AI零帧起手写算子，22.5小时反超DeepSeek人类巅峰9.8%

没有源码，没有论文，直接从零开始。今早，ForgeKernel——一个无人参与的Agent在无需参考DeepSeek原始实现的情况下，把DeepSeek最新核心算子写快了9.8%，全程直播仅用22.5小时，引来不少网友围观。

直播内容是一个Agent在英伟达B200上超越DeepSeek-V4.1的FlashMLA Prefill算子。FlashMLA是DeepSeek开源的注意力核心算子库，出自业内公认Infra最强的团队之手，代表人类手写算子的巅峰。AI只拿到算子的数学定义和目标硬件约束，从零起手，通过自进化一轮轮改进。

22.5小时里，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%，已从零逼近当前最佳实现的九成；第7小时前后一次核心结构突破让它先超过自己的上一代版本，随后首次超过FlashMLA；上午9点多直播结束，最终版本耗时472微秒，FlashMLA为518微秒，快了9.8%。全程42轮迭代，留下32个版本，用了1张B200和22个GPU小时；人类为这个算子写的代码是0行。

这个Agent正是来自面壁智能的算子生成系统ForgeKernel，直播结束后智能进化实验室联合OpenBMB社区宣布开源。

这并非ForgeKernel首次亮相。10月27日，昇腾CANN官方发文点名ForgeKernel同时登顶CANNBench 950DT、950PR、A3三大硬件榜单。950DT榜上以4010.75分排名第一，领先第二名27.8%，基准加速比1.533×，约为第二名的143%，意味着同等硬件投入下可用算力增长接近50%，企业算力采购与部署成本可相应降低约一半；950DT是新一代芯片，配套算子库尚在建设初期，ForgeKernel率先完成适配并登顶，说明新硬件上市后AI能快速产出高质量算子，芯片从上市到适配好的空窗期正被大幅压缩。950PR榜竞争最激烈，前三名基准加速比都达1.3倍，ForgeKernel总分4165.94排名第一，基准加速比1.638×，约为第二名的1.18倍。A3即昇腾910C，10月15日封榜的CANNBench v1.1中它已拿下第一，v2.0开榜后位置未让出，目前总分4341.16，基准加速比1.898×，约为第二名的1.22倍。直播跑在英伟达B200上用CUDA，三张榜单跑在昇腾上，软硬件差别很大，ForgeKernel却用同一套系统在两边都拿到第一。

10月27日，ForgeKernel团队与清华大学等机构在arXiv发布论文《JustGoal：With Only a Goal，the AI Baseline Is Above the Expert Kernels》。研究中只给模型一个优化目标，不提供任何算子知识，也不规定固定流程，结果在B200上模型在10个算子中的8个跑赢人类维护的开源库；同一个模型套上MIT韩松团队参与开发的专用框架KDA-0.5，单配置优化任务平均成绩反而只有JustGoal的0.95×，说明写算子越来越依赖模型自身能力，专家预先写好的经验和流程作用在变小。但只给目标也有短板：模型擅长调细节，却难以独立设计整体架构，常在开局几次尝试中把路线定死。ForgeKernel在JustGoal基础上补这块短板，做法分三部分：把架构设计和实现能力分离，并把架构设计抽象成里程碑拆解问题；把每条实测验证过的硬件经验存进知识库，换算子也能接着用；把自己写出的最好版本当作下一轮对手，一轮轮自进化。直播中它先超过自己的上一代版本再超过FlashMLA，就是自进化；后期它还自己发现Q的突发加载在和KV数据搬运争抢访存资源，主动控制Q的请求节奏，又压下2.4%耗时，这种判断过去要靠资深专家。放到更多算子上，ForgeKernel在29项对比中有24项打平或超越专家实现，三套领先Agent系统公开的7个最强算子也全部打平或超越。其设计不依赖具体某一款硬件：算子实现要贴芯片特性写，但组织优化的方法通用，从英伟达换到昇腾只需把性能分析工具从NCU换成msprof，新芯片所需硬件知识由模型边测边积累，可快速迁移到其他国产芯片。

据Gartner最新预测，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。国产芯片配套算子库不完善，AI提升空间更明显：ForgeKernel团队用AI优化训练框架时，同样做法在国产芯片上能提速20%～30%，在英伟达上为5%～10%，可进一步提高国产芯片性价比、缩小与英伟达差距。目前ForgeKernel生成的算子已正式接入训练框架，在国产芯片与英伟达平台上完成MiniCPM5-1B的长训测试。以DeepSeek V4.1为代表的国产大模型已开始参与算子生成和优化，这些算子最终跑在国产芯片上，“国产模型写算子，国产芯片跑算子”的全栈生态闭环正在成型。

面壁智能智能进化首席科学家李宇轩表示，由于代码能被机器快速验证，工程落地会比理论研究率先实现闭环：过去像FlashAttention系列这样需深度重构架构的顶尖算子，人类专家往往