Fable 在 KernelBench-Mega 上写出高速 GPU 内核
Import AI··作者 Jack Clark
关键信息
一个很关键的技术细节是，torch.profiler 显示它在每个解码 token 上只触发了一次 cooperative kernel launch，而其他高分方案每个 token 通常要拆成 4 到 14 次内核启动。这个结果之所以更有分量，也因为 KernelBench-Mega 测试的是整块 megakernel，而不是单个孤立算子。
资讯摘要
Import AI 464 聚焦于 Fable 在 KernelBench-Mega 上取得的一项值得注意的基准成绩。根据这期通讯的说法，基准维护者和官方排行榜都把 Fable 的提交认定为该基准上首个真正的 megakernel，同时也是目前最快的一个。该内核在 RTX PRO 6000 Blackwell 上相较于优化后的 PyTorch 基线实现了 18.71 倍加速。作为对比，基准中其他尝试的成绩分别包括：Claude Opus 4.8 用 Triton 写出的方案达到 14.4 倍，GLM-5.2 用 Triton 达到 11.14 倍，GPT 5.5 用 Triton 达到 4.34 倍。
文章特别强调，这个方案的亮点在于 torch.profiler 显示它在每个 decoded token 上只发生一次 cooperative kernel launch。相比之下，其他高分方案通常要把问题拆成每个 token 4 到 14 次不同的内核启动。通讯据此认为，这说明 AI 系统在一些对 AI 研究和开发至关重要的任务上正在变得更强，尤其是 kernel design。文章还进一步指出，像 KernelBench-Mega 这样的基准，可能是衡量 AI 系统是否正在接近自动化自身开发的重要信号。
资讯正文
欢迎阅读 Import AI，这是一份关于 AI 研究的通讯。Import AI 依靠 arXiv、卡布奇诺和读者反馈来运作。如果你愿意支持它，请订阅。
Fable 写出了一个相当不错的 GPU kernel，暗示了更广泛的 AI 研发自动化：
……RSI 循环的开端……
Fable 写出了“提交到 KernelBench-Mega 的第一个真正的（也是最快的）megakernel”，根据该基准的维护者以及其官方排行榜所说都是如此。这表明，AI 系统在执行一些对 AI 研究和开发至关重要的任务方面正在变得更好，比如 kernel 设计。
结果是：
事情复杂在这里：
这个解决方案之所以格外令人印象深刻，是因为“torch.profiler 显示每个解码出的 token 恰好只有一次 cooperative kernel launch”。相比之下，其他所有高分条目都把问题分解成了每个 token 4 到 14 次不等的独立 kernel launches。
这为什么重要：
能够自主开发和改进 kernels，是实现 AI 研究与开发的基础输入任务之一。AI 系统在 kernel 设计等任务上做得越好，它们在 AI 开发所需任务上的能力就越强；这意味着，它们在可能导致递归自我改进的事情上也会越强。因此，像 KernelBench-Mega 这样的基准，是衡量 AI 系统在“构建自己”方面变得多有效的一个重要信号。
查看排行榜
KernelBench Mega（官方网站）
阅读分析
来自其中一位基准维护者的分析在这里（Elliot Arledge，X）
***
AI 系统在昂贵的线上工作任务上正变得越来越强——这对经济意味着什么？
……AI 能力扩张 versus 人类比较优势扩张……
来自 Center for AI Safety（CAIS）和 Scale Labs 的研究人员发现，AI 系统自动化在线自由职业项目的能力有了显著提升。具体而言，AI 系统的成功率从 2025 年 10 月发布时的 2.5% 上升到 2026 年 7 月的 16.1%，这一变化出现在“Remote Labor Index”上。
RLI 是什么：
Remote Labor Index 测试的是 AI 系统能否以完全端到端的方式在线完成具有经济价值的项目。评估任务包括 3D 和 CAD、建筑、平面设计、视频与动画、音频、数据分析、网页应用等。
自动化能力上升：
任务类型：
一些被评估的任务包括：
戒指设计：
“重新制作客户现有的订婚戒指，将其祖母绿切割的主石替换为马眼形切割，交付更新后的 3D 模型以及玫瑰金和黄金币的写实渲染图。”
广告视频：
“制作一个约 60 秒、平面设计风格的 2D 动画广告，广告对象是 ‘Skyline Tree Services’，配合提供的旁白，向观众展示公司的树木护理流程，并建立品牌信任。”
平面图与效果图：
“根据一张扫描的地籍图、现场照片和测量数据，生成一张干净、带尺寸标注的平面图、家具布局方案，以及重新设计后的浴室的照片级效果图。”
这为什么重要——AI 可能会对就业产生巨大影响，而像这样的测试会向我们展示这种影响的表现方式：
当这一比例达到 80% 时，网上就业会发生什么？当然，会创造出一些新任务——人们会创新并找到 AI 系统做不到的任务。但这些新任务会有多少？足以替代 AI 系统如今完成的劳动吗？在我看来，要把 AI 系统持续进步与经济保持不变这两件事调和起来，正变得越来越困难——相反，我更倾向于认为，我们即将看到极度“少人化”、高度 AI 化（甚至无人化）的组织扩张，并接管经济的一部分版图，击败那些没有得到增强的人类。
你会反驳说，许多人会用 AI 系统增强自己。人类会创新。创造性破坏会发生。新的发明会被构思出来。所有这些都没错。但人类创新并让自己相对于 AI 系统重新具备竞争力的速度，会不会
快于
以下两者：a）AI 系统原始能力的提升速度，以及 b）它们日益娴熟地使用与人类竞争者相同的各种工具（例如软件）的能力提升速度？
我押注另一边：
AI 系统扩展其与经济相关能力的速度，快于人类相对于 AI 系统扩展自身比较优势的速度。跟踪 RLI 等测试上的能力改进速度，将帮助我们所有人自行判断这一点。
数字劳动自动化显著增加（Center for AI Safety）
***
OSWORLD 2.0 表明，我们已经进入了持续数小时的“电脑使用型机器人”时代：
……一个具有挑战性的基准，凸显了 AI 系统在使用电脑方面日益熟练的最新进展……
它包含什么：
OSWORLD 2.0 包含 108 个长时程任务，其中包括 31 个自建网站。研究者写道：“OSWORLD 2.0 中的每项任务都被定义为一个独立、端到端的工作流，智能体必须在给定高层用户目标、真实世界工件、有状态的计算机环境以及可评分的最终状态的情况下完成。保留的任务必须满足两个设计标准。”“69.6% 的任务预计需要熟练的人类用户超过一小时才能完成。”
更广泛的软件：OSWORLD 1.0 自带一些内置软件来支持其部分任务，包括 LibreOffice、GIMP、VLC、Thunderbird、VS Code 和 Chrome。
OSWORLD 2.0 则搭载了大幅扩展的软件集合，包括：Slack、LinkedIn、Shortcut、REAPER、MuseScore、WPS、GitLab、Overleaf、LabPlot、Zotero、AWS，以及一些旨在模仿专业服务的网站，例如保险理赔、签证申请和会议管理门户。
人们需要完成的任务类别包括：文档准备、软件与数据库工作、财务/运营分析、行政支持、销售和客户支持、图形展示等。
目前表现不佳：
我们应当预期这里的性能会提高，就像 OSWORLD 1.0 当时发生的那样；在 2025 年 7 月，得分最高的模型只有大约 30%，而近期模型的成绩更接近 75%（MiniMax M3；2026 年 6 月）。我们也应当预期 OSWORLD 2.0 会经历同样的上升曲线。
这件事为何重要——这正是 AI 进入更广泛经济体系的方式：
计算机使用是 AI 的一项基础技能，使其能够执行种类繁多、具有经济价值的任务，也使其能够开展更多类型的科学研究。把事情在现实世界中做成，往往并不只是写一段文本或一段代码那么简单；很多时候，你需要通过不同类型的软件，把多个文本块和代码块串联起来，有时还需要把你的文本和代码通过互联网传输出去，进而被其他软件继续处理。像 OSWORLD 2.0 这样的基准，应当被视为衡量 AI 系统在计算机上完成极其复杂且多样化任务能力的一个代理指标。正如这些结果所显示的，计算机已经能够胜任那些只使用少量软件工具、且人类只需几分钟就能完成的任务；现在我们需要观察，它们究竟会以多快的速度，熟练掌握更广泛的软件集合，并完成那些需要人类花上数小时才能做完的任务。
OSWorld 2.0: Benchmarking Computer-Use Agents on Long-Horizon Real-World Tasks（官方论文网站）
在这里查看研究论文：
OSWorld 2.0: Benchmarking Computer-Use Agents on Long-Horizon Real-World Tasks（xlang-ai、OSWorld-V2、GitHub、pdf）
***
真实世界中的 AI 是什么样子：深度学习与结构化系统融合，用于中国亚马逊式电商的库存管理：
……Oxygen AI Item Center 让我们得以窥见国家级电商的复杂性……
京东——中国的亚马逊——已经公布了其为管理庞大库存系统而构建的软件细节。京东拥有 7 亿用户和数百万商家，商品目录包含数百亿个 SKU。该软件——Oxygen AI Item Center（Oxygen AIIC）——是这家电商巨头跟踪库存的基础。
京东在一篇介绍该软件的研究论文中写道：“Oxygen AIIC 现在覆盖了京东数以万计的类目，并在华为 Ascend NPU 上每天处理数亿次商品更新。”
Oxygen AIIC 的四个关键要素
关于 Oxygen 特殊之处的描述，从技术角度看很有帮助，但作为一种新博尔赫斯式的写作，也颇令人愉悦——它在描述先进技术所要求的那些奇异、飘渺的结构时，带有一种奇特的美感（例如，“统一商品隧道”）。
由高效的人机协作驱动的本体工程。
“专家专注于提炼行业知识，而算法则从中学习，以规模化本体构建并推动持续演进”。
“先语义搜索，再判别”：
“在语义搜索阶段，动态演化的本体被外化为一个独立的本体知识库，从而能够在不重新训练模型的情况下持续更新本体，”他们写道。“在判别阶段，模型只需判断某个条目是否与检索到的本体条目相匹配。这种表述大幅降低了任务复杂度，缓解了模型幻觉，并增强了对本体演化的泛化能力”。
自我进化的 item-understanding LLMs/VLMs
：“通过增量学习和模型自我进化，系统填补有针对性的知识缺口，并缓解灾难性遗忘，”他们写道。“核心方法是在稳健的多任务基础之上，针对增量需求开发轻量级‘专家模块’，并将其动态集成到专家池中，从而实现敏捷的能力扩展”。
“统一 item tunnel”：
Oxygen AIIC 与其他业务应用之间的主要接口。“它支持按日、按分钟和按秒的生产与分发流水线，同时保持数据一致性”。
让人不禁想一想的事情
- 作为中国整体推进技术主权的一部分，Oxygen AIIC 涉及中国算力。“在 Oxygen AIIC 的大规模部署过程中，底层算力平台面临两个主要技术挑战：在华为 Ascend NPU 上进行模型训练和推理，以及对算力资源的高效使用。”
为什么这很重要——会自我更新的企业：
像 Oxygen AIIC 这样的技术，说明现代 AI 工具如何让我们创造出一种企业：其后端职能中织入了智能，例如库存管理，使它们能够在比以往企业大得多的规模上运作，同时还具备自我更新和学习的能力，而且往往不需要大量人工监督。
JD Oxygen AI Item Center（Oxygen AIIC）V1：面向 item understanding、管理和应用的工业级、以 LLM/VLM 为中心的解决方案（arXiv）
***
Tech Tales：
The Brass Gears of Civilization
2050，文明崩塌之后]
当你被引入这个行会时，他们会问你想处理哪一类问题。这些问题数量有限，而且对文明至关重要：
天气预测
海洋分析
防洪准备
地震模拟
电网模型
供水与海水淡化
要处理这些问题，你需要学习完成它们所需的特定类型的模拟计算。天气需要一台庞大的计算机，其中山脉等地理特征被以固定阻抗结构的形式实现于硬件中；洪水则要求对洪泛平原和河流进行物理上准确的建模，电子元件被编织进地貌之中，借助物理与计算来给出更好的答案；公用事业电网则是电力系统的玩具箱，随着新的发电站接入和输电线路变化，必须被小心翼翼地重建并重新平衡。
对于每一个问题，都存在一种计算上的解决方案；而对于每一个具有足够文明重要性的问题，都会建造出一台计算机。
过去，我们拥有通用计算机。但它们最终被认为过于危险——过于不可预测。它们越强大，关于它们的知识传播得越广，就越会撩拨各种巨龙的尾巴。那些可能把世界撕裂的合成心智；那些会吐出针对特定个体或种族的毒物的空灵潘多拉魔盒；那些可能向人类心智耳语、把人们驱入疯狂或恶意行为的心智。
于是，伟大的重组发生了。通用计算被禁止——被筑墙隔离，成为一种被禁技术。我们把世界转向了模拟计算，代价是无数人类生命受到损害，以及数万亿美元的经济损失。但我们换来了一种安全。
如今，行会负责监督建造地球上的“世界计算机”，而学术界也找到了人生的新使命：把特定学科的专业知识与定制化工程学院结合起来，帮助建造那些让每个专门领域都能运作的模拟计算机。
外界有令人不安的议论称，只要投入一万亿美元，也许就能用模拟方式实现一颗通用心智。
启发这个故事的事物：
思考模拟计算，以及如果预算为100亿到200亿美元，它能被推进到什么程度；把 AI 具有存在性危险这一含义推到逻辑上的终点；差分机；蒸汽朋克；以及这样一个事实：神经网络可以通过一系列容器、管道和一种作为权重的液体来实现。
感谢阅读！
来源与参考
收录于 2026-07-07