中国AIがNVIDIAのGPU性能ランキングを席巻、ある企業が88項目の第1位を獲得

允中 凹非寺より

量子位 | 公式アカウントQbitAI

近日、NVIDIA Researchが発表したGPU演算子性能評価ランキングSOL-ExecBench [1] において、無問芯穹（Infinigence AI）が目覚ましい成績を収めた：

L1基礎演算子、L2融合演算子、Quant量子化演算子、FlashInfer-Bench推論演算子の全部で4大トラックで首位に立った。

SOL-ExecBenchとは何か？

SOL-ExecBenchは、NVIDIA Researchが2026年3月19日に発表した演算子最適化Benchmarkである。SOLはSpeed of Lightの略で「光速」を意味し、ここではハードウェア能力から導出される理論性能の上限を指す。

従来の評価が主にソフトウェアのベースラインに対する相対的な高速化効果を比較していたのとは異なり、SOL-ExecBenchはハードウェアの性能上限を基準とするSOL Scoreを導入し、高性能計算カード上で実際のテストを行う。

ランキングには、124個の実用的かつ最先端のAIモデルから抽出された235問の演算子最適化問題が含まれ、言語、視覚、音声、動画およびマルチモーダルなどの分野をカバーし、4大トラックに分けられている：

• L1基礎演算子：基礎計算モジュールの効率的な実装を問う。
• L2融合演算子：複数の計算ステップの融合実行と協調最適化を問い、メモリアクセス、データ転送および実行オーバーヘッドを削減する。
• Quant量子化演算子：FP8、NVFP4などの低精度計算技術をカバーし、大規模モデル推論の性能とコストに密接に関わる。
• FlashInfer-Bench推論演算子：アテンション機構、混合エキスパートネットワークなど、大規模モデルのオンライン推論における重要な計算に焦点を当てる。

SOL-ExecBenchの際立った特徴は、実際の最先端モデルの計算グラフから直接ワークロードを抽出し、これらの計算の新一代GPU上での性能限界を重点的に評価することである。

注：これは継続的に競争が行われ、高頻度で動的に更新されるグローバルランキングである。各チームが新たな最適化案を提出し続けるにつれ、順位も変動し、競争は非常に激しい。

2026年10月26日時点で、無問芯穹は依然としてL1とQuantの2大トラックの総合得点で世界第1位、L2とFlashInfer-Benchトラックの総合得点で世界第2位に位置しており、全235問のGPU演算子最適化問題において、88項目の単問第1位を獲得し、すべての参加チームの中で首位に立ち、第2位チームの単問第1位数の2倍を超えた。

特に複雑な計算最適化能力を試すL2融合演算子トラックでは、無問芯穹は82問中の39項目の第1位を獲得し、ほぼ半数に達した。

世界のトップクラスのAIインフラとエージェント開発の力が集うこの競争は、新一代AI計算最適化能力を検証する重要な舞台となりつつある。

GPU MaxxingからToken Maxxingへ、AI生産力転換のグローバル競技

AI生産力の価値の実現の背後には、「投資-電力/カード-Token-生産力-価値」という完全な転換チェーンがある。

初期のScaling Lawの推進の下では、より多くの計算資源を投入しGPUの効率を最大化することが、モデル性能の突破を推し進め、Token生産を高める重要な手段であった。

そしてAgentの発展に伴い、Tokenは最終的な成果物ではなく、タスク実行への投入物となった。モデルはより長い推論、より多くの試行と検証を通じて、本来解決が困難な問題を突破できるが、単にTokenの投入を増やしても必ずしもタスクの効果向上につながるわけではない。

類似した試行を繰り返し続け、実行フィードバックから方向を修正できないなら、どれほど多くのTokenもその場でぐるぐる回るだけに費やされかねない。

業界の注目の中心は、GPU MaxxingからさらにToken Maxxingへと移りつつある。「電気」から「Token」への変換効率を高めるだけでなく、より多くのTokenを実際にモデルの能力とタスクの成果へと転換し、「Token」から「生産性」への効率的な転換を実現しなければならない。

SOL-ExecBenchはこの能力を検証するための具体的なシナリオを提供する。このベンチマークは実際の最先端モデルから計算ワークロードを抽出し、基礎演算子、複雑な融合、低精度計算と推論最適化をカバーし、提出されるコードには正確性と性能の両方の要件を満たすことを求める。ここでAgentは、コード生成、コンパイル実行、性能分析と繰り返しのチューニングを経て、その成果は最終的に実際のハードウェア上での実行結果によって評価される。

この評価には、グローバルなデータ・AIプラットフォーム企業であるDatabricks、Y Combinator発のAI InfraスタートアップSF Tensor、著名なAIコーディングツールチームのCursor、さらにRecursive、doubleAI、Geometricなど自動演算子最適化分野で活躍する技術チームが参加した。

SF Tensorが2026年9月25日に公表したデータによれば、当時すでに583チームが累計3.1万回を超える評価を提出し、平均して約8分ごとに1件の公開提出という高頻度で、リーダーボードの更新を推し進め続けていた。

多くの参加チームはAgentを活用して低レベルの計算コードを自動生成・テスト・最適化しており、この大会はGPU Kernel最適化の水準だけでなく、モデルの能力を複雑なエンジニアリングタスクを継続的に遂行できるシステムへと組織する能力をも試している。

こうした激しい世界的競争の中で、無問芯穹（Infinigence）はL1、L2、Quant、FlashInfer-Benchの4大トラックで相次いで世界第一位を獲得した。

これは、チームの演算子最適化とソフトウェア・ハードウェア協調における技術の蓄積を示すとともに、Agentic Infraを通じてTokenの投入を検証済みの計算性能の利益へと転換し、それによってAIが複雑なタスクを自律的に遂行する有効な道筋を探るというチームの能力をも検証したものである。

AI生産力によるInfra進化の還元、技術実践によるRSIエンジニアリングの実装支援

リソース投入からToken生産、そして実際の生産力の提供と価値の実現に至るまで、無問芯穹（Wuxin Xinqiong）のAgentic Infraは、このチェーンを一方向の推進からクローズドループの進化へと導くことに常に注力してきました。

チームはAgentがTokenを消費してタスクを完了するだけでなく、創出した生産力をインフラ自体に還元し、Tokenの生産を継続的に向上させることで、AIインフラにおけるRSIの実現経路を模索することを目指しています。

算子最適化タスクは、このプロセスを探究するための具体的な切入点を提供します：GPU Kernelの実行効率はハードウェア性能の発揮に直接影響します。Agentが見つけた高効率な実装は、検証を経て訓練および推論システムに適用された後、計算コストをさらに削減し、算子最適化の成果をTokenの生産プロセスにまで波及させることが期待できます。

この方向に沿って、まず解決すべきは、Agentに信頼できる最適化成果を継続的に生産させる方法です。コードが正しく実行できるか、性能のボトルネックはどこか、一度の修正が実際の成果をもたらしたかどうかは、いずれも実際の実行によって判断され、次の探索ラウンドの根拠となります。

このため、無問芯穹はSOL-ExecBenchを中心に一連の算子最適化Agentを構築し、コード生成、実行検証、性能分析、経験の蓄積を連続的なワークフローとして組織しました。

以下では、コンテナによる分離実行、Skillsの認識と共有Memory、そして異なるタスクに向けた最適化戦略の3つの側面から、無問芯穹が具体的にどのようにAgentの実際のハードウェアフィードバックに基づく継続的な改善を支援しているかを紹介します。

コンテナ化分離アーキテクチャ

実行アーキテクチャにおいて、システムはコンテナ化による分離を採用し、Agent作業領域、評価領域、デバッグ領域を分離しています。Agentは、ネットワーク接続を許可され、GPUを直接割り当てられない作業領域で、外部マウントによってSkills、共有Memoryおよび最適化戦略をロードし、コードの作成を行い計算リクエストを提出します。

ホスト側のリソーススケジューラがGPUを統括管理し、リクエストのキューイングとオンデマンド割り当てを行い、それぞれ公式評価環境と整合したイメージ、およびプロファイリングツールを統合したイメージの中で評価とデバッグを実行します。両種類の実行コンテナはいずれもネットワークアクセスを無効化しており、結果はAgentに返却され、「コード生成—評価検証—性能分析—戦略調整」の反復クローズドループを形成します。

この分離設計はAgentが自動最適化の過程で評価の制約を回避することを防ぐために役立ちます。Agentが性能指標を最適化目標とする場合、その探索は算子実装そのものから逸脱し、評価スクリプトの改変、タイミング計測ロジックへの干渉、参照結果へのアクセス、あるいは環境の脆弱性の悪用を試みて、真の計算効率向上に由来しないスコアを獲得する可能性があります。コンテナ分離、権限制御、および制御された提出インターフェースが共同で実行の境界を構成し、Agentが候補算子を継続的に最適化できるようにしながら、評価プロセスそのものへの介入を制限します。

モジュール化Skillsと共有記憶メカニズム

Agentの能力構築において、システムはモジュール化Skillsを通じてオープンソースコミュニティの技術蓄積を取り込むだけでなく、フレームワーク感知に特化したSkillによってAgentが関連フレームワークを理解し使用できるよう支援し、さらに共有Memoryを活用して最適化経験を継続的に蓄積・再利用します。

• ナレッジベースおよび性能デバッグSkills：オープンソースコミュニティから提供され、GPUプログラミングの知識、性能分析方法、最適化ツールなどの能力サポートをAgentに提供します。
• 実行フレームワーク向けのインタラクションSkill：作業領域内のAgentが自身の実行環境、呼び出し可能な能力および操作の境界を明確に把握できるようにし、統一されたCLIエントリを通じてデバッグの開始、評価の提出、タスク状態の照会、結果の読み取りを行います。
• 共有Memory：実際の最適化過程で有効性が検証された戦略、適用条件および実践経験を記録し、異なるタスクが既存の探索成果を再利用できるようにします。

これらのメカニズムが共同で、Agentが専門能力を呼び出し、実行フレームワークを正しく使用し、継続的な反復の中で経験を蓄積し、重複した探索を減らすことを推進します。

タスク特性に応じたきめ細かな最適化戦略

最適化戦略において、システムはワークロードの特性、性能ボトルネックおよび時間予算に基づいて、階層的な探索を組織します。

システムはAgentを誘導し、最適化の時間予算に応じて適切なプログラミング抽象とDSL（ドメイン特化言語）を選択させ、Triton、TileLang、CuTe DSLなど異なる粒度のDSL間で開発効率と性能ポテンシャルを比較衡量し、低レベル言語（CUDA、PTXなど）を逐層生成することで、ハードウェア性能の空間を継続的に掘り起こします。

異なる計算シナリオに応じて、最適化戦略はさらに細分化されます：

• 計算集約型タスク： Tensor Core利用率、タイル方式、データ再利用を重点的に評価し、非同期データ転送とパイプラインのオーバーラップを探索するとともに、レジスタと共有メモリの占有量と有効な並列度のバランスを考慮します。
• メモリアクセス集約型タスク： まず冗長な読み書きや中間結果のディスクへの書き出しを優先的に削減し、合併メモリアクセス、ベクトル化アクセス、キャッシュ再利用を最適化することで、単位あたりの有効計算に必要なデータ転送量を低減する。
• 複数オペレータの計算チェーン： オペレータ融合がメモリアクセスと起動オーバーヘッドにもたらす利益を評価すると同時に、融合後のレジスタ圧力、同期の複雑さ、並列度の変化にも注意を払う。適用可能な依存チェーンについては、Programmatic Dependent Launch（PDL）を探索し、後続のKernelにおいて前段の結果に依存しない処理を早期に実行させ、依存データの読み取り前に必要な同期を完了させることができる。永続化実行に適したタスクについては、Persistent Kernelを探索し、CTAを常駐させループで複数の作業ユニットを処理することで、スレッドブロックのスケジューリングおよび初期化オーバーヘッドを償却し、パイプライン並列を活用して実行効率をさらに向上させる。
• 小Shape・低レイテンシタスク： スレッドブロック数、無効スレッド、境界処理、命令および同期のオーバーヘッドの制御に重点を置き、過度なタイル分割や複雑なパイプラインによって、有効計算で償却できない過剰な固定コストが生じることを避ける。

オープンな能力の再利用、階層的な性能最適化、実際のハードウェアからのフィードバックの組み合わせを通じて、無問芯穹（Infinigence）は、専門家の経験に高度に依存していたGPUオペレータのチューニングを、Agentが自律的に探索し、継続的に学習し、大規模に実行できる最適化プロセスへと転換することを目指している。

継続的なイノベーションによるAgentic Infraで、知的進化の限界を拓く

SOL-ExecBenchの成果は、単発の技術ブレークスルーではなく、無問芯穹が長年にわたりAgentic Infraの技術革新に深く取り組んできたことの自然な延長である。

「M種類のモデル」と「N種類のチップ」をつなぐことから、「多元異構・ソフトウェアとハードウェアの協調・自律型AI」を核心とする「前店後廠一中心」のAgentic Infra戦略配置に至るまで、無問芯穹は一貫してAI生産力チェーンの核心的環節をめぐって技術の探索と実践を展開してきた。

今回のSOL-ExecBenchにおける探索と成果は、長期的な技術路線がボトムレイヤーの計算最適化分野で示した段階的な姿であり、それ以上に重要なのは、この効率最適化能力をさらにAI自体に委ねるというRSIという道筋の実現可能性を証明し、Tokenの生産から生産力の創出へ、さらに生産力がInfraに還元されるという進化のループを初歩的に実現したことである。

次のステップとして、無問芯穹（Genesys AI）はこの探求をAgent自身のタスク実行フレームワークへと拡張することを目指しています。タスク計画、ツール呼び出し、メモリ管理、フィードバック機構を修正・検証することで、Agentがタスクを遂行する過程で問題解決の手法を段階的に改善できるようにします。

最適化の成果が計算効率の向上だけでなく、最適化案を生み出す仕組みそのものの改善にもつながるとき、継続的な探求は持続的な能力の成長へと転化する機会を得ます。

RSIとAGIの将来の進化に向けて、無問芯穹の技術チームは自信と同時に、単一ポイントの技術的ブレークスルーから真のシステムレベルの能力まではまだ長い道のりがあることを冷静に認識しており、局所的な最適化を実際の生産性へと真に転化させるにも、さらなる技術的探求と協働が必要です。

AIに計算資源をより効率的に使わせることから、AIに計算資源システム自体の最適化へ参加させることまで、無問芯穹はインフラがAIイノベーションを支える段階からAIと共進化する段階へ進むことを継続的に推進し、有効なAI生産力の持続的な提供のために新たな道を探っています。

謝辞：
Humanizeコミュニティ（https://github.com/humanfia/humanize）

参考文献：
[1] SOL-ExecBench: 実世界のGPUカーネルをハードウェア限界に対して光速（Speed-of-Light）ベンチマークする。2026. https://arxiv.org/abs/2603.19173
[2] KernelBench: LLMは効率的なGPUカーネルを書けるか？ ICML 2025. https://arxiv.org/abs/2502.10517
[3] MultiKernelBench: カーネル生成のためのマルチプラットフォームベンチマーク。2025. https://arxiv.org/abs/2507.17773
[4] CANN Bench: エージェントが生成したカーネルを実際のNPUおよびアルゴリズム上の限界に対してベンチマークする。2026. https://arxiv.org/abs/2607.20518

*本記事は量子位が許諾を得て掲載したものであり、見解はすべて原著作者に帰属します。