大規模モデルのイテレーション速度が週単位で進化する中、計算リソースのボトルネックとエンジニアリングの障壁をどう突破するかは、AI開発における最終的な課題となった。2026年6月27日、メイビールインテリジェンスはOpenBMBオープンソースコミュニティおよびAGI BARと共同で、「AI4AI発酵夜」という深い交流イベントを開催した。このイベントでは、メイビールインテリジェンスのAIインフラ技術責任者であるリー・ユーシアン氏が、自社開発のプロダクションレベルのプレトレーニングフレームワーク「ForgeTrain」について詳細に解説し、「AIでAIを作る」というパラダイム変化の裏側にあるロジックと実戦的な突破点を明らかにした。

リー・ユーシアン氏は、インターネット上の高品質なデータや計算リソースの供給の限界効果が減少していることを指摘し、従来の「データを増やす」「計算リソースを増やす」というアプローチが限界に近づいていると述べた。産業革命では「機械で機械を作る」ことが可能になったが、知能革命では「AIでAIを作る」段階に入っている。ForgeTrainはその道のりの一点突破であり、そのコアな考え方は、「特定のモデルとハードウェア構造に対して、AIがゼロから専用のトレーニングフレームワークを「鋳造（ forge ）」することにより、人工的にメンテナンスされる汎用的なソフトウェアスタックに依存しないことである。

性能テストにおいて、ForgeTrainは驚くべきイテレーション効率を示した。自動化されたプロセスにより、このフレームワークは8時間以内に業界のエースフレームワークであるMegatron-LMの性能に追いつき、1.5〜2日以内に安定して優越を収め、MFU（計算リソース利用率）は約8〜10%向上した。この能力は、MiniCPM4-0.5B/8Bなどの異なるモデルにも成功裏に移行され、H100やHuawei昇騰NPUを含む多様なハードウェアプラットフォームにも対応している。

ForgeTrainの成功には、リー・ユーシアン氏がまとめた「4段階のHarness最適化プロセス」が不可欠である。システムは、二進法の一貫性を確保するAnchor段階から始まり、Bit-for-Bitの基本機能生成、制約の解除後のSurpass性能の飛躍、そして演算子ごとに深くカスタマイズを行うPer-Op段階へと進む。このすべての過程はAIによって判断され、人為的な介入は一切なく、英伟達が長年にわたって人材を積み重ねてきたエンジニアリングの護城河を、AIによって自動的に分離可能な技術的問題に再構築した。

この実践は「Forge Engineering」と呼ばれ、AI時代に向けた新たなエンジニアリングの枠組みとしてまとめられている。リー・ユーシアン氏は、将来誰もが自分のモデルアシスタントをカスタマイズできるようになるだろうと信じており、ソフトウェアの形態は大幅に変化すると予測している。

業界が関心を持つオープンソースエコシステムと技術的壁に関する問題については、リー・ユーシアン氏は独自の見解を語った。彼は、Coding Agentが従来のCUDAエコシステムの「移行コスト」を解体していると指摘し、競争の次元が単なる「コードの信頼性」から「知能の信頼性」へと移行していると述べた。将来に向けて研究の焦点は、AGIへの道の最も急な部分、つまりAIが問題を解決するだけでなく、新しいパラダイムを提示する「Innovator（イノベーター）」になるための方法に集中すべきだと考えている。メイビールインテリジェンスが継続的に深く掘り進めることで、AIが次の世代のモデルコードを自主的に書く時代が始まったのである。