Linus TorvaldsがClaude Codeによるカーネルパッチに初めて署名——8スレッドのキャッシュ読み取りスループットが3倍に向上

2026年10月12日、Linus TorvaldsはLinuxカーネルメーリングリストにnoref-filemap-read-with-llmパッチシリーズを提出した。カバーレターには「コード、テストプログラム、レビューリスト、および本文の初稿はいずれもLLMコーディングアシスタント（Claude Code）が本人の指導のもとで作成した」と明記されており、8スレッドの16バイトキャッシュ読み取りスループットは約1,000万回/秒から3,000〜3,300万回/秒へと向上し、CPUサイクルは2,950から725へと削減された。

事実の整理

このパッチが解決する問題は、複数スレッドが同一ファイルの小さなデータブロックを同時に読み取る際に、カーネルのページキャッシュがfolioに対してアトミックな参照カウント更新を行う必要があり、高並行時にこれらのアトミック操作が同一キャッシュラインを巡って競合するという点に集約される。Torvaldsのアプローチは、RCU読み取り側クリティカルセクション内で読み取りを完了させ、参照カウント操作をスキップし、実際の解放をRCUグレースピリオド終了後まで遅延させるものである。CPUごとの解放待機ページが1,024を超えた場合には、メモリの無制限な積み上がりを防ぐためにグレースピリオドの加速がトリガーされる。測定データはTorvalds本人のCore i7-8565Uノートパソコン上で取得されたものであり、シングルスレッドの未マップページシナリオではサイクルが約4,150から6,550へと増加している。

Phoronixの報道によれば、このシリーズはLinux 7.3-rc6を対象としており、記事執筆時点では7.4のマージウィンドウへの取り込みは完了していない。Torvaldsはカバーレターの中で、測定は自身の個人マシン上でのみ実施したものであることも明示している。

メカニズムの分析

従来の実装では読み取りのたびにアトミック参照カウントを更新する必要があり、8スレッド並行時のLoad HITMイベントは30,538回に達していた。新しいアプローチではRCUの特性を活用して参照カウントを排除し、HITMイベントは101回にまで低下し、それによってスループットが向上した。シングルスレッドの非並行シナリオでは新たなブックキーピングのオーバーヘッドによりサイクルが増加しており、並行最適化とシングルスレッドパスのトレードオフが浮き彫りになっている。

パッチの提出者はAI生成コンテンツと人的検証を明確に区別している。Torvalds本人がベンチマークを実行し、マージに値するかどうかを判断しており、このプロセスは以前にAI生成の曖昧なCVEレポートが「ほぼ管理不能」と評された状況とは対照的である。

産業への影響

世界で最も注目されるカーネルメンテナーが正式なパッチでAIとの協働を初めて明示したことは、AIコーディングツールが補助スクリプトやアプリケーション層のコードから最下層のシステムソフトウェアへと浸透しつつあることを示している。Torvaldsはかつて2024年10月にAIに関する議論の90%はマーケティングの誇大宣伝だと述べていたが、2026年7月にはLinuxは反AIプロジェクトではないと公言し、批判者はフォークするか離れるかを選べばよいと発言していた。

Googleがオープンソース化したSashiko AIコードレビューシステムは、テストセットでカーネルの欠陥の約53%を捕捉したと報告されており、これはTorvaldsが今回自ら検証・署名したこととも呼応している。企業やインフラチームはこのシグナルを前に、AIツールを単なるマーケティング事例として片付けることは難しくなっている。

戦略的考察（分析であり事実ではない）

Torvaldsのこれまでの立場の変化を踏まえると、AIツールがクリティカルパスに参入できるかどうかは、開発者が最終的な測定と意思決定の権限を保持し続けるかどうかにかかっている。パッチ内で制約事項（単一マシンのベンチマーク、シングルスレッドでの性能低下）が明示されているという透明性のある姿勢は、他のプロジェクトがAIによる貢献を評価する際の参照例となる可能性がある。長期的には、こうした署名の慣行がAI生成コードに対するコミュニティ全体の懐疑心を低下させる方向に働くかもしれないが、それはコントリビューターがモデルの出力だけに頼るのではなく、再現可能なハードウェアデータを継続的に提供することが前提となる。

より多くのカーネルメンテナーが同様のパターンを採用すれば、セキュリティクリティカルで低エラートレランスのコードベースにおけるAIコーディングツールの信頼性はさらに高まるだろう。逆に、人的検証のプロセスが欠如すれば、AI生成の低品質なパッチは依然として拒否され続ける可能性がある。