Дом
ForgeTrain от Mianbi Intelligence использует ИИ для создания учебной платформы нового поколения: 8 часов, чтобы догнать, 2 дня, чтобы превзойти

По мере сокращения циклов итерации крупных моделей до нескольких недель преодоление ограничений вычислительной мощности и инженерных барьеров стало ключевой задачей в области искусственного интеллекта. 27 июня 2026 года компания Mingshi Intelligence совместно с сообществом открытого исходного кода OpenBMB и организацией AGI BAR провела мероприятие под названием «AI4AI Fermentation Night». В ходе мероприятия Ли Юйсюань, технический руководитель подразделения AI Infra компании Mingshi Intelligence, подробно рассказал о собственной производственной платформе предварительного обучения ForgeTrain, раскрыв логику и практические прорывы, лежащие в основе смены парадигмы «ИИ, создающий ИИ».
Ли Юйсюань отметил, что по мере снижения предельной отдачи от высококачественных интернет-данных и вычислительной мощности традиционный подход, заключающийся в «накоплении данных и вычислительных ресурсов», достиг своих пределов. В ходе промышленной революции «машины создавали машины»; сейчас интеллектуальная революция движется в направлении «ИИ создает ИИ». ForgeTrain подтверждает этот путь одним ключевым моментом: использование ИИ для создания с нуля специализированной платформы обучения, адаптированной к конкретным моделям и аппаратным архитектурам, вместо использования универсальных программных стеков, обслуживаемых вручную.
В тестах производительности ForgeTrain продемонстрировал замечательную эффективность итераций. Благодаря автоматизированному процессу он достиг производительности, сопоставимой с ведущей в отрасли средой Megatron-LM, за 8 часов и стабильно превосходил её в течение 1,5–2 дней, добившись повышения коэффициента использования вычислительных ресурсов (MFU) примерно на 8–10 %. Эта возможность была успешно применена к таким моделям, как MiniCPM4-0.5B/8B, и совместима с различными аппаратными платформами, включая H100 и Huawei Ascend NPU.
Успех ForgeTrain зависит от того, что Ли Юйсюань называет «четырёхэтапным процессом оптимизации набора операций». Начиная с этапа Anchor, который обеспечивает бинарную согласованность, процесс проходит через этап побитовой генерации базовых функций, затем — этап «Surpass» (спринт производительности) после снятия ограничений и, наконец, переходит к этапу Per-Op, который включает глубокую настройку каждого оператора. Весь процесс полностью управляется ИИ без какого-либо ручного вмешательства, что позволяет успешно преобразовать многолетнее инженерное преимущество NVIDIA в техническую задачу, которую ИИ может автоматически решить.
Этот подход обобщён как «Forge Engineering» — новая инженерная парадигма для эпохи ИИ. Ли Юйсюань считает, что в будущем каждый сможет настроить своего собственного модельного помощника, а ландшафт программного обеспечения претерпит масштабную трансформацию.
Связанная статья
Акции США достигли исторической отметки, поскольку гиганты искусственного интеллекта и аэрокосмической отрасли готовятся к дебюту с оценкой в триллион долларов
Илон Маск, Сэм Алтман и Дарио Амодэй, три титана технологического сектора, продвигаются к первичным публичным предложениям акций своих respective компаний. Благодаря SpaceX, OpenAI и Anthropic — трем отраслевым гигантам, чья оценка приближается к три
Шведский стартап в области искусственного интеллекта Lovable Eyes достиг оценки в 13,2 миллиарда долларов после крупного раунда финансирования
По мере того как инструменты для программирования на основе искусственного интеллекта набирают популярность, шведский стартап Lovable привлек крупный раунд финансирования. Компания нацелена на привлечение $3 млрд, что потенциально может увеличить её
Google тестирует агента Remy AI для Gemini по мере смещения фокуса на управление пользователями
Согласно Business Insider, Google тестирует Remy, нового ИИ-персонального агента для Gemini. Этот инструмент предназначен для выполнения задач от имени пользователей, упрощая как профессиональные рабочие процессы, так и повседневные рутины.В настоящ
Рекомендации по связанным специальным темам
Комментарии (0)

По мере сокращения циклов итерации крупных моделей до нескольких недель преодоление ограничений вычислительной мощности и инженерных барьеров стало ключевой задачей в области искусственного интеллекта. 27 июня 2026 года компания Mingshi Intelligence совместно с сообществом открытого исходного кода OpenBMB и организацией AGI BAR провела мероприятие под названием «AI4AI Fermentation Night». В ходе мероприятия Ли Юйсюань, технический руководитель подразделения AI Infra компании Mingshi Intelligence, подробно рассказал о собственной производственной платформе предварительного обучения ForgeTrain, раскрыв логику и практические прорывы, лежащие в основе смены парадигмы «ИИ, создающий ИИ».
Ли Юйсюань отметил, что по мере снижения предельной отдачи от высококачественных интернет-данных и вычислительной мощности традиционный подход, заключающийся в «накоплении данных и вычислительных ресурсов», достиг своих пределов. В ходе промышленной революции «машины создавали машины»; сейчас интеллектуальная революция движется в направлении «ИИ создает ИИ». ForgeTrain подтверждает этот путь одним ключевым моментом: использование ИИ для создания с нуля специализированной платформы обучения, адаптированной к конкретным моделям и аппаратным архитектурам, вместо использования универсальных программных стеков, обслуживаемых вручную.
В тестах производительности ForgeTrain продемонстрировал замечательную эффективность итераций. Благодаря автоматизированному процессу он достиг производительности, сопоставимой с ведущей в отрасли средой Megatron-LM, за 8 часов и стабильно превосходил её в течение 1,5–2 дней, добившись повышения коэффициента использования вычислительных ресурсов (MFU) примерно на 8–10 %. Эта возможность была успешно применена к таким моделям, как MiniCPM4-0.5B/8B, и совместима с различными аппаратными платформами, включая H100 и Huawei Ascend NPU.
Успех ForgeTrain зависит от того, что Ли Юйсюань называет «четырёхэтапным процессом оптимизации набора операций». Начиная с этапа Anchor, который обеспечивает бинарную согласованность, процесс проходит через этап побитовой генерации базовых функций, затем — этап «Surpass» (спринт производительности) после снятия ограничений и, наконец, переходит к этапу Per-Op, который включает глубокую настройку каждого оператора. Весь процесс полностью управляется ИИ без какого-либо ручного вмешательства, что позволяет успешно преобразовать многолетнее инженерное преимущество NVIDIA в техническую задачу, которую ИИ может автоматически решить.
Этот подход обобщён как «Forge Engineering» — новая инженерная парадигма для эпохи ИИ. Ли Юйсюань считает, что в будущем каждый сможет настроить своего собственного модельного помощника, а ландшафт программного обеспечения претерпит масштабную трансформацию.
Акции США достигли исторической отметки, поскольку гиганты искусственного интеллекта и аэрокосмической отрасли готовятся к дебюту с оценкой в триллион долларов
Илон Маск, Сэм Алтман и Дарио Амодэй, три титана технологического сектора, продвигаются к первичным публичным предложениям акций своих respective компаний. Благодаря SpaceX, OpenAI и Anthropic — трем отраслевым гигантам, чья оценка приближается к три
Шведский стартап в области искусственного интеллекта Lovable Eyes достиг оценки в 13,2 миллиарда долларов после крупного раунда финансирования
По мере того как инструменты для программирования на основе искусственного интеллекта набирают популярность, шведский стартап Lovable привлек крупный раунд финансирования. Компания нацелена на привлечение $3 млрд, что потенциально может увеличить её











