AI赋能7-Zip，压缩速度提升97%的极致优化实验

近日，一项关于7-Zip压缩软件的优化实验引发了科技界的广泛关注。这项实验的核心成果是，在不触碰7-Zip原始代码的前提下，通过人工智能技术成功将软件的压缩速度提升了97%。

这一突破性进展是由面壁智能联合开源社区OpenBMB共同开发的ForgeStencil系统实现的。该系统基于全新的软件开发思路Forge Engineering，首次实现了从提出优化想法到应用无缝部署的全自动闭环过程。

ForgeStencil系统由Kernel Agent（理论方向）和App Agent（工程落地）两大组件协同工作。Kernel Agent专注于自主研究并合成高性能Kernel，能够针对主流Stencil类型、多种Shape与精度要求，自主构建专用算子矩阵，将Stencil算子的数学表达写成逼近硬件物理极限的代码。而App Agent则负责为每个应用单独打造方案，包括定位性能热点、建立应用自身的GPU基线、锻造候选优化，并用程序自带的校验与计时验证后集成回原应用。

与目前市面上Halide、Devito、EBISU、DRStencil、FlashFFTStencil等开源算法相比，ForgeStencil在同等硬件下的算子测试中表现优异：同精度（fp32）对比下获得几何平均2.35倍的加速比；混合精度（fp16）读写时拿下额外的1.95倍提速；在更难的变系数Stencil全部Shape上，相比最优基线取得几何平均下1.34倍的加速。

这一成果不仅展示了AI在高性能计算领域的强大潜力，也为工业与科研仿真软件的优化提供了新的解决方案。传统上，Stencil优化高度依赖稀缺的HPC专家，导致其难以规模化。而ForgeStencil的出现，使得单个应用所需的优化时长压缩到了小时级别，研发吞吐提升约1–2个数量级，研发效率提升约100倍。

图片展示了ForgeStencil系统的应用场景，以及面壁智能在相关技术领域的展示活动。这一技术突破有望推动高性能计算软件的普及与应用，为现代工业与前沿科研带来新的发展机遇。