CUDA Agent是第一个在CUDA内核生成中超越Claude Opus 4.5（和Gemini 3 Pro）的已知RL训练模型！ ByteDance的CUDA Agent使用**代理强化学习**来训练一个自动生成高性能CUDA内核的模型，直接以真实的GPU分析速度获得回报，从而摆脱了传统方法。 KernelBench上的关键基准数据： -简单/中等内核（1/2级）：**比torch.com堆快100%** -复杂内核（3级）：**92%**速度更快 -总体而言：**96.8%**比torch.com桩更快，几何平均加速约2.11倍 -在最困难的3级任务（这些模型在66-69%的时间里只击败了torch.com堆）上，其性能比克劳德·奥普思4.5和双子座3 Pro等最强的专有模型高出约**40%** 人工智能硬件的真正上限不是硅本身，而是“**软件解锁+优化闭环**”能力。 结合这一点与苹果ANE的同步突破： -苹果M4 ANE:**6.6 TFLOPS/W**（比A100效率高约80倍），数亿台设备处于闲置状态；瓶颈在于苹果封闭的API+抽象层（CoreML隐藏了2-4倍的实际吞吐量） -NVIDIA GPU:RL代理学习“**真实硬件反馈下的极端优化**”，证明学习到的策略可以粉碎静态规则/编译器 硬件巨头（苹果/英伟达）的性能护城河正被人工智能**双重扼杀：逆向工程破坏了封闭的API（将空闲芯片变成计算场），而RL则挤压了现有GPU的每一滴。 未来，真正的瓶颈将不是计算硬件，而是谁先掌握“**硬件原生反馈+自主学习优化**”闭环。通过结合软硬策略，无论谁将现有设备的性能提高2倍、10倍或更多，都可以逐步拆除巨人的墙。这种复合增长创造了超越人类直觉的速度：从10×→ 100× → 1,000×在几年内。 **设备上训练**（ANE侧）+**云/边缘极端推理**（CUDA代理侧）的时代正在快速加速。人工智能现在可以“**自我优化**”接近理论峰值。数亿台闲置的苹果设备+大量NVIDIA显卡的未开发潜力正被独立黑客、公司和研究人员集体踢开。