就在这两天，ForgeKernel，一个无人参与的Agent在无需参考DeepSeek原始实现的情况下，当着全网的面，把DeepSeek最新的核心算子写快了9.8%！
FlashMLA是DeepSeek开源的注意力核心算子库，10月20日刚开源的推理框架DeepInfer也把它集成在内；它出自业内公认Infra最强的团队之手，可以说是代表了人类手写算子的巅峰。
这在中美竞逐全球AI创新第一策源地的PK中，拿下了RSI领域极其重要的一分，尤其是它不是编程、不是跑评测、不是开发游戏，而是写最底层的算子时，它的意义被格外加强了——RSI的光亮，已经照到了中国AI创新的底层研发能力上。
从9月到10月，各路 AI 大牛给 RSI（递归自我改进）添柴加火的力度就没降下来过。有的出于对人类和 AI 终极关系的焦虑，有的也许只是在替背后的商业组织保住一份声量。
说话的人大致分两种。一种是造风者，看的是行业的热度和比拼的烈度，底层比的是造风的能力，典型如马斯克；另一种手里有成体系的实践做凭据，却缺少整体方法论层面的支撑，比如下文的 Clark。
10月12日，Anthropic 联合创始人 Jack Clark 在 Import AI 第476期改了口：完整 RSI——递归自我改进实现完整闭环——的到来时间，从2028年提前到了2027年。
他是证据派，证据就在身边。Anthropic 的日代码合并量从五月的两千五百次涨到九月的三万次以上，Git 撑不住了，换上了自研的版本管理系统 Scion。马斯克在社交媒体上只回了一个词：Obv——显然。
所有头部企业都在往这个方向使劲，RSI 像是今天确定性最高的前沿方向；可它同时又是标准最模糊的方向，没有公开的评判框架，同一个词底下装着价值完全不同的工作。
我关注到面壁智能，是因为它比前面两种人都更进一步，拿出了可以被检验的东西。AI 从一个空目录起步，两天左右写出的训练框架，跑赢了人类工程师打磨多年的基线；面壁自己的模型，从今年5月起就在这样的框架上训练；而一场直播和它在华为榜单上的屠榜，又把这家公司推到了一个业界极其特殊、极其瞩目的位置上。
真正让我觉得炸裂的，是这家公司的体量。一家百人量级的公司，走在了 AI 研发范式的最前沿。这不是一个天授奇才的故事，它反映的是 AI 前沿竞争眼下的趋势。
两年前，面壁说要给大模型造一台“光刻机”。这台机器造出来没有，造到了哪一步，是这篇文章要回答的。
01
最依赖人类手艺的那一层，它赢了
一场让一般人看起来觉得极其枯燥的22.5小时的直播炸了。
它就是我们开头说过的：ForgeKernel， 一个无人参与的Agent在无需参考DeepSeek原始实现的情况下，就当着全网的面，把DeepSeek最新的核心算子写快了9.8%！
直播从10月30日开始，一直跑到第二天上午九点多，前后22.5个小时。屏幕上没有人在敲代码，只有一个智能体、一块英伟达 B200，和一个目标：写出一个比 DeepSeek 的 FlashMLA 更快的 Prefill 算子。
它手里只有算子的数学定义和目标硬件的约束，没有源码，也没有论文可抄。第一版过了正确性检查，耗时1834微秒；不到4个小时，就压到了593微秒。
第7个小时前后，一次核心结构上的突破，让它先超过了自己的上一代版本，接着第一次跑赢了 FlashMLA。
直播收尾时，最终版本耗时472微秒，FlashMLA 是518微秒。全程42轮迭代，留下32个版本，只用了一块 B200、22个 GPU 小时。
人类为这个算子写下的代码，是零行。
直播后段有个细节。它自己发现，Q 的突发加载正在和 KV 的数据搬运争抢访存资源，于是主动控制 Q 的请求节奏，又压下了2.4%的耗时。这样的判断，过去只有资深专家做得出来。
算子是大模型运行时反复调用的基础计算模块。矩阵乘法、归一化等运算，都需要通过相应的算子在芯片上完成。一颗芯片能发挥出多少性能，很大程度上取决于这些算子的优化水平。数据怎么搬运、计算如何并行、芯片资源能不能充分利用，都会影响模型最终的运行速度。同样一颗芯片，算子优化水平不同，实际性能可能相差很大。
一个算子，能改写一个行业。2022年的 FlashAttention 只重写了注意力计算这一步，就让它快了数倍，长上下文从此用得起，今天几乎每个大模型都离不开它和它的后代。DeepSeek 的 FlashMLA，就是这条血脉上长出来的一支。
这也是最依赖人类手艺的一层。写好一个顶级算子，得同时吃透算法、芯片的存储层级和指令调度，再在一块块硬件上反复试错；据面壁介绍，FlashAttention 这类需要深度重构的算子，人类专家往往要数月甚至半年才完成一次迭代。
这一层，也一直是 AI 写代码最吃力的地方。2025年初斯坦福发布 KernelBench 时，最强的推理模型写出的 GPU 算子，能追平 PyTorch 基线的还不到两成。写网页、写业务代码，AI 早已得心应手；到了算子这一层，它面对的是人类手艺的天花板。
英伟达的护城河，很大一部分就筑在这一层。CUDA 生态走到今天，靠的是近二十年里一代代专家手写、调优出来的算子库；国产芯片每出一代新硬件、每来一个新模型，这些算子都得重新适配一遍。去年8月，华为宣布把昇腾的 CANN 软件栈全面开源，瞄准的就是这道墙。
可人类专家的数量，跟不上芯片和模型迭代的速度。中美在高端算力上本来就有差距，软件这道坎如果还要靠人头和年头去填，差距只会越拉越大。
所以10月27日昇腾 CANN 官方发文点名 ForgeKernel，分量很重：它同时登顶 CANNBench 的950DT、950PR、A3三张硬件榜单。
950DT 是华为今年才推出的新一代芯片，配套算子库还在建设初期，人工适配本来就慢。
ForgeKernel 率先完成适配，按10月27日的榜单，总分领先第二名37.1%。
A3 对应的是眼下用得最广的昇腾910C，早在10月15日封榜的上一版 CANNBench 里，这张榜的第一就已经是它。
英伟达那一侧，ForgeKernel 在英伟达推出的 SOL-ExecBench 上最难的FlashInfer-Bench赛道上，同样排名第一。这套评测从124个真实模型里抽出235道 CUDA 算子题，量的是离硬件物理极限还差多远；同榜的还有 Databricks、Cursor、Qwen 等海内外团队。
两边的软硬件差别很大，英伟达是 CUDA，昇腾有自己独立的架构和工具链。ForgeKernel 用的是同一套系统，换平台时只把性能分析工具从 NCU 换成 msprof，新芯片需要的硬件知识，由模型在这块芯片上边测边攒。
成绩摆在官方榜单上，过程摆在全网眼前，代码也交了出来：直播结束后，面壁智能进化实验室联合 OpenBMB 社区宣布开源 ForgeKernel。
又过了几天，关于ForgeKernel的论文也正式挂网了。
这件事改变了面壁在产业里的位置。它原本以端侧模型见长；现在，它写的算子同时排在昇腾和英伟达官方榜单的最前面，ForgeKernel 生成的算子也已接进训练框架，在国产芯片和英伟达平台上跑完了 MiniCPM5-1B 的长训测试。
业内一直有一种从未公开的小道消息，那就是当某个国产硬件在做软件底层的调优的时候，如果搞不定，那么可以去找面壁碰碰运气，也许会有不同的结果。当然，这只是长期在行业内小范围流传。
但这一次不一样了，华为这样的芯片厂商官方点了它的名，意味着所有基于华为生态的模型团队都可以直接拿去用，面壁从一家端侧见长的模型公司，从此登堂入室，走进了中国算力生态的最前沿位置，之后，也不会再有人把它再只当成一家模型公司了。
放到中美竞争里，这一分更重。国产芯片和英伟达之间，最难追的从来不只是硬件指标，还有 CUDA 里堆了近二十年的专家经验，那是一道靠人头和年头垒起来的墙。现在，这道墙开始可以按小时去追了，而且国产芯片的软件栈越薄，AI 能补上的就越多。
如果说面壁要造的是一台大模型的“光刻机”，ForgeKernel 刻的就是最细的那一层线条。在 AI 底层技术里最精深、最依赖人类手艺的这一层，一家中国公司的 AI，在中美两套生态的官方榜单上同时排到第一，还当众跑赢了人类手写的标杆；这比让 AI 写网页、写业务代码难得多，也是 RSI 走到今天，离“AI 造 AI”最近的一步。
这一分是怎么来的，得从 RSI 这个词说起。
02
确定性最高的方向，标准最少
大概半年前，我和一家国内 AI 原生公司的核心技术人员聊天。谈到前沿方向时，他再三叮嘱我，别对外报道他们在“AI 制造 AI”上的进展。
他的原话是：太前沿了，说出去别人会觉得我们在吹牛。
半年刚过，这个讳莫如深的话题就成了行业里最热的词，国内 AI 原生公司争相拿出自己的进展。
9月到10月的几个星期里，RSI 接连出现在各家的发布会上。阿里在云栖谈到训练、推理与芯模协同中的探索；智谱让 Infra Agent 设计和优化自家的推理系统；DeepSeek、MiniMax 也都把这个词放进了自己的技术叙事。
学术界同样密集。上海交大、清华、字节和上海 AI Lab 等机构参与的综述《人类造的最后一代 AI》，梳理了491项研究。九月中旬前后挂出的 ModularRSI 和 Dream-RSI，则把改进对象放在模型外部的驾驭层（Harness）上，底座模型保持不变。
优化推理系统、演化外部脚手架、改进训练方法，乃至参与芯片相关的设计，技术对象相去甚远，都能装进 RSI 这个大筐。按工作所在的位置摊开，大致是这样一张图：
图注：各层选择反映各自禀赋。
五层各有各的工作，没有谁天然比谁高明。面壁同时出现在 Harness 层、训练框架层和模型层，反映的是它在这几层都做了具体的工作，不是给成绩打分。至于做得多深、接管了多少研发工作，这张图还回答不了。
面壁智能智能进化首席科学家李宇轩给了我一个度量尺度：“人在其中的位置”。
“RSI 的演进，本质上是行为主体逐渐转变的一个连续过程。原来是人在让模型变强，后面是模型让模型自己变强。从技术路径看，人干的那些事一件都少不了，只是执行的主体换了。”
照这个定义，写代码、调参数、造数据、做评测，任何一项工作只要从人手里往模型手里移一点，都算得上这场转变的一部分。大家争着往这个筐里跳，本身未必是坏事；可如果只报一个 RSI 的名字，彼此间的技术差别就被抹平了。
这件事为什么值得争？AI 有两样人没有的本事。一是时间压缩，人一天写五百行代码，模型十分钟就能写完；二是智能可以复制，培养一个爱因斯坦也许要以千年计，模型一旦到了那个水平，就能复制出千万个。
所以判断一项 RSI 工作的分量，不能停在名字上。李宇轩只问三件事：技术作用于研发流程的哪些环节，这些环节占整个流程多大比重，实际效果又提升了多少。
单个算子快了几倍，要看它在完整任务里占多少时间；一段流程交给了 AI，也要看前后还有多少工作等着人来做。
拿这三件事回头看 ForgeKernel，分量就清楚了。算子压在每一次训练和推理的最底层，哪个模型都绕不开；按 Gartner 9月的预测，今年全球 AI 基础设施支出约1.48万亿美元，算力效率每高1%，就是约148亿美元。
这一分也不是突然来的。用这三件事去看面壁，会发现它今天交出的东西，早有来路。
03
面壁为什么把突破点切在工程上
面壁有一个老习惯：工具不够用，就自己造。早年算力不够，团队自研 BMTrain，把百亿级模型训练的启动门槛压到三十二张卡；后来又有“模型风洞”，先在小模型上把方案试过，选好再放大。ForgeTrain 就接在这条线上。
2024年底，面壁智能首席科学家刘知远提出，要给大模型造一台“光刻机”。芯片是光刻机一层层刻出来的，精度差一点，整片晶圆就废了；模型也该有这样一台机器，把想要的样子又准又好地“刻”出来。
2025年初，这件事又往前推了一步：这台“光刻机”，能不能让 AI 来造？刻 AI 的机器，由 AI 自己来造，这正是李宇轩说的“行为主体的转变”。
面壁从2025年一二月就盯上了“AI for AI”，可能是国内最早打出这面旗的一批公司，只是当时的模型还做不出像样的东西。李宇轩是这个转向的主要推动者之一，他判断这件事要到2026年才做得成，但又必须做成。于是，在2025年8月，提前半年开始构思具体实现。
今年3月，ForgeTrain 正式开工；5月，面壁自己的 MiniCPM 训练就换到了这套方式上。等到9月行业集体谈起 RSI，面壁的模型已经在 AI 写出来的框架上训练了四个月。
上一章开头那段对话里的公司，就是面壁。他们担心说出去像吹牛的事，就是那时 ForgeTrain 已经开工，一个月后就用到了自家模型的训练上。
做这件事的是一个极其精简的团队，只有四十个人，分做内部基础设施替代、端侧适配自动化、AI for Science 和 AI 自进化，前两块已经进入工程化。
为什么从工程下手，而不是研究？
李宇轩的判断很直接：去年 AI 写代码的能力已经成型了，做数学和科研还不行，“还是玩具，只能打打竞赛”。工程还有一个天然优势，代码写对没对，跑一遍就知道，“验证一段代码比验证一个理论便宜太多”。验证成本低，AI 才能自己检查自己，闭环才转得起来。
一年过去，AI 写代码确实过了关。做研究呢？10月6日 P-Zero Research 发布的 TasteVal 基准测试专门测这件事：表现最好的 Opus 5.5 已经越过人类专家基准线，可所有提交的方案里，用到现有文献中不存在的新方法的，一份也没有。
面壁一年多前就是按这个次序下的注，资源投入押对了方向，在 RSI 上赢得了一年的先发时间。它意味着一件重要的事可能发生——模型已经频繁在数学和理论物理上
