中国AI登顶英伟达GPU性能榜，这家公司拿下88项第一

近日，在NVIDIA Research推出的GPU算子性能评测榜单SOL-ExecBench上，无问芯穹先后登顶L1基础算子、L2融合算子、Quant量化算子与FlashInfer-Bench推理算子全部四大赛道。

SOL-ExecBench是NVIDIA Research于2026年3月19日推出的算子优化Benchmark。SOL意为“光速”，指代基于硬件能力推导出的理论性能边界。与传统评测比较相对软件基线的加速效果不同，该榜单引入以硬件性能上限为参照的SOL Score，并在高性能计算卡上实际测试。榜单包含从124个真实及前沿AI模型中提取的235道算子优化题目，覆盖语言、视觉、语音、视频及多模态等领域，划分为四大赛道：L1基础算子考察基础计算模块的高效实现；L2融合算子考察多计算步骤的融合执行与协同优化；Quant量化算子覆盖FP8、NVFP4等低精度计算技术；FlashInfer-Bench推理算子聚焦注意力机制、混合专家网络等大模型在线推理关键计算。该榜单从真实前沿模型计算图中直接提取工作负载，重点考察其在新一代GPU上的性能极限，且持续竞争、高频刷新。

截至2026年10月26日，无问芯穹在L1与Quant两大赛道总分位列全球第一，L2与FlashInfer-Bench赛道总分位列全球第二；在全部235道题目中以88项单题第一位居所有参赛团队之首，超过第二名单题第一数量的2倍。尤其在L2融合算子赛道，拿下82道题目中的39项第一，接近半数。

AI生产力价值落地背后是“投入—电/卡—Token—生产力—价值”的转化链条。随着Agent发展，Token成为任务执行的投入而非最终交付物，行业关注核心正从GPU Maxxing走向Token Maxxing，即不仅提升从“电”到“Token”的转化效率，还要让更多Token转化为模型能力与任务成果。SOL-ExecBench为检验这一能力提供了具体场景，要求提交代码同时满足正确性与性能要求，Agent需经历代码生成、编译运行、性能分析与反复调优。该评测吸引了Databricks、SF Tensor、Cursor、Recursive、doubleAI、Geometric等团队参与。据SF Tensor于2026年9月25日公布的数据，当时已有583支团队累计提交超过3.1万次评测。

无问芯穹围绕SOL-ExecBench构建了一套算子优化Agent，将代码生成、执行验证、性能分析与经验积累组织成连续工作流程。执行架构采用容器化隔离，将Agent工作区、评测区与调试区解耦，宿主侧资源调度器统一管理GPU，两类执行容器均禁用网络访问，形成迭代闭环，防止Agent绕过评测约束。系统通过模块化Skills接入开源社区技术积累，通过框架感知Skill帮助Agent理解运行环境，并利用共享Memory沉淀复用优化经验。优化策略上，系统围绕工作负载特征、性能瓶颈与时间预算组织分层探索，引导Agent在Triton、TileLang、CuTe DSL等不同粒度DSL间权衡，并针对计算密集型、访存密集型、多算子计算链路及小Shape低延迟任务细化策略。无问芯穹希望将高度依赖专家经验的GPU算子调优，转化为Agent可自主探索、持续学习和规模化执行的优化过程。