知识卡片：AI零帧起手写算子，反超DeepSeek人类手写巅峰

一句话结论

面壁智能的算子生成系统 ForgeKernel 在无源码、无参考实现的条件下，仅凭数学定义与硬件约束，用 22.5 小时、42 轮迭代自动生成 FlashMLA Prefill 算子，在英伟达 B200 上比 DeepSeek-V4.1 的人类手写版本快 9.8%，随后宣布开源。

事件概述或研究问题

• 事件：ForgeKernel 以全程直播方式，从零开始为英伟达 B200 生成 DeepSeek-V4.1 的 FlashMLA Prefill 核心算子；直播结束后，面壁智能智能进化实验室联合 OpenBMB 社区宣布开源。
• 研究问题：在只给定算子数学定义和目标硬件约束、不提供算子知识与固定流程的前提下，AI Agent 能否自主设计并优化出超越人类专家手写水平的高性能算子。
• 相关论文：团队与清华大学等机构于 10 月 27 日在 arXiv 发布论文《JustGoal：With Only a Goal，the AI Baseline Is Above the Expert Kernels》，ForgeKernel 在其基础上补足架构设计短板。

方法/产品要点

• 架构设计与实现能力分离：把架构设计抽象成里程碑，拆解问题。
• 硬件经验知识库：每条实测验证过的硬件经验入库，换算子也能复用。
• 自进化迭代：把自身写出的最好版本当作下一轮对手，一轮轮改进。
• 跨平台迁移：不依赖特定硬件，从英伟达换到昇腾只需把性能分析工具从 NCU 换成 msprof，新芯片硬件知识由模型边测边积累。
• JustGoal 基线：只给优化目标、不给算子知识和固定流程；论文称在 B200 上 10 个算子中 8 个跑赢人类维护的开源库，且套用专用框架 KDA-0.5 后平均成绩仅为 JustGoal 的 0.95×。
• 直播数据：第一版通过正确性检查但耗时 1834 微秒；不到 4 小时压到 593 微秒（降幅约 67.6%）；第 7 小时前后首次超过 FlashMLA；最终 472 微秒对 518 微秒，全程 42 轮迭代、留下 32 个版本、1 张 B200、22 个 GPU 小时、人类手写代码 0 行。

主要结果或产业意义

• 性能：B200 上 FlashMLA Prefill 算子最终耗时 472 微秒，人类手写版 518 微秒，快 9.8%。
• 昇腾三榜第一（10 月 27 日昇腾 CANN 官方发文点名）：
  • CANNBench 950DT：总分 4010.75 排名第一，领先第二名 27.8%；基准加速比 1.533×，约为第二名的 143%。
  • CANNBench 950PR：总分 4165.94 排名第一；基准加速比 1.638×，约为第二名的 1.18 倍。
  • CANNBench A3（昇腾 910C）：总分 4341.16，基准加速比 1.898×，约为第二名的 1.22 倍；10 月 15 日封榜的 v1.1 中已第一，v2.0 开榜后位置未让出。
• 泛化性：29 项对比中 24 项打平或超越专家实现；三套领先 Agent 系统公开的 7 个最强算子全部打平或超越。
• 产业接入：生成的算子已接入训练框架，在国产芯片与英伟达平台完成 MiniCPM5-1B 长训测试。
• 效率差异：团队用 AI 优化训练框架时，国产芯片提速 20%～30%，英伟达为 5%～10%。
• 经济账：据 Gartner 预测 2026 年全球 AI 基础设施支出约 1.48 万亿美元，算力效率每提升 1% 对应约 148 亿美元；950DT 榜单成绩被解读为同等硬件投入下可用算力增长接近 50%、企业采购与部署成本可相应降低约一半（该成本换算为报道方解读，待核实）。
• 生态叙事：形成“国产模型写算子，国产芯片跑算子”的全栈闭环说法；被定位为 RSI（递归自进化）落地的缩影。

为什么重要

• 高性能算子长期依赖资深工程师手写调优，周期长、门槛高；人类专家数量跟不上芯片与模型迭代速度，新硬件上市到适配完成之间存在空窗期。
• ForgeKernel 用同一套系统在英伟达 CUDA 与昇腾两套差异极大的软硬件栈上都拿到第一，说明其组织优化的方法具有通用性，可压缩国产新芯片的适配周期。
• 若“写代码对 AI 几乎不花成本”成立，过去因专家成本过高而算不过账的定制化优化（为特定模型或芯片单独定制算子）将变得可行。
• 报道援引面壁智能智能进化首席科学家李宇轩的说法：FlashAttention 系列顶尖算子人类专家往往需数月甚至半年迭代一次，而团队内部 AI 超越最佳人类实现的算子优化任务最多两天完成（该对比为受访者陈述，待核实）。
• 与既有卡片的关系：本卡片延续“AI 自主科研/工程能力”脉络，但增量在于从猜想破解、融资、AI 哲学家等话题转向底层算子工程这一具体产业环节，并给出可量化的性能、榜单与成本口径。

局限与不确定性

• 直播与榜单数据均来自单一来源（量子位报道）及厂商自述，独立第三方复现结果待核实。
• “基准加速比”“总分”等指标的具体计算口径未在材料中说明，跨榜单横向比较需谨慎。
• 9.8% 提速为单算子、单配置下的对比结果，是否可推广到端到端训练/推理吞吐待核实。
• 成本降低约一半、算力增长接近 50% 等表述为报道方基于基准加速比的推算，非实测采购数据。
• 论文《JustGoal》的同行评审状态、实验细节与基线设置待核实。
• 开源范围（代码、模型、知识库是否全部开放）与许可证待核实。
• 昇腾三榜的完整排名、测试用例与提交时间线待核实。

可用于图书/PPT/简报的角度

• “零帧起手”的工程自动化：从数学定义到可运行高性能算子，人类写 0 行代码的完整时间线（1834→593→472 微秒）。
• 自进化的具体机制：架构与实现分离、硬件经验知识库、以自身最优版本为对手——可作为“AI 如何做工程迭代”的案例图。
• 国产算力的适配空窗期：新芯片上市即被 AI 快速适配，对芯片厂商与模型团队的意义。
• 1% 算力效率的宏观账：1.48 万亿美元基础设施支出下的敏感性分析（注明为推算）。
• RSI 叙事的落地样本：从“人类写代码”到“人类搭环境、设目标、定验证标准”的角色迁移。
• 生态壁垒的另一种拆法：CUDA 的专家经验壁垒 vs. AI 端到端生成最优解。
• 交叉验证清单：可列出直播数据、昇腾榜单、论文结论三组证据及其各自的可信度边界。

原始材料

• 标题：AI零帧起手写算子，反超DeepSeek人类手写巅峰：快了9.8%！
• 来源：量子位（QbitAI），作者：十三，金磊 发自 凹非寺
• 发布时间：2026-10-30 19:05:06
• URL：https://www.qbitai.com/2026/10/506785.html
• 关联论文：JustGoal：With Only a Goal，the AI Baseline Is Above the Expert Kernels（arXiv，2026-10-27，ForgeKernel 团队与清华大学等机构）
• 关联榜单：昇腾 CANNBench 950DT / 950PR / A3（CANN 官方 2026-10-27 发文）
• 英文关键词：ForgeKernel, FlashMLA, DeepSeek-V4.1, CANNBench, Ascend, B200, JustGoal, operator generation, self-evolution, RSI