Import AI 464：Fable 编写 GPU kernel、AI 自动化与模拟计算
Import AI 464: Fables writes GPU kernels; AI automation; and analog computation
Fable 在 KernelBench-Mega 上写出据称是首个且最快的 megakernel，在 RTX PRO 6000 Blackwell 上用 CUDA 实现 18.71X 加速，对比优化后的 PyTorch 基线，高于 Claude Opus 4.8 的 14.4X、GLM-5.2 的 11.14X 和 GPT 5.5 的 4.34X。CAIS 与 Scale Labs 的 Remote Labor Index 显示，AI 系统完成在线自由职业项目的成功率从 2025 年 10 月发布时的 2.5% 升至 2026 年 7 月的 16.1%，其中 GPT-5.5、Opus 4.8、Fable 5 分别取得 6.3%、8.3% 和 16.1%。本期还收录了一篇关于模拟计算与通用计算被禁的科幻短篇。
正文 · AI 翻译
Fable 编写了一个像样的 GPU kernel，暗示着更广泛的 AI 研发自动化：……RSI 循环的开端……据一位基准测试维护者以及官方排行榜称，Fable 写出了“有史以来提交给 KernelBench-Mega 的第一个真正的（也是最快的）megakernel”。这表明 AI 系统在完成一些对 AI 研究与开发至关重要的任务（如 kernel 设计）方面正变得越来越强。结果：Fable 在 RTX PRO 6000 Blackwell 上编写 CUDA 代码，相比优化后的 PyTorch 基线实现了 18.71 倍加速。作为参照，其他尝试分别达到 14.4 倍（Claude Opus 4.8，使用 Triton）、11.14 倍（GLM-5.2，Triton）和 4.34 倍（GPT 5.5，Triton）。复杂之处在于：这个方案尤其令人印象深刻，因为“torch.profiler 显示每个解码 token 恰好只有一次协作式 kernel 启动”。相比之下，其他所有高分参赛方案都将问题分解为每个 token 4 到 14 次独立的 kernel 启动。为何重要：能够自主开发和改进 kernel，是开展 AI 研究与开发的基础输入任务之一。AI 系统在 kernel 设计等任务上做得越好，它们在 AI 开发所需各类任务上就做得越好，这意味着它们在可能带来递归自我改进的事情上也会做得越好。因此，像 KernelBench-Mega 这样的基准测试是衡量 AI 系统在构建自身方面变得多有效的重要信号。查看排行榜：KernelBench Mega（官方网站）。在此阅读一位基准测试维护者的分析（Elliot Arledge，X）。*** AI 系统在昂贵的在线工作任务上越来越擅长——这对经济意味着什么？ ……AI 能力扩张与人类比较优势扩张……人工智能安全中心（CAIS）和 Scale Labs 的研究人员发现，AI 系统自动化在线自由职业项目的能力显著提升。具体而言，在“远程劳动指数”（Remote Labor Index）上，AI 系统的成功率从 2025 年 10 月发布时的 2.5% 上升到 2026 年 7 月的 16.1%。什么是 RLI：远程劳动指数以完全端到端的方式测试 AI 系统在线上执行有经济价值项目的能力。评估任务包括 3D 与 CAD、建筑、平面设计、视频与动画、音频、数据分析、Web 应用等。自动化程度上升：在 7 月的更新中，作者公布了对三个近期前沿模型的评估结果——GPT-5.5、Opus 4.8 和 Fable 5，分别取得 6.3%、8.3% 和 16.1%。“前沿在不到八个月内增长了三倍多，这是具有经济能力的 AI agent 进步速度的具体信号，”他们写道。任务类型：部分评估任务包括：
戒指设计：“重新制作客户现有的订婚戒指，将其祖母绿切割主石换成马眼形切割，交付更新后的 3D 模型以及逼真的玫瑰金和黄金渲染图。”
平面图与渲染图：“根据扫描的地籍图、现场照片和测量数据，制作一张干净的带尺寸标注的平面图、家具布局方案，以及重新设计的浴室的逼真渲染图。”
由高效人机协作驱动的本体工程。“专家专注于提炼行业知识，而算法从中学习以扩展本体构建并推动持续演进”。
“先语义搜索，再判别”：“在语义搜索阶段，动态演进的本体被外化为一个独立的本体知识库，从而无需重新训练模型即可持续更新本体，”他们写道。“在判别阶段，模型只判断该项目是否与检索到的本体条目匹配。这种表述大幅降低了任务复杂度，减轻了模型幻觉，并增强了对本体演进的泛化能力”。
自演进的物品理解 LLM/VLM：“通过增量学习和模型自演进，系统填补有针对性的知识空白并缓解灾难性遗忘，”他们写道。“核心方法是在稳健的多任务基础上，为增量需求开发轻量级‘专家模块’，并将它们动态集成到专家池中，从而实现敏捷的能力扩展”。
“统一物品通道”：Oxygen AIIC 与其他业务应用之间的主要接口。“它支持日级、分钟级和秒级的生产与分发流水线，同时保持数据一致性”。
为了解决这些问题，你需要研究解决它们所需的特定类型的模拟计算。天气需要一台庞大的计算机，其硬件中以固定阻抗结构实现山脉等地形特征；洪水需要物理上精确的洪泛区和河流模型，其中电子设备被编织进景观之中，从而利用物理和计算来得出更好的答案；公用事业电网是电力系统的玩具盒，随着新发电站的增加和输电线路的改变，必须煞费苦心地重建和重新平衡。对于每一个问题，都有一种计算解决方案；而对于每一个具有足够文明重要性的问题，都会建造一台计算机。过去，我们拥有通用计算机。但它们最终被认为过于危险——过于不可预测。它们越强大，关于它们的知识传播得越广泛，它们就越会去触碰各种恶龙的尾巴。可能将世界撕裂的合成心智。空灵的潘多拉魔盒，吐出针对个人或种族的毒药。可能向人类心智低语、驱使他们陷入疯狂或恶意行为的心智。于是，伟大的重构发生了。通用计算被禁止——作为一项被禁技术而被隔离。我们以无数亿人受害和数万亿经济损失为代价，将世界转向了模拟计算。但我们获得了一种安全。如今，行会监督着地球“世界计算机”的建造，而学术界找到了新的使命，将特定学科的专业知识与定制化的工程学院配对，帮助建造让每个专业领域得以运作的模拟计算机。 有一种令人不安的说法：花上一万亿美元，或许有可能以模拟方式实现一个通用心智。启发这个故事的事物：思考模拟计算，以及如果预算达到100亿到200亿美元，它能被推进到多远；将AI具有存在性危险这一含义推向其逻辑结论；差分机；蒸汽朋克；神经网络可以通过一系列容器和管道以及作为权重的液体来实现这一事实。感谢阅读！