夜雨聆风以前你可能觉得 AI 就是写写文案、做做图。但有一套开源的 AI 系统，能自动优化科研和工业软件的运行速度，不需要人类干预，据面壁智能公众号公告，一周内处理了 100 个真实软件。
这里说的软件不是手机里的 App，而是石油勘探、天气预报、医学影像、航天仿真这类需要大量计算的科学软件。这类软件的性能瓶颈集中在一种叫 Stencil 的计算模式上：一个网格里，每个格子的值由周围邻居决定，天气预报和流体模拟都靠它跑。优化这种计算是让科学软件跑得更快的核心难点，过去只能靠人类专家手工做。
ForgeStencil 把这件事自动化了。由面壁智能联合开源社区 OpenBMB 发布，GitHub 开源，协议 Apache-2.0。
1. 100 个真实软件，中位提速 1.41 倍
ForgeStencil 已在 100 个真实的科研和工业软件上完成端到端验证，覆盖油气勘探、电磁仿真、医学影像、流体力学、气象、天体物理、材料科学等领域。
这些数字来自 GitHub 仓库实测结果，声称可对照每个应用自带的生产级 GPU 代码复现。核心数据：中位加速 1.41 倍，几何平均 2.05 倍，89% 的软件获得 1.05 倍以上加速，最高 97.7 倍。
有一点要讲清楚：大倍数提速主要来自软件本身存在结构性瓶颈，比如启动了太多细碎的计算任务，优化后收益自然大。已经高度优化的软件，提速通常只有 1.0 到 1.5 倍。ForgeStencil 在 README 里如实标注了这一点。
整个流程零人工介入：从研究优化策略、生成代码、测量性能，到集成进真实软件并验证正确性，全部由两个 AI Agent 自动完成。
2. 两个 AI Agent 怎么分工
Kernel Agent（算子研究 Agent）：Kernel 是运行在 GPU（显卡计算芯片，比 CPU 更擅长并行处理大规模数值计算）上的核心计算代码。这个 Agent 自动研究怎么优化这类代码，循环执行三个步骤：做计划、写代码、测性能，反复改进直到找到更快的方案。
App Agent（应用部署 Agent）：把优化成果落地到具体软件里。先定位跑得最慢的部分，基于 Kernel Agent 的经验定制优化方案，接着验证结果是否准确，最后集成进原始软件。
两个 Agent 共享一个知识库。Kernel Agent 的优化技巧会沉淀下来，App Agent 处理新软件时可以直接调用，不用从头开始。
3. 门槛极高，普通人无法直接使用
这是最需要说清楚的部分。ForgeStencil 面向高性能计算领域，门槛远超普通 AI 工具。
硬件要求：需要 NVIDIA 数据中心级 GPU（官方在 A100 上验证，支持 H100/B200）。A100 单卡售价数万元起，不是消费级显卡。
软件环境：需要 CUDA 12.x（NVIDIA 的 GPU 编程平台，安装配置有一定门槛）、C++17 编译器和 Python 科学计算库。
使用场景：面向已经在运行科学计算软件的研究人员和工程师。如果你不知道 Stencil 是什么，大概率用不上。
/// 适合谁
明确判断如下。
适合：高性能计算领域的研究人员、CUDA 开发者、运行科学仿真软件的工程师。如果你正在为某个科学软件跑得太慢头疼，ForgeStencil 提供了一种自动化优化方案，开源、可复现。
不适合：普通 AI 用户、办公室白领、内容创作者。这个工具解决的问题和日常需求没有交集。
值得关注的点：不在于你是否能直接使用，而在于它展示了一个新方向。AI 正在进入"自动优化软件性能"这个过去完全依赖人类专家的领域。面壁智能称这是"全球首个"实现该闭环的系统，GitHub 官方中文 README 也用了"首个"的表述。如果这套方法未来被泛化到更多类型的软件上，影响会远超科研领域。
现阶段，这是一个方向性信号，不是可以马上拿来用的效率工具。
> 基础信息：ForgeStencil 由面壁智能联合 OpenBMB 开源，仓库 github.com/OpenBMB/ForgeStencil，协议 Apache-2.0，已在 100 个科研和工业软件上验证，中位端到端加速 1.41 倍。使用需 NVIDIA A100/H100/B200 GPU 及 CUDA 12.x 环境。
—— Kail的AI工具箱
