☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当大模型的演进节奏压缩至以周为单位，如何突破算力天花板与工程复杂度双重枷锁，已成为AI基础设施建设的核心挑战。2026年6月27日，面壁智能携手OpenBMB开源社区及AGI BAR共同发起主题为“AI4AI发酵夜”的高密度技术对话。现场，面壁智能AI Infra技术负责人李宇轩系统性拆解了其自主研发的工业级预训练引擎——ForgeTrain，深度阐释了“以AI构建AI”这一全新范式的底层架构与落地实践。
李宇轩强调，伴随互联网优质语料枯竭与硬件算力投入回报率持续走低，“靠数据堆、靠芯片堆”的粗放式发展路径正迅速触达物理极限。正如工业革命催生“机器造机器”的规模化生产体系，智能时代的跃迁正指向“AI造AI”的自主进化能力。ForgeTrain正是该理念的关键落子：它并非沿用人工长期打磨的通用训练框架，而是由AI依据目标模型结构与底层硬件特性，从零生成高度适配的专属训练系统。
实测数据显示，ForgeTrain展现出极强的快速收敛能力——仅用8小时即达到业界标杆框架Megatron-LM同等性能水平，并在1.5–2天内实现稳定超越，MFU（有效算力利用率）提升幅度达8%–10%。该能力已成功泛化至MiniCPM4-0.5B/8B等多尺寸模型，并原生支持NVIDIA H100与华为昇腾NPU等异构加速平台。
支撑这一成果的是李宇轩提出的“四阶Harness优化机制”。整个流程始于确保二进制完全一致的Anchor阶段，继而完成Bit-for-Bit级功能对齐的Baseline构建，随后进入释放约束后的Surpass性能攻坚期，最终抵达面向每个算子逐层精调的Per-Op定制阶段。全程由AI自主决策、闭环验证，无需人工介入，将英伟达多年积累的CUDA工程壁垒，转化为可被算法自动分解与重构的技术模块。
这一方法论被正式定义为“Forge Engineering”——专属于AI原生时代的新型工程范式。李宇轩预测，个体开发者将逐步获得按需定制专属模型助手的能力，软件开发形态也将迎来结构性重塑。
就开源生态协同与技术护城河演化问题，李宇轩亦在交流中分享了前瞻性判断。他认为，Coding Agent正在瓦解传统CUDA生态所依赖的“代码可信度”，行业竞争重心正从“能否正确编码”转向“能否可靠推理”。面向未来，科研攻关应聚焦AGI演进中最艰险的一程：推动AI从“解题者”跃升为“范式提出者”（Innovator）。随着面壁智能在AI自主编程方向持续加码，由AI亲手编写下一代大模型核心代码的时代，已然启幕。
