中国AI刷爆英伟达GPU性能榜，这家公司拿下88项第一

　　允中发自凹非寺

　　量子位 | 公众号 QbitAI

　　近日，在 NVIDIA Research 推出的 GPU 算子性能评测榜单 SOL-ExecBench [1] 上，无问芯穹（Infinigence AI）取得亮眼成绩：

　　先后登顶 L1 基础算子、L2 融合算子、Quant 量化算子与 FlashInfer-Bench 推理算子全部四大赛道。

　　SOL-ExecBench 是什么？

　　SOL-ExecBench 是 NVIDIA Research 于 2026 年 3 月 19 日推出的算子优化 Benchmark。SOL 是 Speed of Light 的缩写，意为“光速”，在这里指代基于硬件能力推导出的理论性能边界。

　　与传统评测主要比较相对软件基线的加速效果不同，SOL-ExecBench 引入了以硬件性能上限为参照的 SOL Score，并在高性能计算卡上进行实际测试。

　　榜单包含从 124 个真实及前沿 AI 模型中提取的 235 道算子优化题目，覆盖语言、视觉、语音、视频及多模态等领域，并划分为四大赛道：

• L1 基础算子：考察基础计算模块的高效实现。
• L2 融合算子：考察多个计算步骤的融合执行与协同优化，减少访存、数据搬运和执行开销。
• Quant 量化算子：覆盖 FP8、NVFP4 等低精度计算技术，与大模型推理的性能和成本密切相关。
• FlashInfer-Bench 推理算子：聚焦注意力机制、混合专家网络等大模型在线推理中的关键计算。

　　SOL-ExecBench 的一个突出特点是，从真实前沿模型的计算图中直接提取工作负载，并重点考察这些计算在新一代 GPU 上的性能极限

　　注：这是一个持续竞争、高频动态刷新的全球榜单。随着各支团队不断提交新的优化方案，排名也会随之变化，竞争十分激烈。

　　截至 2026 年 10 月 26 日，无问芯穹仍在 L1 与 Quant 两大赛道总分位列全球第一，L2 与 FlashInfer-Bench 赛道总分位列全球第二；在全部 235 道 GPU 算子优化题目中，以 88 项单题第一，位居所有参赛团队之首，超过第二名单题第一数量的 2 倍。

　　尤其是在考验复杂计算优化能力的 L2 融合算子赛道，无问芯穹拿下 82 道题目中的39 项第一，接近半数。

　　这场汇集全球顶尖 AI 基础设施和智能体研发力量的竞争，正在成为检验新一代 AI 算力优化能力的重要舞台。

　　从 GPU Maxxing 到 Token Maxxing，一场 AI 生产力转化的全球竞技

　　AI 生产力的价值落地，背后是一条“投入-电/卡-Token-生产力-价值”的完整转化链条。

　　在早期 Scaling Law 的推动下，投入更多计算资源，最大化 GPU 效率，是推动模型性能突破、提高 Token 生产的重要手段。

　　而随着 Agent 的发展，Token 成为任务执行的投入，而非最终交付物，模型可以通过更长的推理、更多轮的尝试和验证，突破原本难以解决的问题，但单纯增加 Token 投入却并不必然带来任务效果的提升。

　　如果始终重复相似的尝试，无法从执行反馈中修正方向，再多的 Token 也可能消耗在原地打转之中。

　　行业关注的核心正从 GPU Maxxing 进一步走向 Token Maxxing：不仅要提升从“电”到“Token”的转化效率，还要让更多 Token 真正转化为模型能力与任务成果，实现从“Token”到“生产力”的高效转化。

　　SOL-ExecBench 为检验这一能力提供了具体场景。它从真实前沿模型中提取计算负载，覆盖基础算子、复杂融合、低精度计算与推理优化，要求提交的代码同时满足正确性与性能要求。在这里，Agent 需要经历代码生成、编译运行、性能分析与反复调优，其工作成果最终由真实硬件上的执行结果衡量。

　　这一评测吸引了包括全球数据与 AI 平台企业 Databricks、Y Combinator 孵化的 AI Infra 创业公司 SF Tensor、知名 AI 编程工具团队 Cursor，以及 Recursive、doubleAI、Geometric 等活跃于自动化算子优化领域的技术团队参与。

　　据 SF Tensor 于 2026 年 9 月 25 日公布的数据，当时已有 583 支团队累计提交超过 3.1 万次评测，以平均约每 8 分钟一条公开提交的高频次，持续推动榜单刷新。

　　众多参赛团队借助 Agent 自动生成、测试和优化底层计算代码，使这场竞赛既考验 GPU Kernel 优化水平，也考验如何将模型能力组织成能够持续完成复杂工程任务的系统。

　　在这样激烈的全球竞逐中，无问芯穹先后取得 L1、L2、Quant 与 FlashInfer-Bench 四大赛道全球第一。

　　既体现了团队在算子优化与软硬件协同方面的技术积累，也检验了团队通过 Agentic Infra 将 Token 投入转化为经过验证的计算性能收益，并以此探索 AI 自主完成复杂任务的有效路径的能力。

　　以 AI 生产力反哺 Infra 进化，以技术实践助力 RSI 工程化落地

　　从资源投入到 Token 生产，再到实际生产力的交付与价值兑现，无问芯穹 Agentic Infra 始终致力于推动这条链路从单向推进走向闭环进化。

　　团队希望让 Agent 不仅消耗 Token 完成任务，更能够将创造的生产力反哺于基础设施本身，持续提升 Token 的生产，探索 AI 基础设施 RSI 的实现路径。

　　算子优化任务，为探索这一过程提供了具体切入点：GPU Kernel 的执行效率直接影响硬件性能的发挥；Agent 找到的高效实现，在经过验证并应用于训练与推理系统后，有望进一步降低计算开销，让算子优化的收益延伸至 Token 的生产环节。

　　沿着这一方向，首先需要解决的是如何让 Agent 持续产出可靠的优化成果。代码能否正确执行、性能瓶颈在哪里、一次修改是否带来了真实收益，都需要通过实际运行来判断，并成为下一轮探索的依据。

　　为此，无问芯穹围绕 SOL-ExecBench 构建了一套算子优化 Agent，将代码生成、执行验证、性能分析与经验积累组织成连续的工作流程。

　　下面将从容器隔离执行、Skills 感知与共享 Memory，以及面向不同任务的优化策略这三个方面，介绍无问芯穹具体如何支持 Agent 在真实硬件反馈下实现持续改进。

　　容器化隔离架构

　　在执行架构上，系统采用容器化隔离，将 Agent 工作区、评测区与调试区解耦。Agent 在允许联网、不直接分配 GPU 的工作区中，通过外部挂载加载 Skills、共享 Memory 与优化策略，完成代码编写并提交计算请求。

　　宿主侧资源调度器统一管理 GPU，对请求进行排队与按需分配，分别在与官方评测环境对齐的镜像、集成性能剖析工具的镜像中执行评测与调试。两类执行容器均禁用网络访问，结果回传至 Agent，形成“代码生成—评测验证—性能分析—策略调整”的迭代闭环。

　　这一隔离设计服务可以防止 Agent 在自动优化过程中绕过评测约束。当 Agent 以性能指标为优化目标时，其探索可能偏离算子实现本身，转而尝试修改评测脚本、干预计时逻辑、访问参考结果或利用环境漏洞，获得并非来自真实计算效率提升的分数。容器隔离、权限控制与受控提交接口共同构成执行边界，使 Agent 能够持续优化候选算子，同时限制其对评测过程本身的干预。

　　模块化 Skills 与共享记忆机制

　　在 Agent 能力构建上，系统不仅通过模块化 Skills 接入开源社区的技术积累，还通过专门的框架感知 Skill，帮助 Agent 理解并使用相关框架，同时利用共享 Memory 持续沉淀与复用优化经验。

• 知识库及性能调试 Skills：来自开源社区，为 Agent 提供 GPU 编程知识、性能分析方法及优化工具等能力支持。
• 面向运行框架的交互 Skill：让工作区内的 Agent 明确自身所处的执行环境、可调用的能力及操作边界，通过统一的 CLI 入口发起调试、提交评测、查询任务状态和读取结果。
• 共享 Memory：用于记录实际优化过程中验证有效的策略、适用条件与实践经验，使不同任务能够复用已有探索成果。

　　这些机制共同驱动 Agent 调用专业能力、正确使用运行框架，并在持续迭代中积累经验、减少重复探索。

　　△共享记忆的沉淀

　　针对任务特征的精细化优化策略

　　在优化策略上，系统围绕工作负载特征、性能瓶颈与时间预算，组织分层探索。

　　系统引导 Agent 根据优化时间预算选择合适的编程抽象与 DSL（领域特定语言），在 Triton、TileLang、CuTe DSL 等不同粒度的 DSL 之间权衡开发效率与性能潜力，并通过逐层生成低层语言（如 CUDA、PTX），持续挖掘硬件性能空间。

　　△图片仅为实例案例，并非大规模消融实验结果

　　针对不同计算场景，优化策略进一步细化：

• 计算密集型任务：重点评估 Tensor Core 利用率、分块方式与数据复用，探索异步数据搬运和流水线重叠，同时权衡寄存器、共享内存占用与有效并行度。
• 访存密集型任务：优先减少冗余读写和中间结果落地，优化合并访存、向量化访问与缓存复用，降低单位有效计算所需的数据搬运量。
• 多算子计算链路：评估算子融合对访存与启动开销的收益，同时关注融合后寄存器压力、同步复杂度及并行度变化。对于适用的依赖链路，可探索程序化依赖启动（PDL），让后继 Kernel 中不依赖前序结果的工作提前执行，并在读取依赖数据前完成必要同步；对于适合持久化执行的任务，则探索 Persistent Kernel，通过 CTA 持续驻留与循环处理多个工作单元，摊薄线程块调度及初始化开销，并利用流水线并行进一步提升执行效率。
• 小 Shape、低延迟任务：重点控制线程块数量、无效线程、边界处理、指令与同步开销，避免过度分块或复杂流水线导致引入过度无法被有效计算摊薄的固定成本。

　　通过开放能力复用、分层性能优化与真实硬件反馈的结合，无问芯穹希望将高度依赖专家经验的 GPU 算子调优，转化为 Agent 可以自主探索、持续学习和规模化执行的优化过程。

　　以持续创新的 Agentic Infra ，拓展智能进化边界

　　SOL-ExecBench 的成果并非一次孤立的技术突破，而是无问芯穹长期深耕 Agenetic Infra 技术创新的自然延伸。

　　从连接“M种模型”与“N种芯片”，到以“多元异构、软硬协同、自主式 AI”为核心的“前店后厂一中心”的 Agentic Infra 战略布局，无问芯穹始终围绕 AI 生产力链条的核心环节展开技术探索与实践。

　　此次在 SOL-ExecBench 上的探索与成果，不仅是其长期技术路线在底层计算优化领域的阶段性体现。更重要的是，其证明了将这种效率优化能力进一步交给 AI 本身这一 RSI 路径的可行性，初步实现了从 Token 生产到生产力创造，再由生产力反哺 Infra 的进化闭环。

　　下一步，无问芯穹希望将这一探索延伸至 Agent 自身的任务执行框架。通过修改和验证任务规划、工具调用、记忆管理与反馈机制，让 Agent 在完成任务的过程中，逐步改进自己解决问题的方法。

　　当优化成果不仅能提高计算效率，还能改善产生优化方案的机制，持续探索就有机会转化为持续的能力增长。

　　面向 RSI 与 AGI 的未来演进，在充满信心的同时，无问芯穹的技术团队也清醒地认识到，单点技术突破距离真正的系统级能力仍有很长的路要走，要让局部优化真正转化为实际的生产力，同样也需要更多的技术探索与协同。

　　从让 AI 更高效地使用算力，到让 AI 参与算力系统自身的优化，无问芯穹正持续推动基础设施从支撑 AI 创新，走向与 AI 协同进化，为有效 AI 生产力的持续交付探索新的路径。

　　致谢：

　　Humanize 社区（https://github.com/humanfia/humanize）

　　参考文献：

　　[1] SOL-ExecBench: Speed-of-Light Benchmarking for Real-World GPU Kernels Against Hardware Limits. 2026. https://arxiv.org/abs/2603.19173

　　[2] KernelBench: Can LLMs Write Efficient GPU Kernels? ICML 2025. https://arxiv.org/abs/2502.10517

　　[3] MultiKernelBench: A Multi-Platform Benchmark for Kernel Generation. 2025. https://arxiv.org/abs/2507.17773

　　[4] CANN Bench: Benchmarking Agent Generated Kernels against Real NPU and Algorithmic Limits. 2026. https://arxiv.org/abs/2607.20518