AI 零起手寫算子跑贏 DeepSeek FlashMLA 9.8%

今早面壁智能（MiniCPM 背後間）智能進化實驗室搞咗場 22.5 小時直播，個主角係佢哋嘅算子生成系統 ForgeKernel——一個完全無人參與的 Agent，喺英偉達 B200 上由零開始，寫快咗 DeepSeek 的 FlashMLA Prefill 算子 9.8%。

做咗乜

先交代背景：算子（kernel）係模型跑喺硬件上底最底層的小程序。同一款模型同一塊芯片，換一套更高效的算子，性能就拉開明顯差距。FlashMLA 係 DeepSeek 開源的注意力核心算子庫，10 月 20 日開源的推理框架 DeepInfer 亦有集成，由業界公認 Infra 最強的團隊手寫，被視為人類手寫算子的巔峰。

而 AI 拿到的，只有算子的數學定義同目標硬件約束。零參考、零源碼，純靠自進化一輪輪改進。

直播過程全程公開：

第一版通過正確性檢查，耗時 1834 微秒；
不到 4 小時壓到 593 微秒，降幅約 67.6%，已從零逼近當前最佳實現的九成；
第 7 小時前後一次核心結構突破，先超過自己上一代，再首次超過 FlashMLA；
上午 9 點多直播結束，最終 472 微秒，FlashMLA 為 518 微秒，快了 9.8%。

全程 42 輪迭代，留下 32 個版本，用 1 張 B200 同 22 GPU 小時。人類為此算子寫的代碼：0 行。

直播結束後，智能進化實驗室聯合 OpenBMB 社區宣佈開源 ForgeKernel。

之前已連登三榜

呢場直播並非 ForgeKernel 首次亮相。10 月 27 日昇騰 CANN 官方發文，點名 ForgeKernel 同時登頂 CANNBench 三大硬件榜（950DT、950PR、A3）。其中 A3 即目前廣泛使用的昇騰 910C，總分 4341.16，基準加速比 1.898×，約為第二名 1.22 倍。

直播跑喺 B200 用 CUDA，三張榜喺昇騰用 msprof，軟硬棧完全不同，但 ForgeKernel 用同一套系統兩邊都拿到第一。

點做至做到

10 月 27 日 ForgeKernel 團隊同清華大學等在 arXiv 發表 JustGoal 論文：只給模型一個優化目標，不提供任何算子知識，10 個算子中 8 個跑贏人類維護的開源庫。論文同時指出，同一個模型加上專家預設框架 KDA-0.5，平均成績反而只有 JustGoal 的 0.95 倍。

ForgeKernel 在 JustGoal 基礎上補三塊：將架構設計同實現能力分離並抽象成里程碑；將實測驗證過的硬件經驗存入知識庫；將自己寫出的最好版本當作下一輪對手，一輪輪自進化。論文引述 29 項對比中 24 項打平或超越專家實現，3 套領先 Agent 系統公開的 7 個最強算子全部打平或超越。

團隊同時提及，用 AI 優化訓練框架，在國產芯片可提速 20%～30%，在英偉達為 5%～10%。目前生成的算子已正式接入訓練框架，在國產芯片與英偉達平台上完成 MiniCPM5-1B 長訓測試。