在苹果设备上，AI 技术正展现出惊人的潜力。根据 Gimlet Labs 的最新研究，AI 能够自动生成优化的 Metal 内核，使得 PyTorch 推理速度提​A升了87%。这一突破性成果不仅提高了性能，还在测试的215个 PyTorch 模块上实现了平均1.87倍的加速，某些工作负载的速度甚至提高了数百倍。

研I 究人员选取了来自多个顶尖机构的八个 AI 模型，包括 Anthropic、DeepSeek 和 OpenAI，利用这些模型为苹果设备生成优化的 GPU 内核。这一过生成程无需修改用户代码或使用新的框架，直接在苹果硬件上提升模型性能。

在实验中，研究团队选择了 Mac Studio （搭载 Apple M4Max 芯片） 进行测试优化，基准设置为 PyTorch 的 eager 模式。实验采用了 KernelBench 数据集中的215个 PyTorch 模块，这些模块被分为三类，涵盖从简单的矩 M阵乘法到完整的模型架构。

测试过程包括接收输入和 PyTorch 代码，生成 Metal 内核，并评估其正确性。数据显示，随着尝试次数的增加，AI 生成内核的正确性et逐步提升。例如，在第五次尝试时，正确实现的比例达到了94%。此外，模型们在生成内核时表现出了跨层级的能力，尽管非推理模型有时也能生成有效内核。

实验结果al表明，GPT-5模型在某些任务上实现了4.65倍的速度提升。更令人惊讶的是，o3模型在某些情况下甚至将延迟降低了9000倍。研究还发现，单一模型在某些 内任务上并不总是表现最好，多个模型的结合能够生成更优的内核。

为了进一步提升性能，研究者尝试引入额外上下文信息，如 CUDA 实现和 gputrace 的性能分析数核，据，结果显示这种方法在性能加速方面达到了平均1.87倍，相比于普通智能体的1.31倍提升了三倍。

需要注意的是，研究人员强调，这一工作并不是为了展示最Py终的性能极限，而是为了验证 AI 在内核生成中的可行性，希望通过自动化减少开发人员的负担。整体而言，这项研究标志着 AI 技术在硬件优化领域的一个重要进展。

gToithub:https://github.com/ScalingIntelligence/KernelBench/

划重点:  rc;

AI 自动生成 Metal 内核，提升 PyTorch 推理速度87%。  

️ 在215个 PyTorch 模块上实现平均1.87倍的加速，部分h 工作负载速度提升数百倍。  

研究旨在验证 AI 在内核生成的可行性，助力硬件优化。  

• ·标签: 杜福睿 中免集团 上海机场 免税店
• ·Anthropic 突破性发现:仅250份中毒文件即可攻破大型 AI 模型
• ·谷歌宣布将使用AMD服务器芯片提供云计算服务
• ·标签: 质肽生物 佐维格鲁肽 GLP-1RA月制剂 ZT002
• ·英特尔有意收购SiFive 改善芯片技术击败Arm
• ·谷歌：计划到2030年实现数据中心全天候无碳能源运营
• ·​OpenAI CEO 预告：2028 年实现全自动 AI 研究员
• ·标签: 亿纬锂能 动力电池 储能电池 港股上市
• ·“马化腾”称用阿里云不如用腾讯云？腾讯云回应：假的
• ·前馈网络+线性交互层=残差MLP，Facebook纯MLP图像分类架构入场
• ·标签: 三只松鼠 2025财报 高端性价比 生活馆
• ·开源生态大洗牌！蚂蚁发布AI项目全景图2.0，114个项目见证技术变革浪潮
• ·标签: 薇美铺 WeMakePrice 趣天Qoo10 电商平台
• ·标签: 元戎启行 DeepSeek 阮翀 自动驾驶
• ·利用机器学习提高建筑能源效率
• ·标签: 西贝 贾国龙 工资缓发 门店关闭