本想练练手合成点数据，没想到却一不小心干翻了PyTorch专家内核！斯坦福华人团队用纯CUDA-C写出的AI生成内核，瞬间惊艳圈内并登上Hacker News热榜。团队甚至表示：本来不想发这个结果的。
好家伙，AI意外生成的内核（kernel），性能比人类专家专门优化过的还要好！
Meta推出KernelLLM，这个基于Llama 3.1微调的8B模型，竟能将PyTorch代码自动转换为高效Triton GPU内核。实测数据显示，它的单次推理性能超越GPT-4o和DeepSeek V3，多次生成时得分飙升。
前 Meta 工程师创办的 Lace AI 融资1400万美元，这是一家家庭服务创收软件初创公司。作为 Meta 的 AI 工程师，Boris Valkov 帮助构建了世界上最大的机器学习库之一 PyTorch。在那里，瓦尔科夫意识到人工智能“即将解锁能力，在软件堆栈的应用层中。
Meta AI研究副总裁Pineau亲自发帖声称将于5月30日离职，她主导了Llama开源系列及PyTorch项目。此举正逢扎克伯格重金投入AI及LlamaCon AI大会前夕，引发业内对Meta战略调整和未来新作的诸多猜测。
PyTorch机器学习大神Horace He宣布，正是离职加入OpenAI前CTO初创Thinking Machines。这位技术奇才，曾被OpenAI、SSI、谷歌等顶级AI实验室争相邀请，最终选择了刚刚成立的初创。他的选择，不仅是个人职业生涯的转折，更是对AI未来发展方向的一次战略性押注。
斯坦福和普林斯顿研究者发现，DeepSeek-R1生成的自定义CUDA内核，完爆了o1和Claude 3.5 Sonnet，拿下总排名第一。虽然目前只能在不到20%任务上超越PyTorch Eager基线，但GPU编程加速自动化的按钮，已经被按下！
Transformer论文八位作者之一Llion Jones创立的Sakana AI发布重磅成果——全球首个「AI CUDA工程师」！它能将PyTorch代码自动转换为高度优化的CUDA内核，速度比PyTorch原生实现快10-100倍。
我亲眼见证了数据量的爆炸式增长以及行业的巨额投入。当时就很明显，AI是推动这些数据增长背后的关键动力。那是一个非常有趣的时刻——Meta正在完成“移动优先”的过渡，开始迈向“AI 优先”。
简单性可以扩展：PyTorch的成功源于其对研究人员简单性的关注，这种关注随后流向了生产环境。在Fireworks，他们在幕后拥抱了巨大的复杂性，以提供一个简单的API给开发者。这种方法让客户能够专注于创新和产品设计，而不是纠结于技术复杂性。
