增加架构组合数量,往往会使测试任务量大、分析数据量多、优化工作难。为此本文提出了一种基于峰值架构的跨平台编译器分析技术,以此技术减轻编译器性能分析的工作量,减小编译器优化的工作难度。本论文的主要研究工作概括为以下几个部分:(1)提出基于峰值架构的跨平台编译器分析优化技术。该技术通过二维动态测试、峰值架构分析、粗粒度优势优化定位和细粒度核心差异化分析四个步骤详细分析目标编译器与参照编译器的差距,进而提出详细的优化方案。(2)以SPEC CPU2017为测试用例,以gcc、icc、aocc和llvm为分析编译器,在Intel平台上以gcc为目标编译器,在AMD平台上以llvm为目标编译器,验证了该技术的实用性与精确性。(3)从编译器的前端、中端(优化器)和后端三个方面分析了gcc编译器的源码逻辑结构和主要的功能方法。以该技术作为指导,在Intel平台上为gcc编译器提供了向量化优化、预取优化、循环展开优化等多个待优化的方向,并最终在预取优化方向上提升67%的性能。