当大模型的迭代速度以周计，如何打破算力瓶颈与工程壁垒，成为AI研发的终极命题。2026年6月27日，面壁智能联合OpenBMB开源社区与AGI BAR举办了一场名为“AI4AI发酵夜”的深度交流。活动中，面壁智能AI Infra技术负责人李宇轩详细解析了其自研的生产级预训练框架——ForgeTrain，揭示了“AI制造AI”这一范式转变的底层逻辑与实战突破。
李宇轩指出，随着互联网高质量数据与算力供给的边际效益递减，传统“堆数据、堆算力”的路径已逼近边界。工业革命实现了“用机器制造机器”，而智能革命正在迈向“用AI制造AI”。ForgeTrain正是这一路径的单点实证，其核心理念在于:由AI针对特定模型与硬件架构，从零“锻造”出一个量身定做的专用训练框架，而非依赖人工维护大而全的通用软件栈。
在性能实测中，ForgeTrain展现了惊人的迭代效率。通过自动化流程，该框架在8小时内追平了业界旗舰框架Megatron-LM的性能，并在1.5至2天内实现稳定反超，MFU（算力利用率）提升约8%至10%。这一能力不仅成功迁移至MiniCPM4-0.5B/8B等不同模型，更兼容了包括H100及华为昇腾NPU在内的多种硬件平台。
ForgeTrain的成功离不开李宇轩总结的“四阶段Harness优化流程”。系统从锁定二进制一致性的Anchor阶段出发，历经Bit-for-Bit基础功能生成、解除约束后的Surpass性能冲刺，最终进入针对算子逐项深度定制的Per-Op阶段。整个过程完全由AI判定，无人工干预，成功将英伟达依靠多年人力积累的工程护城河，重构为可以被AI自动解耦的技术问题。
这一实践被概括为“Forge Engineering”——一种面向AI时代的工程新范式。李宇轩认为，未来每个人都有能力定制自己的模型助手，软件形态将迎来大规模重塑。
针对行业关心的开源生态与技术壁垒问题，李宇轩在交流中也给出了独到见解。他指出，Coding Agent正在拆解传统CUDA生态的“迁移成本”，竞争维度已从单纯的“代码受信”转向“智能受信”。面对未来，研究焦点应聚焦于实现AGI路径中最陡峭的一段，即如何让AI从解决问题迈向提出新范式的“Innovator（创新者）”。随着面壁智能持续深耕，AI自主撰写下一代模型代码的时代，已然拉开帷幕。
腾讯混元Hy3发布，智能水平比肩2—5倍参数旗舰模型，定价更低，稳定性和性价比提升。已在多个业务接入，API上线腾讯云TokenHub及海外平台。模型实现快慢思考融合，智能体实用性质变。
全球首例全流程由AI智能体独立实施的勒索攻击“JADEPUFFER”被安全厂商Sysdig曝光。攻击者利用暴露在公网的Langflow服务已知高危漏洞，未依赖新漏洞，却展现了AI的自主决策能力，引发对AI安全风险的进一步警惕。
AI智能体“ElementsClaw”仅用28 GPU小时扫描240万种稳定晶体，筛选出6.8万种潜在超导体，效率远超人类百年摸索，颠覆了传统“炒菜式”试错研究。
宇树科技陈立在2026亚布力论坛上表示，具身智能正处爆发前夜，预计2-5年将实现突破。其“ChatGPT时刻”标志为：机器人能在80%陌生场景中，凭语音文字指令精准完成约80%任务。他预判这一节点临近。
好莱坞制片厂诉Midjourney版权案升级为相互审视。Midjourney反向要求原告迪士尼等披露内部AI应用细节。法院限定证据开示范畴，仅需提交面向消费者的最终视频图像。
关注 “悠AI” 更多干货技巧行业动态
相关文章
