一场 0.3% 的险胜

一场 0.3% 的险胜

2026 年，第四届数据预取锦标赛（DPC4）成绩公布。冠军方案比上届人类冠军快 0.3%。这个数字小到近乎测量噪声，但在几十亿条指令的仿真里跑下来，它是真赢——赢得贴地。这份方案的作者不是人。它由一套进化式 AI 系统生成，论文最近挂上 arXiv：《ArchAgent v2：数据预取锦标赛案例研究》。

先说比赛比的是什么。CPU 算数快，取数慢——内存到 CPU 的距离，就像仓库到你工位的距离。预取器是装在 CPU 里的一段小程序，活儿是猜：你接下来要用什么数据，我提前搬过来。猜对了，等待消失；猜错了，白搬一趟，还把本就不大的缓存塞满没用的东西。现代 CPU 有三级缓存，每级配自己的预取器，还有严格的存储额度：一级 32KB、二级 128KB、三级 256KB。额度不是软指标，超了就装不进芯片。DPC4 从 2009 年办到 2026 年，今年扩成三级联动，负载从图计算覆盖到 AI 推理。上届冠军 BertiGO 是人类工程师手工打磨的方案。

参赛的机器叫 ArchAgent v2，底座是谷歌 DeepMind 的 AlphaEvolve——一个让大模型写代码、进化算法挑代码的系统。署名名单里能对上号：AlphaEvolve 核心成员 Novikov、Balog 在列，谷歌硬件负责人 Ranganathan、伯克利的 Nikolić 也在。它配套的打分器是学术界的通用 CPU 模拟器 ChampSim。流程是闭环：模型改一段预取器代码，模拟器跑 6000 万条指令打分，分数喂回去，下一轮接着改。听着顺，做起来有一个绕不开的敌人：慢。一次评估最长超过 12 小时。三个预取器一起进化？搜索空间大到走不动。上一代 ArchAgent 就是在这里停下的——它能搞定单级缓存替换，遇到三级预取就爬不动了。

v2 加了两个机制，全在模型外面。第一招叫级联：别一起练，一个一个来。先练一级，不再上涨就冻结，拿它当底座练二级，再练三级，最后三个一起合练。多核场景放最后。第二招叫硬件可实现反馈环：模型每次交出新设计，系统当场算它的存储占用，超额度当场毙掉，提示词里还要求模型同时更新逻辑和占用量。说白了，把「这块电路造不造得出来」从最后验收变成搜索途中的墙——不合规的想法活不到下一轮。两个机制没有一个是换更强的模型。模型还是那个模型，赢在把搜索流程重排了一遍。

成绩单：比基线快 3.8%，比 BertiGO 快 0.3%，夺冠。拆开看更有意思——低带宽单核场景快 4.6%，对 BertiGO 的 2.6%，大幅领先；多核场景反而输 1.5%。赢和输都好解释：级联先练单核，多核只在最后合练了一小段。最终方案三级分别用了 31.1KB、110KB、230KB，全部贴着额度线。论文自己承认，这是流程的取舍，不是能力的边界。

这篇论文最值钱的部分不是成绩，是解剖。第一轮进化评估了超过 12,000 个候选设计，论文把每一刀都记了档。三个发现。其一，一半提案白跑：编译不过，或者性能不涨。机器的优势是同时跑远超人类团队的尝试量，一半的失败率也说明进化环还粗糙。其二，平均水平不动：所有提案的中位数始终贴着基线，涨的只有「目前为止最好」那条线。好想法出现的概率在涨，平均想法的水平不涨——进化改善的是运气，不是全体智商。其三，决定性的大跳不是一条线爬出来的：第 20 到 30 天之间，三个在别的支线上各自演化的组件——一个仲裁器、一个防重复过滤器、一个键值去混叠方案——被数据库拼到一起，合出一个跳升 4% 的新设计。翻看最好的想法清单，一个词反复出现：velocity——测量指令退休的速率，用来伸缩预取的距离。

论文还专门写了自我检查：赢是真赢，新颖性有限。一级预取器的强化学习仲裁、变步长追踪，前人都有；三级那个「数不同步长比例」的仲裁器，算增量创新。作者的用词是：大模型是好的组合者，擅长把多个领域的已知零件拼到一起，缺少真正的原创突破。这句自我评价比 0.3% 更值得记——它划清了这类工具此刻的能力边界：组合是强项，发明还不是。

预取器是个好战场，因为验证便宜：一段代码，一次仿真几小时出分。这个谱系的规律一直没变——验证便宜的地方，机器自己往上爬。编译器内核是，这次的预取器是，昨晚那篇 16.7 天拿下 1.65 倍的《先造尺子，再爬山》也是。0.3% 很小，但它是机器在人类深耕多年的领域里，把三线联动的设计推过了最好的人类方案。下一届锦标赛的报名表上，没有人类作者的条目大概会多起来。

论文：arXiv 2608.09874（2026-08-10 提交，CC BY 4.0）