摘要：每天，Bob编写的CUDA内核要在数十万张GPU上执行万亿次，精度要求极高、出错即重训。更令人震惊的是，这样一项“地狱级难度”的任务，居然由一个人独立完成。

在AI热潮席卷全球的当下，OpenAI内部一位代号为“Bob”的工程师，正悄然撑起了整个公司最关键的推理基础设施。

每天，Bob编写的CUDA内核要在数十万张GPU上执行万亿次，精度要求极高、出错即重训。更令人震惊的是，这样一项“地狱级难度”的任务，居然由一个人独立完成。

这只是个人英雄主义的炒作吗？

当我们深入了解前同事对他的评价、技术文献的蛛丝马迹、以及Meta对其身份的狂热追踪时，不得不承认，这位“GPU魔法师”正在撬动整个硅谷的神经。

至于Bob的真实身份，舆论普遍指向Scott Gray。

Scott是OpenAI早期成员，2016年加入，拥有物理与计算机双学位背景。他曾在2017年OpenAI官方博客上发表《Block-sparse GPU kernels》，这篇论文提出的稀疏矩阵计算方法，正是当前注意力机制高效实现的核心。而“Bob内核”的功能，正与这类优化高度吻合。

Scott曾在Reddit上的一段发言中，详细描述了自己为OpenAI开发并部署CUDA内核的全过程，包括FP16/FP32优化、对P100和P102 GPU的适配。这些内容细致到具体的实现策略和性能测试，显然不是外围开发者能够掌握的深度。

这些线索拼接起来，几乎可以确认：Scott Gray就是“Bob”本人。

据传，扎克伯格在得知此人存在后，反应异常激烈，甚至将“找到Bob”列为招聘会议的最优先事项之一。

过去一年，Meta已从OpenAI等实验室陆续吸纳了多位核心研究员，包括赵晟佳、Lucas Beyer与Alexander Kolesnikov等人。对于Meta这样的科技巨头来说，与其争显卡资源，不如直接争人。而能提升显卡效率、压榨出极致性能的CUDA工程师，才是最核心的“资产”。

据业内估计，全球能独立编写高性能训练用CUDA内核的人，不超过100个。

从Scott Gray身上，我们看到的是技术世界中一种被低估的力量。

他没有公开露面，也不参与商业谈判，却靠着一套内核代码，在AI训练成本、模型效率和算法安全性上，发挥了远超职级的影响力。他不是明星科学家，也不是创业CEO，但却成为了OpenAI继续保持领先的关键。

在显卡价格不断飙升、AI训练成本日益增加的今天，或许真正比GPU更稀缺的，是那些能把GPU性能发挥到极致的人。

来源：妇产科医生小永