SemiAnalysis分析師：OpenAI工程師在滾動查看自家內核代碼時，並不清楚每一行在做什麼

SemiAnalysis分析師Jordan Nanos稱，OpenAI工程師在滾動查看自家內核代碼時，並不清楚每一行在做什麼，但這不影響結果，因爲人工智能能寫、能測、能跑出高性能內核。

他把這些代碼稱爲“不是垃圾，因爲它能跑”，同時又說它“基本上就是吐在Gluon裏的人工智能生成彙編”。Gluon是OpenAI建在Triton之上的底層內核語言，沿用單程序多數據模型，並向下暴露接近硬件的抽象。

Nanos說，一起看代碼的工程師懂硬件、懂系統概念，卻說不清眼前這段給DeepSeek準備的MLA內核實際在幹什麼。可以逐行指過去，得到的是否定。測試和正確性由模型與校驗腳本完成。

SemiAnalysis書面材料寫到，OpenAI用內部放大版Codex寫Jalapeño內核，部分手調內核長達約三千行，並配正確性檢查和自制消毒器。早期仍是人在環內，後來轉向更自動化。內部推理引擎名爲Teacup。公司在用InferenceX對DeepSeek做基準前，甚至沒有自己的MLA內核實現。

Gluon把佈局做成一等抽象，把硬件資源映射到張量元素，並提供可證明的佈局轉換。對英偉達圖形處理器，它能直接碰到張量內存加速、矩陣乘加和內存屏障一類指令。內核優化被描述成可驗證的強化學習循環：給任務、給測試、讓模型迭代數據搬移和計算單元。

市場機制上，買單的是要在每瓦特上擠出更多token的推理負載，賣出的是人類逐行可讀的內核工藝。事件由自研芯片與開源模型基準驅動，資金從CUDA生態的人工調核轉向“模型寫核、測試收口”；受益的是能把硬件語義交給模型閉環的實驗室，承壓的是把護城河建立在少數內核工程師手寫彙編上的路徑。

來源：公開信息