中国AI刷爆英伟达GPU性能榜，这家公司拿下88项第一
内容提要
无问芯穹在NVIDIA Research的SOL-ExecBench GPU算子评测中，先后登顶L1基础算子、L2融合算子、Quant量化与FlashInfer-Bench推理四大赛道，在235道题中拿下88项单题第一。其算子优化Agent采用容器隔离、Skills与共享Memory、分层优化策略，形成生成—验证—分析—调优闭环，探索以Agent自主优化底层算子、将Token投入转化为实际生产力的路径。
延伸解读
SOL-ExecBench的评测逻辑：以硬件上限为标尺
与传统算子评测比较相对软件基线的加速比不同，SOL-ExecBench引入以硬件理论性能边界为参照的SOL Score，并在真实计算卡上实测。题目从124个真实及前沿AI模型中提取235道算子优化题，覆盖语言、视觉、语音、视频及多模态，分L1基础、L2融合、Quant量化与FlashInfer-Bench推理四赛道。这意味着成绩反映的是逼近硬件极限的程度，而非仅比旧实现快多少。
88项单题第一背后的竞争烈度
截至2026年10月26日，无问芯穹在L1与Quant赛道总分全球第一，L2与FlashInfer-Bench总分第二；235道题中拿下88项单题第一，超过第二名单题第一数量的2倍。L2融合算子赛道82题中拿下39项第一，接近半数。据SF Tensor 2026年9月25日数据，已有583支团队累计提交超3.1万次评测，平均约每8分钟一条公开提交，榜单高频刷新，排名随时可能变化。
Agent如何被约束在真实优化上
无问芯穹的算子优化Agent采用容器化隔离，将工作区、评测区与调试区解耦：工作区可联网但不直接分配GPU，评测与调试容器均禁用网络，由宿主侧调度器统一管理GPU。这一设计针对的是Agent以性能指标为目标时可能修改评测脚本、干预计时或访问参考结果等偏离行为。配合Skills、共享Memory与分层DSL策略，形成生成—验证—分析—调优的闭环，使优化成果由真实硬件执行结果衡量。
从Token投入到生产力的转化链条
文章将AI生产力描述为“投入—电/卡—Token—生产力—价值”的链条，并指出单纯增加Token投入并不必然提升任务效果，若重复相似尝试、无法从反馈中修正方向，Token可能消耗在原地打转。SOL-ExecBench要求提交代码同时满足正确性与性能，为检验Token能否转化为经过验证的计算收益提供了具体场景。无问芯穹希望Agent找到的高效算子实现经应用后降低计算开销，使优化收益延伸至Token生产环节。
Q&A
SOL-ExecBench是什么？它和传统GPU评测有什么不同？
SOL-ExecBench是NVIDIA Research于2026年3月19日推出的GPU算子优化Benchmark。SOL代表Speed of Light，指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，它引入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。
无问芯穹在SOL-ExecBench上取得了哪些具体成绩？
无问芯穹先后登顶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。截至2026年10月26日，在L1与Quant赛道总分全球第一，L2与FlashInfer-Bench赛道总分全球第二；在全部235道题中拿下88项单题第一，超过第二名单题第一数量的2倍。尤其在L2融合算子赛道，拿下82道题中的39项第一。
无问芯穹的算子优化Agent是如何防止作弊、保证评测公平的？
系统采用容器化隔离，将Agent工作区、评测区与调试区解耦。Agent在允许联网但不直接分配GPU的工作区中编写代码并提交计算请求；宿主侧资源调度器统一管理GPU，在与官方评测环境对齐的镜像中执行评测，两类执行容器均禁用网络访问。容器隔离、权限控制与受控提交接口共同构成执行边界，防止Agent修改评测脚本、干预计时逻辑或访问参考结果。
无问芯穹的Agent如何积累和复用优化经验？
系统通过模块化Skills接入开源社区的技术积累，并通过专门的框架感知Skill帮助Agent理解和使用相关框架；同时利用共享Memory持续沉淀与复用优化经验，减少重复探索，驱动Agent调用专业能力并正确使用运行框架。
无问芯穹的Agent在优化策略上有什么特点？
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：引导Agent根据时间预算在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CUDA、PTX等低层语言持续挖掘硬件性能空间；针对不同计算场景进一步细化优化策略。
无问芯穹认为Token投入与生产力之间是什么关系？
文章指出，随着Agent发展，Token成为任务执行的投入而非最终交付物，模型可通过更长推理和多轮尝试验证突破难题，但单纯增加Token投入并不必然提升任务效果；如果重复相似尝试、无法从反馈中修正方向，再多Token也可能原地打转。行业核心正从GPU Maxxing走向Token Maxxing，既要提升从“电”到“Token”的转化效率，也要让更多Token真正转化为模型能力与任务成果。
