8位工程師花一年、耗資近千萬的工作，這個開源AI系統7天搞定了
重點摘要
智東西（公眾號：zhidxcom） 作者 | 程茜 編輯 | 雲鵬 智東西8月4日消息，今日，面壁智能聯合開源社區OpenBMB開源全球首個支持Stencil（模板計算）自動研究、自動部署的AI優化系統ForgeStencil。 根據官方披露，ForgeStencil一週內完成了超100個真實工業和科學計算軟件的自動優化，這相當於每年投入約4-8個工程師，等效研發投入為300萬~1000萬元。
智東西（公眾號：zhidxcom） 作者 | 程茜 編輯 | 雲鵬 智東西8月4日消息，今日，面壁智能聯合開源社區OpenBMB開源全球首個支持Stencil（模板計算）自動研究、自動部署的AI優化系統ForgeStencil。根據官方披露，ForgeStencil一週內完成了超100個真實工業和科學計算軟件的自動優化，這相當於每年投入約4-8個工程師，等效研發投入為300萬~1000萬元。
一般而言，專家每人每年能精調的應用軟件通常不超過20個，ForgeStencil將單個應用所需的優化時長壓縮到了小時級別，研發吞吐提升約1–2個數量級，研發效率提升約100倍，且這一效率可以隨著算力規模加大並行放大。現代工業與前沿科研的突破高度依賴高性能計算（HPC）軟件，但這類軟件底層普遍存在一種算力密集的核心計算模式Stencil，其核心是對規則網格上每個點及其固定鄰域執行相同局部運算。Stencil屬於訪存密集型計算，性能受內存帶寬約束，通常會佔據應用絕大部分耗時，其優化水平也直接決定了工業與科研仿真軟件的運行效率。
此前，Stencil優化高度依賴稀缺的HPC專家，這也導致其難以規模化，ForgeStencil就是為解決這一難題而生。ForgeStencil基於面壁智能提出的全新軟件開發思路Forge Engineering打造，是其繼5月AI製造AI成果ForgeTrain之後取得的又一技術突破。開源地址：https://github.com/OpenBMB/ForgeStencil 一、兩大Agent協同調優，無需人工介入 ForgeStencil首次實現了從提出優化想法到應用無縫部署的全自動閉環。
Related
相關文章
當 human in the loop 變成“閉著眼睛點確認”，企業Agent 安全還能靠誰？
專家指出，AI Agent 從內容安全轉向行為安全，提示詞注入、工具濫用與過度授權成為主要風險。企業應建立可視、可管、可追溯的安全基線，並對工具權限進行最小化與臨時化管理，避免 human in the loop 淪為形式。安全防護需從靜態入口轉向動態行為約束，以因應 Agent 自主執行帶來的全新挑戰。
開源Agent框架刷爆ARC-AGI-3，「自我改進」的RLM harness引爭議
一套開源Agent框架在ARC-AGI-3基準測試中創下超過85%的正確率，大幅領先其他解決方案，其核心是名為「RLM harness」的自我改進機制。然而，該方法引發學術爭議，部分研究者批評它透過反覆試錯「鑽漏洞」，不符合ARC-AGI評測一次性推理的精神。這場討論促使AI社群重新審視評測標準，並可能影響未來ARC-AGI版本的設計方向。
騰訊是在“賽馬”，還是在打造 “Agent工廠”？
騰訊內部正在探討其發展策略究竟是「賽馬」機制還是打造「Agent工廠」。相關討論聚焦於公司如何平衡內部競爭與統一平台建設。目前站內已移除相關混雜文字，保留原始主題供讀者參考。
ChinaJoy 2026 AI遊戲規模化落地，邊緣雲與API安全重構產業底層邏輯
2026年ChinaJoy展館，“與AI同遊”的主題隨處可見。行業調查顯示，僅有21%的企業擁有完整的API資產清單，大量後臺AI接口仍在無人監控的狀態下裸奔。合規與安全也同步下沉。算力下沉還不夠，API安全必須同步前移邊緣雲解決了體驗問題，但AI交互入口的安全，同樣需要前置到邊緣。算力與安全，缺一不可Akamai的判斷很明確：遊戲AI轉型不能割裂算力與安全。這也是遊戲廠商規模化落地AI智能體、構建AI原生遊戲的標準化底層方案。
openJiuwen發佈業界首個企業級分佈式蜂群架構，聯合郵儲成功落地金融生產環境
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.
螞蟻集團開源Avernet，讓人與智能體像組織一樣高效協作
**螞蟻集團開源Avernet：打造人與智能體高效協作的“組織級”基礎設施** **來源：量子位** **2026-08-07 11:08:51** 近日，螞蟻集團正式宣佈開源多智能體協作基礎設施Avernet，其社區版本已同步上線。作為業界首個聚焦於“組織級協作”的智能體基礎設施，Avernet的首個版本重點開放了智能體協作網絡能力，旨在支持不同智能體之間的發現、共識達成、跨團隊協作與治理，為人工智能從“單點智能”走向“系統智能”提供關鍵支撐。