发生了什么
面壁智能联合 OpenBMB 开源社区于 8 月 4 日正式发布并开源 ForgeStencil，这是全球首个支持 Stencil 计算自动研究、自动部署的 AI 优化系统。Stencil（模板计算）是流体力学、电磁仿真、核反应堆物理等科学计算软件中的核心计算模式。根据官方披露，ForgeStencil 在一周内自动完成了 100 余个真实工业和科学计算软件的优化，官方估算其等效研发投入约为每年 4 至 8 名工程师、300 万至 1000 万元。
工作原理与实测数据
- 双 Agent 协同：Kernel Agent 负责理论方向（分析热点、锻造优化 Kernel），App Agent 负责工程落地（算子替换、正确性验证、集成回原应用），人类只需提供应用源码
- 效率提升：单个应用的优化时长被压缩到小时级，研发吞吐提升约 1 至 2 个数量级，官方称整体研发效率提升约 100 倍
- 实测加速：同精度（fp32）下几何平均加速 2.35 倍，混合精度下额外提速 1.95 倍；通用 CAE 求解器 hypre 加速 3.86 倍，电磁仿真 FDTD 加速 2.47 倍，核反应堆中子学计算 minisweep 最高加速 5.78 倍
- 开源地址：github.com/OpenBMB/ForgeStencil，基于面壁智能提出的 Forge Engineering 软件开发思路，是其继 5 月 ForgeTrain 之后的最新成果
为何重要
工业与科学计算软件的底层性能优化长期依赖资深专家的手工调优，人均每年精调的软件通常不超过 20 个，是制约国产 CAE、芯片电磁仿真等工业软件竞争力的瓶颈之一。ForgeStencil 展示了大模型智能体直接改写真实生产软件代码的可行性：以“AI 制造 AI”的方式把优化环节自动化，且效率可随算力规模并行放大。对工业软件企业和科研机构而言，这意味着底层计算性能的迭代速度可能发生量级变化。
不确定之处
目前公开的加速数据主要来自 Stencil 类计算模式和特定测试软件，对更广泛的应用类型（如稀疏矩阵、非规则访存）的覆盖效果尚待验证；优化结果的可维护性、与厂商私有代码的集成兼容性，也需要在实际项目中检验。开源许可证与商用条款细节，应以仓库发布信息为准。