ForgeStencil – 面壁智能开源的Stencil自动优化部署系统

ForgeStencil快速摘要

ForgeStencil是面壁智能联合OpenBMB开源社区推出的AI优化系统，于2026年8月开源发布，面向工业软件与科学计算中的Stencil模板计算优化。该系统通过双智能体架构实现从优化策略发现、CUDA算子生成到真实应用部署的自动化流程，适用于高性能计算、工业仿真、医学影像、能源计算等场景。

• 开发团队：面壁智能联合OpenBMB开源社区，项目采用Apache-2.0开源协议。
• 发布时间：2026年8月4日正式开源发布
• 使用要求：支持NVIDIA GPU环境，已在A100-SXM4-80GB、CUDA 12.x环境完成验证。
• 开源情况：项目代码公开，可通过GitHub获取完整工程与复现实验配置。
• 技术特点：采用Kernel智能体与App智能体协同机制，实现优化研究与部署闭环。
• 价格：项目本身开源免费使用，实际运行成本取决于GPU算力资源。

ForgeStencil的核心优势

• 双智能体自动优化：通过Kernel智能体与App智能体协同，实现算子研究、代码生成、应用部署闭环，100个真实应用完成验证，端到端中位加速达到1.41×。
• 真实软件优化：直接针对工业与科学计算软件优化，以应用自身GPU代码作为基线测试，避免简单Benchmark结果偏差，几何平均加速达到2.05×。
• 自动策略发现：利用智能体探索分块、融合、内存布局等GPU优化策略，不依赖固定规则搜索，在Stencil算子测试中取得约2.16×几何平均加速。
• 可审计性能验证：采用单开关切换原始代码与优化代码，结合程序自带校验和计时机制，保证加速结果具备可复现和可验证特点。
• 跨GPU架构支持：支持A100、H100、B200等NVIDIA GPU架构，通过运行时分发选择优化算子，提高不同硬件环境下的适配能力。

ForgeStencil的主要功能

• 自动生成优化算子：通过CUDA算子智能体分析Stencil计算结构，生成高性能GPU代码，例如star_1、shape 256任务可自动完成算子测试。
• 定位性能热点：分析真实软件源码中的计算瓶颈，识别Stencil循环和关键函数，为后续GPU优化提供目标位置。
• 自动集成部署：利用App智能体完成算子替换、代码补丁生成和应用验证，例如gprMax/FDTD优化后获得2.47×加速。
• 性能自动测试：结合应用自带正确性检测和测试流程，对优化版本进行验证，输出真实软件环境下的性能变化数据。
• 结果复现实验：提供测试脚本和结果注册表，用户可运行tools/run.py等工具复现算子性能和应用优化结果。

ForgeStencil的技术原理

• 双智能体架构：采用Kernel智能体和App智能体协同模式，Kernel负责算子研究，App负责应用集成，实现从优化发现到部署验证流程。
• 智能优化搜索：基于大模型驱动智能体探索tiling分块、算子融合、内存布局等GPU优化方式，提高Stencil计算执行效率。
• 算子知识库：Kernel智能体持续积累优化算子矩阵，将已有优化经验复用于后续任务，提升多应用优化效率。
• 硬件感知优化：根据GPU架构特征选择不同优化路径，支持sm_80、sm_90、sm_100架构，提高A100/H100/B200适配能力。
• 可验证执行机制：采用patch方式集成优化代码，通过原程序校验机制验证结果，确保优化性能和计算正确性。

ForgeStencil与主流优化工具对比

ForgeStencil与Halide、Devito等工具的主要差异在于优化目标不同。传统工具通常关注代码生成或领域专用优化，而ForgeStencil进一步增加了自动策略探索和应用部署能力。根据项目公开测试数据，ForgeStencil在32个Stencil案例中，相比公开最佳基线取得约2.16×几何平均加速，其中star_1、star_2、box_1等任务均进行了同精度比较。性能差异主要来自优化方式不同，传统方法依赖人工设计调度规则，而ForgeStencil利用智能体自动探索内存访问、计算融合和GPU资源利用方式，更适合复杂工业软件优化场景。

如何使用ForgeStencil

1. 环境配置：安装NVIDIA GPU环境，准备CUDA 12.x、Python 3.9以上版本和C++17编译器。例如使用A100-SXM4-80GB GPU完成验证，并安装numpy、cupy依赖，可提升运行稳定性。
2. 快速运行算子测试：执行python tools/run.py --stencil star_1 --shape 256 --gpu 0进行单算子测试。该配置可在约1分钟内完成测试，并输出优化算子与基准实现的性能差异。
3. 执行应用优化：进入目标应用目录运行vendor.sh获取源码，再执行patch集成。例如使用python ../../harness/run_e2e.py --app应用名称 --gpu auto完成真实应用性能验证。
4. 查看测试结果：通过results/integration_registry.json查看应用优化数据，包括加速比例、验证状态和测试记录，方便研究人员分析优化效果。

ForgeStencil的局限性

• GPU验证范围限制：目前100个端到端应用主要基于A100完成验证，虽然算子级支持A100/H100/B200架构，但部分跨代应用测试仍处于扩展阶段，官方路线图计划继续扩大硬件验证范围。
• 优化收益存在差异：部分高度优化软件可能只能获得1.0-1.5倍提升，例如已接近硬件极限的程序优化空间有限，原因在于原始代码已经充分利用GPU资源，后续需要结合更多架构研究。
• 智能体结果存在随机性：由于系统由大模型驱动，单次优化路径可能不同，但最终生成patch和测试结果可以复现，目前官方计划继续公开智能体成本和迭代指标。

ForgeStencil相关资源

• GitHub仓库：ForgeStencil: Autonomous Agents for Stencil Optimization & Deployment

ForgeStencil的典型应用场景

• 油气地震勘探：优化RTM逆时偏移、TOTAL E&P minimod等算法，提高地震成像计算效率，ForgeStencil在RTM场景实现1.81倍加速。
• 电磁仿真：针对gprMax/FDTD等Yee网格Maxwell方程计算进行算子优化，加速雷达、芯片电磁分析等高性能计算任务。
• 医学影像：优化MRI重建、数字乳腺断层成像等计算流程，提升医疗设备中的图像处理效率，降低复杂计算耗时。
• 气候与科学计算：面向气象模拟、流体力学、材料科学等Stencil密集型任务，通过GPU算子优化提升科学计算性能。
• 工业软件优化：针对工业仿真、工程计算、高性能计算软件进行自动优化，帮助已有软件提升GPU运行效率。

ForgeStencil常见问题