近日，面壁智能自研的 AI 算子生成系统 ForgeKernel 在国内外算力生态的官方评测中，同时登顶华为 CANNBench 950DT、950PR、A3 三大硬件榜单以及英伟达 SOL-ExecBench（FlashInfer-Bench 合集），让同一套通用算子优化系统，同时打通两条硬件路线。

在 950DT 榜单上，ForgeKernel 以总分 3903.96 排名第一，领先第二名（2846.61）37.1%；基准加速比 1.523×，约为第二名（0.305×）的 5 倍；平均分 70.98，提交算子 55/60。

Forgekernel 登顶 CANN Bench-950DT 榜单，2026.10.27

在 950PR 榜单上，ForgeKernel 以总分 3736.44 排名第一，领先第二名（3552.34）5.2%；基准加速比 1.886×，约为第二名（1.181×）的 1.6 倍，这意味着在同等硬件投入下，可用算力接近翻倍，企业的算力采购与部署成本可相应降低约一半；平均分 74.73，提交算子 50/60。

Forgekernel 登顶 CANN Bench-950PR 榜单，2026.10.27

在 A3 榜单上，ForgeKernel 以总分 4338.67 排名第一，领先第二名（4049.50）7.1%；基准加速比 1.894×，约为第二名（1.463x）的 1.3 倍；平均分 74.80，提交算子 58/60。

Forgekernel 登顶 CANN Bench-A3-2.0 榜单，2026.10.27

在英伟达 SOL-ExecBench 上，ForgeKernel 以 SOL 分数 0.814101 排名第一，同榜参赛者还包括 SF Tensor、Databricks、Qwen、Cursor 等海内外团队

Forgekernel 登顶 英伟达 SOL-ExecBench（FlashInfer-Bench 合集）榜单，2026.10.27

算子是连接大模型与芯片的最后一公里。长期以来，高性能算子依赖资深工程师逐一手写调优，周期长、门槛高，是芯片性能释放的关键瓶颈。尤其是新一代国产芯片 950DT：硬件新、配套算子库尚在建设初期，人工适配周期长，而 ForgeKernel 率先完成适配并登顶。这验证了另一条路：新硬件上市之初，AI 就能快速产出高质量算子，让国产算力第一时间跑出真实性能。国产芯片从上市到做好适配之间的空窗期，正在被 AI 大幅压缩，硬件投入得以更快转化为真实可用的智能算力。

成绩背后，是面壁智能在 RSI 方向上的长期投入。ForgeKernel 不设置固定流程，而是让模型自己根据经典实现与专业知识完成架构设计；通过持续迭代实现自进化，不断改进架构设计，以期进一步突破；并长期沉淀每次迭代过程中的算子经验与硬件知识，持续提高算子智能体的优化能力。

此次登顶四大榜单，是面壁智能长期研究与工程投入的阶段性结果。从高效基座大模型到 RSI 工程体系，面壁智能走的是同一条路线：让 AI 制造 AI，打造大模型的“光刻机”，用一套完整的工程体系，把模型能力持续雕刻出来。未来，ForgeKernel 将拓展至更多芯片平台与算子场景，面壁智能 RSI 也将在更多环节释放价值。