8 月 4 日，面壁智能聯合 OpenBMB 開源 ForgeStencil，一個面向 Stencil 計算的雙 Agent 最佳化系統。它會進入真實科學與工業軟體，找熱點函式，生成和篩選 kernel，把補丁接回應用，再用應用自己的校驗和計時器測結果。
官方 README 給出的結果是：ForgeStencil 已在100 個端到端驗證應用上跑通，覆蓋油氣、電磁、醫學影像、流體力學、氣候、天體物理、材料和 HPC benchmark；端到端加速中位數1.41 倍，幾何平均2.05 倍。
難點在真實部署
Stencil 可以理解成規則網格上的鄰居計算。天氣預報、地震成像、電磁模擬、流體計算裡，大量底層程式碼都在反覆讀取周圍網格點。資料路線設計不順，GPU 就會等資料。
Kernel Agent 負責底層算子，探索 tiling、fusion、layout、occupancy 等策略；App Agent 負責真實應用，定位熱點、建立 GPU 基線、驗證正確性並整合回原程式。
“ForgeStencil automates the strategy discovery and the deployment.”
數字必須分口徑
100 個應用的端到端結果範圍是0.998 倍到 97.7 倍。其中89%應用至少加速 1.05 倍，73%至少 1.20 倍，43%至少 1.50 倍，21%至少 3 倍，7%至少 10 倍。
operator-level 是另一層口徑。官方寫到，A100 上記憶體頻寬受限的 stencil kernel 達到峰值 DRAM 頻寬的74% 至 85%；32 個同精度 case 對公開基線的幾何平均優勢約2.16 倍。
新智元報導也列出應用案例：gprMax/FDTD Maxwell 2.47 倍、minisweep 5.78 倍、RTM 油氣地震成像 1.81 倍、非笛卡爾 MRI 2.45 倍、DBT 反投影 1.63 倍。
下一步看復現
更該盯的不是最高 97.7 倍，而是外部團隊能否從 fresh clone 復現，能否用 patch mode 接入新應用，以及 H100、B200 的端到端重驗證能否公開。README 明確說，100 個端到端應用包目前驗證在 A100。
對製造業和科學計算團隊來說，ForgeStencil 的價值是把稀缺的 HPC 調優經驗變成可記錄、可審計的 Agent 流程。如果公開環境之外仍能跑出接近結果，它會比「AI 寫了很多程式碼」更接近真工具。
參考來源：OpenBMB ForgeStencil GitHub README、CocoLoop、新智元；核驗 100 個端到端驗證應用、A100 端到端加速中位數與幾何平均、operator-level 同精度基線、FDTD/minisweep/RTM/MRI/DBT 應用口徑和驗證限制。