2026年9月1日，Hugging Face WebAI 团队发布 @huggingface/kernels——一个极简的 JavaScript 库，可直接从 Hugging Face Hub 加载并运行经过优化的 WebGPU 内核，同时开放首批 207 个 WebGPU 内核（Apache-2.0 许可）。

覆盖的算子横跨多种机器学习架构与负载：矩阵乘法、归一化、卷积、注意力原语、量化算子和数据布局变换。官方数据显示，这批内核在 Apple M4 上以几何平均计比 ORT WebGPU 快 2.57 倍。

每个内核都以完整的、带版本的包形式发布：接口、WGSL shader 模板、正确性用例、基准用例和使用说明全部放在一起，通过 manifest.json（算子契约）、metadata.json（来源）、test.json（正确性用例）、bench.json（基准/调优用例）和参数化的 *.wgsl.jinja 模板组织。

同时推出的还有 Fleet——一个在浏览器中运行的 GPU 基准测试与测试套件，可在用户自己的硬件上运行并为内核打分。在获得同意的前提下，每次运行都会私密地贡献证据，帮助社区发现设备特有的失败案例、改进内核变体。

为什么要从内核做起？WebGPU 让这些算子可以跨浏览器使用，WGSL 提供了共同语言，但可移植不自动等于高性能——工作组大小、内存访问模式、向量化、数据类型和融合策略都会影响性能，最优选择还会随输入形状、设备、浏览器而变。把算子变成可发现、可测试、可基准、可版本化的单元，才能独立改进底层，同时为上层保持稳定的契约。