MegMind 发布 ForgeStencil:双智能体系统在一周内自动化优化 100 多种工业软件工具
现代工业突破与前沿研究依赖于大规模高性能计算软件,其中 Stencil 计算作为核心计算模式。这一受带宽限制的内存密集型过程在天气预报、地震勘探和材料科学等领域至关重要,其速度直接影响国家软件效率。
历史上,优化 Stencil 模式需要稀缺的高性能计算(HPC)专家进行手动调优,这限制了可扩展性。面壁智能与 OpenBMB 社区现已发布 ForgeStencil,这是全球首个由人工智能驱动的 Stencil 优化系统。该开源解决方案实现了自动化研究与部署,打破了以往的可扩展性壁垒。

ForgeStencil 在短短一周内自动优化了超过 100 个工业和科学应用,将优化时间缩短至数小时,并将研发效率提升了 100 倍。这一突破消除了人为限制,实现了 Stencil 优化的真正可扩展性。
ForgeStencil 采用双智能体架构,无需人工干预,仅需输入源代码即可运行。Kernel Agent 负责设计高性能算子,而 App Agent 则处理集成与验证。这种端到端的自动化确保了正确性,无需专家参与。
在算子基准测试中,ForgeStencil 的表现优于 Halide 和 Devito 等框架,在 fp32 精度下实现了 2.35 倍的几何平均加速,在混合 fp16 精度下额外提升了 1.95 倍。它在复杂的变系数 Stencil 模式上也实现了 1.34 倍的加速。

ForgeStencil 面向真实的工业场景,加速了 hypre(3.86 倍)、minisweep(5.78 倍)和 gprMax(2.47 倍)等关键软件。它直接满足了石油、医疗和气象行业对生产环境的需求。
与人类专家不同,ForgeStencil 的并行智能体共享一个共同的知识库,从而实现集体进化。基于 Forge 范式,它从代码生成转向自动优化和现实世界部署。
短期内,ForgeStencil 通过在数小时内优化现有软件来降低成本。长期来看,它将加速计算机辅助工程(CAE)、地震成像和芯片设计的数字基础。ForgeStencil 现已在 GitHub 上开源,面壁智能邀请高性能计算专家和开发者共同参与贡献。
相关文章
那些令人毫无食欲的AI生成菜单背后的同质化问题
起初,你可能会怀疑自己的理智。你走进一家咖啡馆,浏览一份摆满贝果三明治的菜单,却发现每张图片都完美得令人不安——对称得无可挑剔,质感过于光滑——这触发了你本能的感觉:有什么地方不对劲。你并非在胡思乱想;你的直觉是正确的。生成式人工智能图像已经渗透进餐饮业,这些图像由训练有素的模型生成,其美学风格狭窄且“讨喜”,即使你无法立即解释原因,也会让人觉得 inherently(本质上)是错误的。有时,这些图像明显是伪造的,比如一个芝士气泡丰富、融化得如同前卫艺术而非食物的墨西哥卷饼。更多时候,它们看起来
IBM报告:AI驱动的攻击事件占所有事件的25%,且单次损失高于平均水平20%
IBM与Ponemon Institute的最新研究揭示了一个令人不安的转变:由人工智能驱动的恶意数据泄露事件现已占所有恶意数据泄露事件的25%,同比激增56%。这些事件造成的平均损失为600万美元,比一般数据泄露的典型成本高出20%。攻击者正日益将目标集中在高影响力领域。62%的人工智能驱动网络攻击针对关键基础设施,其中金融服务和能源行业面临的风险最高。这种集中性威胁可能引发经济、供应链和基本公共服务的连锁故障。经济失衡十分明显:攻击成本正在下降,而防御费用却在上升IBM安全软件副总裁S
高通骁龙为三星的生成式人工智能生态系统提供动力
从左至右:Galaxy Z Flip8、Galaxy Z Fold8 和 Galaxy Z Fold8 Ultra。图片来源:三星高通公司克里斯蒂亚诺·阿蒙表示,与三星的合作使全新Galaxy智能手机、智能手表和智能眼镜能够实现自然且具备情境感知能力的AI功能试想一下,你戴着智能眼镜在异国街头漫步。当你瞥见餐厅外的菜单时,眼镜会立即识别文字,手机实时进行翻译,而镜框内隐蔽的扬声器会用英语轻声向你耳
相关专题推荐
评论 (0)
0/500
现代工业突破与前沿研究依赖于大规模高性能计算软件,其中 Stencil 计算作为核心计算模式。这一受带宽限制的内存密集型过程在天气预报、地震勘探和材料科学等领域至关重要,其速度直接影响国家软件效率。
历史上,优化 Stencil 模式需要稀缺的高性能计算(HPC)专家进行手动调优,这限制了可扩展性。面壁智能与 OpenBMB 社区现已发布 ForgeStencil,这是全球首个由人工智能驱动的 Stencil 优化系统。该开源解决方案实现了自动化研究与部署,打破了以往的可扩展性壁垒。

ForgeStencil 在短短一周内自动优化了超过 100 个工业和科学应用,将优化时间缩短至数小时,并将研发效率提升了 100 倍。这一突破消除了人为限制,实现了 Stencil 优化的真正可扩展性。
ForgeStencil 采用双智能体架构,无需人工干预,仅需输入源代码即可运行。Kernel Agent 负责设计高性能算子,而 App Agent 则处理集成与验证。这种端到端的自动化确保了正确性,无需专家参与。
在算子基准测试中,ForgeStencil 的表现优于 Halide 和 Devito 等框架,在 fp32 精度下实现了 2.35 倍的几何平均加速,在混合 fp16 精度下额外提升了 1.95 倍。它在复杂的变系数 Stencil 模式上也实现了 1.34 倍的加速。

ForgeStencil 面向真实的工业场景,加速了 hypre(3.86 倍)、minisweep(5.78 倍)和 gprMax(2.47 倍)等关键软件。它直接满足了石油、医疗和气象行业对生产环境的需求。
与人类专家不同,ForgeStencil 的并行智能体共享一个共同的知识库,从而实现集体进化。基于 Forge 范式,它从代码生成转向自动优化和现实世界部署。
短期内,ForgeStencil 通过在数小时内优化现有软件来降低成本。长期来看,它将加速计算机辅助工程(CAE)、地震成像和芯片设计的数字基础。ForgeStencil 现已在 GitHub 上开源,面壁智能邀请高性能计算专家和开发者共同参与贡献。
那些令人毫无食欲的AI生成菜单背后的同质化问题
起初,你可能会怀疑自己的理智。你走进一家咖啡馆,浏览一份摆满贝果三明治的菜单,却发现每张图片都完美得令人不安——对称得无可挑剔,质感过于光滑——这触发了你本能的感觉:有什么地方不对劲。你并非在胡思乱想;你的直觉是正确的。生成式人工智能图像已经渗透进餐饮业,这些图像由训练有素的模型生成,其美学风格狭窄且“讨喜”,即使你无法立即解释原因,也会让人觉得 inherently(本质上)是错误的。有时,这些图像明显是伪造的,比如一个芝士气泡丰富、融化得如同前卫艺术而非食物的墨西哥卷饼。更多时候,它们看起来
IBM报告:AI驱动的攻击事件占所有事件的25%,且单次损失高于平均水平20%
IBM与Ponemon Institute的最新研究揭示了一个令人不安的转变:由人工智能驱动的恶意数据泄露事件现已占所有恶意数据泄露事件的25%,同比激增56%。这些事件造成的平均损失为600万美元,比一般数据泄露的典型成本高出20%。攻击者正日益将目标集中在高影响力领域。62%的人工智能驱动网络攻击针对关键基础设施,其中金融服务和能源行业面临的风险最高。这种集中性威胁可能引发经济、供应链和基本公共服务的连锁故障。经济失衡十分明显:攻击成本正在下降,而防御费用却在上升IBM安全软件副总裁S
高通骁龙为三星的生成式人工智能生态系统提供动力
从左至右:Galaxy Z Flip8、Galaxy Z Fold8 和 Galaxy Z Fold8 Ultra。图片来源:三星高通公司克里斯蒂亚诺·阿蒙表示,与三星的合作使全新Galaxy智能手机、智能手表和智能眼镜能够实现自然且具备情境感知能力的AI功能试想一下,你戴着智能眼镜在异国街头漫步。当你瞥见餐厅外的菜单时,眼镜会立即识别文字,手机实时进行翻译,而镜框内隐蔽的扬声器会用英语轻声向你耳





首页






