在我们最新的 YC 论文俱乐部中，研究人员和开发者们就多 GPU 内核优化、本地推理的能效比、AI 生成的 GPU 内核及基准测试、异构推理基础设施设计，以及用于强化学习的 GPU 加速游戏引擎等议题进行了展示。感谢以下演讲者：
Stuart Sol（斯坦福大学 / Cursor）、John（斯坦福大学）、Mark（PyTorch / GPU Mode / CoreAuto）、Misha（Marlo）以及 Brennan（斯坦福大学）。
章节列表： 0:00 – Francois Chaubard：芯片与内核专业化的理由 7:16 – Stuart Sul：并行小猫——多 GPU AI 内核的系统化与实际简化（https://arxiv.org/abs/2511.13940） 21:29 – Jon Saad-Falcon：能效比——衡量本地与云端 AI 的智能效率（https://arxiv.org/abs/2511.07885） 31:05 – Mark Saroufim：当 AI 开始编写系统代码 47:04 – Misha Smelyanskiy：为何 AI 推理需要异构硬件 1:04:33 – Brennan Shacklett：构建完全在 GPU 上运行的高吞吐量游戏引擎（https://madrona-engine.github.io/shacklett_siggraph23.pdf） 1:15:35 – 总结与展望
申请 Y Combinator：https://www.ycombinator.com/apply 在初创公司工作：https://www.ycombinator.com/jobs