AI学会给GPU写代码了，比顶级工程师还快

AI写代码不稀奇了。但”写对”和”写快”，是两码事。

很多大模型能写出语法正确的CUDA代码——那是让GPU干活用的底层语言。但一跑起来就露馅：慢。

慢到什么程度？字节的Seed1.6，跑基准测试，74%的任务能写对。但只有27%的代码跑得比编译器快。平均下来，还不如编译器自己生成的。

这个月，字节跳动Seed团队和清华AIR，直接给AI上了套”实战训练”。

他们把大模型扔进真实的GPU开发环境，让它自己写、自己跑、自己测，不对就改。没有标准答案，只有一条硬规矩：写得没编译器快，就不算数。

练了150步，效果出来了——

250个任务，通过率98.8%。96.8%的代码，跑得比官方编译器还快。平均提速2.1倍。

最狠的是最难的那批题。AI写出来的代码，比硅谷最顶级的闭源模型Claude Opus 4.5和Gemini 3 Pro，快了整整40%。

这套系统的名字很朴素，叫CUDA Agent。

它干的活，以前靠的是人。什么人？全球能把GPU底层代码优化到极致的工程师。圈内人都知道，这帮顶尖高手，加起来凑不满半个会议室。

英伟达最硬的护城河，从来不是芯片，是这帮”手艺人”写出来的软件生态。别的芯片厂商想追，先得凑齐一批能跟英伟达工程师硬刚的人——钱花得起，人凑不齐。

现在，AI来了。用无限并发的智能体，一遍一遍地在真实硬件上试错、优化。

虽然CUDA Agent的完整模型还没开源，但数据集、训练配方都放出来了。等于把”打法”公之于众。

当AI开始替硬件”重写灵魂”，算力世界的游戏规则，可能真要变了。

对于吃瓜的我们，记住一件事就行：以后跑AI的速度，可能不是取决于芯片多快，而是取决于AI自己把代码优化得多好。