面壁智能开源 ForgeStencil：双智能体驱动工业软件自动化优化新范式
近日，面壁智能正式开源其自研的工业软件优化框架 **ForgeStencil**，引发行业广泛关注。该框架的核心亮点在于：通过“双智能体”协作架构，在一周内自动完成百余款工业软件的优化工作，且全程无需人工干预。这一成果标志着AI在工业软件领域从“辅助工具”向“自主决策引擎”迈出了关键一步。
# 技术架构：双智能体分工与协同
ForgeStencil 的双智能体设计并非简单的并行计算，而是基于“分析-执行”的闭环逻辑。第一个智能体（Analyst Agent）负责对工业软件代码进行静态与动态分析，识别性能瓶颈（如循环冗余、内存访问模式、并行化机会等），并生成优化策略建议。第二个智能体（Optimizer Agent）则根据策略建议，自动生成代码变换、编译器指令调整或运行时参数调优的具体方案，并通过自动化测试验证效果。两者之间通过强化学习机制持续迭代：Analyst Agent 根据优化结果修正分析模型，Optimizer Agent 则根据反馈调整策略权重，形成不断自我优化的闭环。
# 实际效果：从“周级”到“天级”的效率跃升
据面壁智能披露，在为期一周的测试中，ForgeStencil 针对百余款工业软件（涵盖CAD、CAE、EDA等典型领域）进行了自动优化。平均每款软件的优化耗时从传统人工的3-5天缩短至数小时，且优化后的性能提升幅度在15%-40%之间，部分场景下甚至实现了超过50%的加速。更关键的是，整个流程无需开发人员介入，这彻底打破了传统工业软件优化中“专家经验依赖”与“重复劳动”的瓶颈。
# 行业意义与开源价值
长期以来，工业软件的性能优化高度依赖资深工程师对特定硬件架构与编译器的理解，且优化工作往往“一次一议”，难以规模化复用。ForgeStencil 的开源，为行业提供了一套可复用的自动化优化基础设施。一方面，双智能体架构天然适配异构计算环境（如CPU、GPU、NPU）的差异化优化需求；另一方面，开源策略使得高校、研究所及中小企业能够低成本接入该技术，加速国产工业软件的性能迭代。
当然，该框架目前仍面临挑战：例如对高度定制化的商业软件（如含有闭源加密模块）的适配性，以及对多目标优化（如性能与功耗、精度与速度的权衡）的精细控制。但可以预见，随着社区贡献与生态完善，ForgeStencil 有望成为工业软件智能化升级的“标准引擎”。未来，面壁智能是否会进一步开源模型训练数据与优化策略库，值得持续关注。
