让AI重写芯片底层：面壁ForgeKernel登顶英伟达昇腾
一颗AI芯片能发挥几成功力，往往不取决于硅片本身，而取决于跑在它上面的算子。长期以来，这些最底层的计算模块全靠资深工程师一行行手写、在硬件上反复试错。
CudaForge：训练免费的多智能体 CUDA Kernel 生成工作流
阅读说明这是一篇技术内容，适合想深入理解的读者。
中国人造出了那台“造AI的光刻机”吗？
（本文作者为 胡说成理，钛媒体经授权发布）文 | 胡说成理就在这两天，ForgeKernel，一个无人参与的Agent在无需参考DeepSeek原始实现的情况下，当着全网的面，把DeepSeek最新的核心算子写快了9.8%！
一天造300万个沙盒，10万张卡自己写系统：2026年国产 RSI 到底有多野？
国产 RSI 的真实水位:没人敢真动模型权重，但所有人都在改 “造 AI 的机器”。今年 9 月，上海交大、清华、字节、商汤等机构的 35 位研究者发了篇论文《The Last AI Built by Humans》，给整个行业立了把标尺，它 RSI 分 L1 到 L5 五层，结论令人扎心:全球前沿大厂的系统大多处于 L1 到 L2 的过渡阶段，L3、L4 在特定垂直领域有零星雏形，而真正的 L5 闭环仅存在于极少数受限的实验室原型中。
一天造300万个沙盒，10万张卡自己写系统：2026年国产 RSI 到底有多野？
国产 RSI 的真实水位：没人敢真动模型权重，但所有人都在改 "造 AI 的机器"。 作者丨高允毅编辑丨岑 峰RSI，即 AI 造 AI，成为了 2026 年各家模型厂商争相晒的内部成绩单，也是国内一级市场最热的方向之一。
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。近日，在NVIDIA Research推出的GPU算子性能评测榜单SOL-ExecBench 上，无问芯穹取得亮眼成绩: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。
RSI热潮之下国产Agentic Infra，卷向了英伟达GPU的物理极限
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，目前榜单还以每 7 分钟左右一次的提交高频率刷新。
成本0.3美元，耗时26分钟！CudaForge：颠覆性低成本CUDA优化框架
本文作者包括明尼苏达大学的张子健（共同第一作者），王嵘（共同第一作者），李世阳，罗越波，洪明毅，丁才文。CUDA 代码的性能对于当今的模型训练与推理至关重要，然而手动编写优化 CUDA Kernel 需要很高的知识门槛和时间成本。
中国人造出了那台“造AI的光刻机”吗？
3 万亿参数的国产模型，为什么分数很高、争议也很大
#华为小艺聪明能干又懂我#10 月 26 日，月之暗面发布 Kimi K3.1 Pro。参数规模 2.8 万亿（官方口径"3 万亿级"），MoE 架构每次激活 1040 亿，上下文 100 万 token，定位"迄今能力最强的模型"，完整权重计划 11 月 4 日前开放。