调研窗口：2026-10-19 07:00 ~ 2026-10-20 07:00（北京时间，24 小时）。

信源：GitHub（tile-ai 组织 29 仓库推送全量核查，窗口内 9 个仓库有推送：TileOPs、TileOPs-nightly、TileOPs.github.io、tilelang、tilelang.github.io、TileFoundry、tilelang-ascend、tilelang-hygon、tilelang-mlir-ascend；组织窗口内合并 36 笔〔TileOPs 19、tilelang 11、TileFoundry 3、TileOPs.github.io 1、tilelang-ascend 1、tilelang-mlir-ascend 1〕、在审 52 笔〔tilelang 24、tilelang-ascend 15、TileOPs 11、tilelang-hygon 2〕；非默认分支逐查〔ascendc_pto、snapshots、stats〕）+ 发布页与版本文件核查 + 规格统计分支核查 + 采用方仓核查（TileKernels / FlashQLA）+ 社区仓核查 + 夜间流水线核查 + Google News 中英文多组查询（走代理）+ Hacker News + arXiv。

本期索引

  • 今日重点：SM89 一日两笔 GEMM 转正，TileOPs 规格与基准覆盖双报 205/205，主仓把 Windows ARM64 纳入 CI（10-19）
  • 一、核心项目进展
    • 1.1 主仓：Windows ARM64 进 CI，CUDA 13.4 arm64 装包与 clang 兼容层（#2962）（10-19）
    • 1.2 主仓：共享缓冲上的 T.cumsum 在 warp 特化下补线程偏移（#3536）（10-19）
    • 1.3 主仓：call_extern 的裸 data 变量保守标记为写入（#2618）（10-19）
    • 1.4 主仓：lower trace 拆分宿主与设备源码，改可编辑基线（#3496）（10-19）
    • 1.5 主仓：Autotuner 透传 profiler 参数、ROCm FP4 常量打印与两笔 CI 维护（#3337 / #3548 / #3565 / #3567）（10-19）
  • 二、多后端适配（昇腾 / 沐曦 / 海光 / 摩尔线程）
    • 2.1 昇腾：宿主算子与设备内核在 msprof 下建立关联（#3321）（10-19）
    • 2.2 昇腾：VF 域外标量 sqrt 走标准数学库、PTO Ramp 按类型化向量发射（#3466 / #3535）（10-19）
    • 2.3 昇腾：四个逐元素算子的中文 API 文档与用例补齐（#1657）（10-19）
    • 2.4 昇腾在审队列 15 笔：GLM-5.3 压缩算子与三条反向算子（10-19）
    • 2.5 海光：在审两笔把 MLS 窗口常量 K 与寄存器流水线补齐（#25 / #18）（10-19）
    • 2.6 沐曦 / 摩尔线程 / MLIR-Ascend：两侧无新推送，MLIR 线修 TVM 隔离（#204）（10-19）
  • 三、生态与采用方（TileOPs / TileFoundry / 算子库）
    • 3.1 TileOPs：SM89 块缩放 FP8 分组 GEMM 与 INT8 W8A8 同日合入（#2659 / #2655）（10-19）
    • 3.2 TileOPs：五笔 foundry 算子补齐 MLA 分页、KV 写入与融合归一化（#2642 / #2635 / #2639 / #2634 / #2651）（10-19）
    • 3.3 TileOPs：GQA 分页 FP8 前向转 implemented，36 例对标 FA3（#2648）（10-19）
    • 3.4 TileOPs：线性注意力与 GEMM 的逐点位性能收口系列（#2650 / #2645 / #2637 / #2636 / #2641 / #2640 / #2646 / #2652）（10-19）
    • 3.5 TileOPs：Mamba-1 选择性扫描落地，MoE 路由枚举加收敛上限（#2638 / #2653）（10-19）
    • 3.6 TileOPs：规格与基准覆盖双报 205/205，夜间报表新增算子栏（#2656）（10-19）
    • 3.7 TileFoundry：Apple AMX 支持与 Qwen 预填充示例跑通 M2 Pro（#244 / #240 / #245）（10-19）
    • 3.8 采用方与夜间流水线：TileKernels / FlashQLA 无推送，快照推进至 10-20（10-20）
  • 四、社区、教程与活动
    • 4.1 文档：六个新算子写入 API 页，主仓文档站自动更新（#77）（10-19）
    • 4.2 社区仓：W4A16 kernel 实践仓与 CUDA 调试技能仓进入视野（10-19）
    • 4.3 版本线：主仓 0.1.15 仍未换代，TileOPs 继续锁 0.1.12（10-19）
    • 4.4 媒体与学术：新闻检索三条命中均非直接相关，arXiv 无新论文（10-19）
  • 五、趋势观察
    • 5.1 SM89 成为新算子的默认落点
    • 5.2 线性注意力固定成「每 chunk 一次矩阵乘 + 按 SM 波次选策略」
    • 5.3 TileFoundry 走出 CUDA：Apple AMX 与 Qwen 预填充
    • 5.4 可观测性成为编译器硬化主线
    • 5.5 昇腾算子库转向对话模型专用算子
  • 附：素材与核查说明
  • 完整信源清单

今日重点：SM89 一日两笔 GEMM 转正，TileOPs 规格与基准覆盖双报 205/205，主仓把 Windows ARM64 纳入 CI（10-19）

本窗口主机位仍是中国时间夜里活跃：组织内合并 36 笔，TileOPs 独占 19 笔，其中 SM89（Ada 级）的块缩放 FP8 分组 GEMM 与 INT8 W8A8 GEMM 同日落地，配合五笔新算子把 MLA 分页、KV 缓存写入、QK-Norm-RoPE 融合与逐 token 量化 RMSNorm 一次补齐；组织规格统计分支随即刷新为「已实现 205/205、已基准 205/205」，即算子库自述的规格覆盖与基准覆盖同时满格。主仓 tilelang 合并 11 笔，分量最重的是把 Windows ARM64 纳入发布流水线（12 文件、CUDA 13.4 arm64 安装脚本与 clang 兼容头），另有两笔正确性修复（共享缓冲上的 T.cumsum、call_extern 写入标注）和一笔调试基建改造（lower trace 拆分宿主与设备源码）。后端侧，昇腾把宿主演算子与设备内核在 msprof 下对上号，海光两笔在审补寄存器流水线与常量 K 寻址，TileFoundry 则首次把 Qwen 预填充示例搬到 Apple M2 Pro 的 AMX 单元上跑通 128 token。

一、核心项目进展

1.1 主仓：Windows ARM64 进 CI，CUDA 13.4 arm64 装包与 clang 兼容层（#2962）

该笔把 Windows on ARM 作为正式构建目标接进发布流水线：新增 PowerShell 安装脚本，从 NVIDIA 预发布通道拉取 CUDA 13.4 的 windows_arm64 本地安装包并落到固定路径；新增 CMake 的 FindPipCUDAToolkit 模块与 windows_arm64_clang_compat.h 兼容头，解决 MSVC 工具链在 ARM64 上的头文件与内建差异；同步调整 pyproject 与两份 requirements，并改动布局模块与 MSVC 辅助模块以适配新平台。共 12 文件、新增 356 行、删除 45 行。此前组织侧已连续补 ROCm 与昇腾两端，这笔把 Windows ARM64 补成第三个非 x86 交付面，对采用骁龙 X 系列笔记本做本地内核开发的用户是直接可用性改进。

来源：tile-ai/tilelang#2962（10-19）

1.2 主仓：共享缓冲上的 T.cumsum 在 warp 特化下补线程偏移（#3536）

warp 特化把生产者与消费者分到不同 warp 后，扫描类原语在共享缓冲上算出的线程号仍按整块 CUDA 块计，导致 cumsum 的行归属错位。改动在 CUDA 与 HIP 两套 scan 模板中引入 thread_offset 参数，由下层参数中的线程下界（thread_bounds 的最小值）传入，模板据此把 lane 与行索引重新对齐；后台通用实现与 Python 侧用例同步更新，共 4 文件、新增 101 行、删除 38 行。这类问题只在实际启用 warp 特化且缓冲落在共享内存时暴露，属规模化使用后回灌的边界条件。

来源：tile-ai/tilelang#3536（10-19）

1.3 主仓：call_extern 的裸 data 变量保守标记为写入（#2618）

只读参数标注原先靠别名分析判断缓冲是否被写，但外部调用（call_extern）通过裸指针写入时分析看不到写操作，被误判为只读后恒定折叠或提前复用。改动在该 pass 中专门识别 call_extern，把其裸数据变量一律保守标记为已写，并新增 69 行用例覆盖「call_extern 写输出缓冲」的写法。方向上是宁可少做优化也不做错优化，与近期主仓一批正确性修复同调。

来源：tile-ai/tilelang#2618（10-19）

1.4 主仓：lower trace 拆分宿主与设备源码，改可编辑基线（#3496）

调试工具 lower trace 原先只落一份生成源码，宿主侧包装与设备侧内核混在一起，改一处难以回滚。改动把两侧拆成独立产物：设备侧输出 codegen_device.cpp 及其 .original 基线与 .latest 最新版，宿主侧在宿主代码生成执行时另出 codegen_host.cpp 与同结构的基线文件，report.html 以软链接指向最近一次运行；文档同步改写编辑与重编译流程，共 6 文件、新增 121 行、删除 63 行。

来源：tile-ai/tilelang#3496（10-19）

1.5 主仓：Autotuner 透传 profiler 参数、ROCm FP4 常量打印与两笔 CI 维护（#3337 / #3548 / #3565 / #3567）

#3337 仅三行，但修的是自动调优的度量口径：装饰器上的 warmup、rep、timeout 此前没有传给调优器，用户在装饰器上改这三个参数实际不生效，现在按参数透传。#3548 补 ROCm 侧 FP4（e2m1）浮点常量的打印，因该类型只有按原始字节构造，改为在设备端经辅助函数从 float32 转换生成常量，避免 HIP 代码生成报错。另两笔为维护性改动：cibuildwheel 版本从 4.2 升到 4.3，以及为 ROCm 线增加一名 CodeRabbit 审查人。

来源：tile-ai/tilelang#3337、#3548、#3565、#3567（10-19）

二、多后端适配（昇腾 / 沐曦 / 海光 / 摩尔线程）

2.1 昇腾：宿主算子与设备内核在 msprof 下建立关联（#3321）

昇腾侧的 profiler 此前只能报出设备内核耗时，宿主演算子与内核之间没有对应关系，自动调优拿到的样本无法归因到具体调用。该笔新增原生 profiling 通道：构建时探测 CANN 的 profiling 头（兼容 msprof 与 profiling 两种安装布局），装了就启用、没装则跳过，不引入面向用户的编译开关；运行时侧补 ascend_profiling.h 与主机侧 profile 模块，把宿主演算子的下发与设备内核的执行按调用序对应起来，并让分组编译路径复用同一套上报。共 13 文件、新增 676 行、删除 13 行，是昇腾线度量能力的一次结构补齐。

来源：tile-ai/tilelang#3321（10-19）

2.2 昇腾：VF 域外标量 sqrt 走标准数学库、PTO Ramp 按类型化向量发射（#3466 / #3535）

#3466 处理标量 sqrt 落在向量化域（VF）之外的情形：下层原本统一把它降为 sqrtf，但在标量核上该实现不可用，改动在域外且类型为 float32 时改走 AscendC::Std::sqrt，并按需引入标准数学头，新增 126 行含用例。#3535 修 PTO 代码生成中 Ramp 表达式的发射方式，改为由各 lane 表达式组装类型化向量，用例覆盖并行索引与显式步长两种 Ramp 的向量化存储生成与执行。

来源：tile-ai/tilelang#3466、#3535（10-19）

2.3 昇腾：四个逐元素算子的中文 API 文档与用例补齐（#1657）

昇腾适配仓把 T.tile 下的 relu、leaky_relu、sigmoid、silu 四个逐元素算子补齐中文 API 文档，写明功能、参数、返回值与典型用法（例如 leaky_relu 的负斜率语义），并同步补测试用例与文档入口，共 6 文件、新增 451 行、删除 19 行。这是昇腾线少见的以文档为主体的合入，说明该仓的算子面已进入需要对外承诺语义的阶段。

来源：tile-ai/tilelang-ascend#1657（10-19）

2.4 昇腾在审队列 15 笔：GLM-5.3 压缩算子与三条反向算子（10-19）

昇腾仓是本窗口在审最集中的地方（15 笔）。算子侧出现明显的对话模型取向：GLM-5.3 的 kpool 压缩算子（#1910）、KDA 的 chunk 反向（#1895）、indexer 反向（#1887）、situ_glu 及其梯度（#1891 / #1877）。示例侧补 cann-bench 的 lstm 与 gru 两条（#1892 / #1902）。编译器侧两笔属稳定性：#1907 在 UB 到 L1 的暂存中保留块注解与 ND 偏移，#1903 修并发内核缓存的发布与缓存被删后的恢复。另有五笔针对位运算算子的 API 事实核对（#1651 / #1655 / #1656 / #1659 / #1893），其中 #1893 是上周被回退后的重新提交，其余四笔为新增核对。

来源：tile-ai/tilelang-ascend#1910、#1895、#1887、#1891、#1907、#1903（10-19）

2.5 海光：在审两笔把 MLS 窗口常量 K 与寄存器流水线补齐（#25 / #18）

海光仓默认分支窗口内无合入，但两笔在审都有实质推进。#25 修 MLS 资源提升在循环展开后丢失常量窗口偏移的问题：先校验未更新轴再决定采用单轴更新或前向差分寻址，必要时保守重建窗口，并在既有 MLS 测试中补回归。#18 为 HCU 后端加寄存器流水线，可与既有的共享内存流水线叠加，按流水级插入对应的提交与屏障指令，并在 warp 数超过 4 时启用 warp_diverge；PR 自述 example_gemm 的性能已接近 rocblas。

来源：tile-ai/tilelang-hygon#25、#18（10-19）

2.6 沐曦 / 摩尔线程 / MLIR-Ascend：两侧无新推送，MLIR 线修 TVM 隔离（#204）

tilelang-metax 最后推送停在 10-16，tilelang-musa 停在 09-30，两者窗口内均无提交，属正常静默。tilelang-mlir-ascend 合入一笔 TVM 隔离修复（#204），处理该仓与 TVM 命名空间、符号可见性之间的相互污染，规模不大但直接影响多后端共存时的链接稳定性。

来源：tile-ai/tilelang-mlir-ascend#204（10-19）

三、生态与采用方（TileOPs / TileFoundry / 算子库）

3.1 TileOPs：SM89 块缩放 FP8 分组 GEMM 与 INT8 W8A8 同日合入（#2659 / #2655）

#2659 把块缩放的 FP8 分组 GEMM（MoE 场景）扩到 SM89：四套显式配置、六条含拷贝的基准用例，测试覆盖未知键、非法 tile 尺寸、掩码计数与 slab 尾块、调优、输出别名、非对齐输入、空闲专家保持与输入不可变，两套 TileLang 基线（0.1.12 与 0.1.15 开发版）各 35 项通过；用例从原来的 42 项增至 77 项，新增 12 项 SM89 用例。#2655 在同一架构上启用 INT8 W8A8 GEMM，13 项 SM89 接口用例与原有 29 个 INT8 基准工作负载均对 vLLM 通过正确性核对，并声明不主张 SM90 运行结果。两笔合在一起，意味着 TileOPs 的低精度 GEMM 不再只以 Hopper 为唯一目标。

来源：tile-ai/TileOPs#2659、#2655（10-19）

3.2 TileOPs：五笔 foundry 算子补齐 MLA 分页、KV 写入与融合归一化（#2642 / #2635 / #2639 / #2634 / #2651）

这一批都由 TileFoundry 的规格流水线产出，每个算子先有 HIR 规格与参考实现，再有布置、调度与运行时孪生。#2642 新增 MLA 分页前向，按请求走页表、fp32 累加打分、在线 softmax，返回输出与 lse，六行用例在 4e-3 绝对误差内对齐参考，行内以 576 与 512 列两次乘积累加判定为算力受限。#2635 新增 MLA 的 KV 缓存写入，逐 token 把 kv_c 与 k_pe 拼接、fp32 旋转后落盘、按 scale 缩放并钳位转 E4M3，六行用例对 vLLM 的同名接口通过。#2639 的 QK-Norm-RoPE 融合覆盖七种行/精度组合，支持 NeoX 与相邻对两种旋转布局。#2634 的逐 token 量化 RMSNorm 融合残差加法，12 个工作负载对齐 vLLM 同名接口，实现为一行一 CTA、4096 列内 128 线程、更长用 512 线程。#2651 补 INT8 W8A8 的算子封装。

来源：tile-ai/TileOPs#2642、#2635、#2639、#2634、#2651（10-19）

3.3 TileOPs：GQA 分页 FP8 前向转 implemented，36 例对标 FA3（#2648）

该笔让 GQA 分页前向直接接受 FP8 的 Q 与 KV，并把算子状态从规格推进到已实现。参考实现按请求与 KV 头维度写 HIR，查询头成组堆叠成打分行，每个可见页作一个键 tile，FP8 操作数按各自 scale 反量化后相乘；36 个用例全部通过，含 NaN 与 Inf 检查。比较对象选 FA3 的同类分页实现，并按「每请求、每 KV 头」的 descala 展开成对应形状。附带改动涉及 17 文件、新增 2601 行，含分页解码、批 1 解码、FP8 解码、warp 特化与 RoPE 预处理多条内核路径。

来源：tile-ai/TileOPs#2648（10-19）

3.4 TileOPs：线性注意力与 GEMM 的逐点位性能收口系列（#2650 / #2645 / #2637 / #2636 / #2641 / #2640 / #2646 / #2652）

八笔 [Perf] 延续上周的收口节奏，套路高度一致：把每 chunk 的矩阵乘压到一次、把同步点前移或合并、按硬件波次决定策略。#2650 把 GDN 前填的 chunk 求逆改为按 warp 组求解，并以「每 SM 约容纳七个 warp 组求解」为界，低于一波时仍走单 warp 更划算；#2645 让 DeltaNet 前向状态每 chunk 只做一次矩阵乘；#2637 让 GLA 反向状态梯度在其链上不再插入矩阵乘；#2636 把批量 GEMM 的每个 tile 存储挪到下一 tile 首个 WGMMA 之下以重叠写回；#2641 对长行归约改用 512 线程折叠；#2640 让最大池化二维索引核的行按 evict-last 读进 L2；#2646 在缩放因子恰为 1 时绕开 bf16 除法的全区间缩放；#2652 用近似倒数实现 float32 取余与向下整除的向下取整。

来源：tile-ai/TileOPs#2650、#2645、#2637、#2636、#2641、#2640、#2646、#2652（10-19）

3.5 TileOPs：Mamba-1 选择性扫描落地，MoE 路由枚举加收敛上限（#2638 / #2653）

#2638 新增 Mamba-1 的选择性扫描前向，九行工作负载覆盖 Mamba-2.8B 的 4096 token 前填与单 token 解码、2.8B 批 64 解码、1.4B 前填、130M 无门控、带序列索引的打包前填、分组状态与裸扫描，参考实现与布置、调度发生器一并入库，说明状态空间模型正式进入算子清单。#2653 修 MoE 分组 GEMM 的路由枚举：此前全量枚举分组路由，组合数超限时白白耗时，改为并集超过上限即停止枚举。

来源：tile-ai/TileOPs#2638、#2653（10-19）

3.6 TileOPs：规格与基准覆盖双报 205/205，夜间报表新增算子栏（#2656）

组织规格统计分支在最后一笔合入后随即刷新，徽章数据为「已实现 205/205、已基准 205/205」，两项均为满格，与本期连续补入的算子相印证。#2656 给夜间报表加两件事：把当期未测量过的算子单列成「新算子」栏，并把历史数据项的读取从旧式字符串表示改为 JSON 解析、非映射内容一律丢弃；用例从 43 项增至 47 项。#2656 自述的一段历史数据也值得记录：10-18 的夜间报表（统计窗口 10-05 至 10-17）列出 109 项改进、6 个新算子、共 121 行，其中 W4A8 GEMM 占 98 行。

来源：tile-ai/TileOPs#2656、TileOPs 规格统计分支（10-19）

3.7 TileFoundry：Apple AMX 支持与 Qwen 预填充示例跑通 M2 Pro（#244 / #240 / #245）

#244 把四个 AMX 操作（X/Y 载入、FP16 外积配 FP32 累加、Z 存储）纳入 TileFoundry，并让 Copy 与 Fill 可落在 Apple 核与 AMX 执行器作用域上；示例目录给出整模型 HIR、调度后 HIR、Python 运行时孪生与 C++ 投影核，首次使用时构建并缓存本地内核，权重复用已备好的 GGUF Q8_0。实测在 M2 Pro 上 Qwen3-1.7B 与 Qwen3.5-4B 均完成 128 token 前填，输出 logits 有限、下一个 token 编号分别为 1813 与 306。这是 TileLang 生态第一次把整模型推理示例放到非 CUDA 加速器上。#240 修四处 CUDA 侧降级缺口（效果形式 Cast 无生成处理器、Fill 写到内核参数裸指针、切片坐标走 Dim 算术无法解析），仅改代码生成目录、45 行增 10 行删。#245 统一分析层的估值上下文与作用域快照。

来源：tile-ai/TileFoundry#244、#240、#245（10-19）

3.8 采用方与夜间流水线：TileKernels / FlashQLA 无推送，快照推进至 10-20（10-20）

deepseek-ai/TileKernels 仍停在 10-14 的 v2.1.0 发布合并，QwenLM/FlashQLA 停在 10-14 的修复提交，两者窗口内均无推送，采用方侧本日静默。TileOPs-nightly 的 snapshots 分支在窗口内新增一次快照（10-20 05:39），前一档为 10-19 05:41，夜间基准保持在每日一次的节奏。

来源：TileOPs-nightly snapshots（10-20）

四、社区、教程与活动

4.1 文档：六个新算子写入 API 页，主仓文档站自动更新（#77）

TileOPs 文档站随算子合入把六个新实现补进 API 页（#77），逐项写明调用约定与当前状态，沿用上周建立的「已实现即入页」规则。tilelang 主仓文档站在窗口内有一次自动构建推送，无人工内容变更。

来源：tile-ai/TileOPs.github.io#77（10-19）

4.2 社区仓：W4A16 kernel 实践仓与 CUDA 调试技能仓进入视野（10-19）

社区侧出现几个围绕 TileLang 的第三方仓库：fanyuxiao-ui/w4a16-tilelang 建于 10-10，用 TileLang 加手写 CUDA 在 A800（SM80）上做 W4A16 量化推理的 GEMM 与 GEMV；sablin39/tilelang-cuda-skills 建于今年 5 月、已有 145 星，提供书写 TileLang 与用 CUDA 工具链调试的技能包，作者同时是 TileFoundry 的活跃贡献者；localizethedocs/tilelang-docs-l10n 做官方文档本地化；chaigua/tilelang-agent 于 10-19 新建。四者均为社区自发，非组织官方仓库。

来源：fanyuxiao-ui/w4a16-tilelang、sablin39/tilelang-cuda-skills、localizethedocs/tilelang-docs-l10n（10-19）

4.3 版本线：主仓 0.1.15 仍未换代，TileOPs 继续锁 0.1.12（10-19）

主仓版本文件仍为 0.1.15，对应 09-30 的发布，窗口内无新标签或发布。TileOPs 的依赖声明仍写死 0.1.12，上周尝试升到 0.1.15 的 PR 已关闭，本期新合入的 SM89 用例也同时跑了 0.1.12 与 0.1.15 开发版，说明升级闸门仍以双基线验证为前提。

来源：tile-ai/tilelang VERSION、tile-ai/TileOPs pyproject（10-19）

4.4 媒体与学术：新闻检索三条命中均非直接相关，arXiv 无新论文（10-19）

Google News 中英文多组查询（TileLang、tile-ai、TileOPs、TileFoundry、tilelang 算子等）在窗口内仅三条命中：两篇 DeepSeek 与华为芯片的产业报道（The Information、Business Upturn），以及 Prime Intellect 的 prime-rl 0.10.0 发布稿；逐篇核对后未在可读内容中找到 TileLang 具体事实，按非直接相关处理，不计入条目。Hacker News 的 tilelang 检索无相关命中，arXiv 全字段检索最近一篇相关论文仍是 07-24 的 TileSight（tile 中心式 GPU 性能分析模型），窗口内无新增。

来源：Google News TileLang 检索、arXiv TileLang 检索（10-19）

五、趋势观察

5.1 SM89 成为新算子的默认落点

昨日 TileOPs 的重点还是 Hopper 上的 W4A8 与 SM90 集群协作，本窗口两笔新 GEMM 全部以 SM89 为首发目标，并在 PR 中明确声明不主张 SM90 运行结果。Ada 级显卡（L40S、4090 一类）是国内开发者手里的主力硬件，把低精度 GEMM 先落到 SM89，意味着算子库开始按「可获得性」而不只是「峰值性能」排优先级。

5.2 线性注意力固定成「每 chunk 一次矩阵乘 + 按 SM 波次选策略」

GLA、GDN、KDA、DeltaNet 四条线本期共八笔性能改动，手法收敛为两条：把 chunk 链上的矩阵乘压到每块一次，以及按 SM 能容纳的 warp 组数决定用分组求解还是单 warp。这种「先算波次再选内核」的写法此前只见于手写 GEMM 库，现在进入了算子库的默认路径。

5.3 TileFoundry 走出 CUDA：Apple AMX 与 Qwen 预填充

TileFoundry 一直定位为「给 agent 用的算子工厂」，但此前所有示例都在 NVIDIA 上。本期 AMX 支持加上 Qwen 整模型前填在 M2 Pro 跑通，说明其规格、布置、调度三层抽象并非绑定 CUDA，而是可以降到 Apple 的矩阵协处理器。若这条线继续，TileFoundry 的定位会从「TileLang 的前端」变成「跨加速器的规格到内核编译器」。

5.4 可观测性成为编译器硬化主线

本窗口三笔改动指向同一件事：让编译产物可度量、可归因。lower trace 把宿主与设备源码分开落盘、Autotuner 把装饰器参数真正透传到度量、昇腾把宿主演算子与设备内核在 msprof 下对上号。在算子面接近铺满（规格统计已报 205/205）之后，剩下的差距要靠度量找，而不是靠加算子。

5.5 昇腾算子库转向对话模型专用算子

昇腾在审队列里出现 GLM-5.3 的 kpool 压缩、KDA 与 indexer 的反向、situ_glu 及其梯度，这些不是通用算子，而是特定对话模型结构里的部件。配合上周的 PTO 自动向量化，昇腾线的工作重心已从「把 TileLang 跑在昇腾上」转为「把国内主流模型的关键算子先在昇腾上做出来」。

附：素材与核查说明

  • 本窗口为常规 24 小时窗口，覆盖 10-19 07:00 至 10-20 07:00，与上一期（10-16 07:00 至 10-19 07:00 的三天窗口）不重叠。
  • 组织级仓库列表与推送状态经 GitHub 接口全量拉取，29 个仓库中 9 个在窗口内有推送；各仓库主分支提交经 Atom feed 逐条核对，非默认分支（tilelang-ascend 的 ascendc_pto、TileOPs-nightly 的 snapshots、TileOPs 的 stats）单独核查。
  • 合入与在审数量取自 GitHub 搜索接口的真值检索（is:merged 与 is:open 各一次，带窗口起始时间戳），未使用逐仓拉取列表累加，避免重复计数。
  • 组织接口匿名额度在采集后段耗尽，PR 正文与改动统计改由网页与补丁文件读取，未影响条目事实核对；已合入状态一律以 is:merged 检索结果为准。
  • 规格与基准覆盖数字取自组织统计分支的徽章数据，该分支在窗口内最后一笔合入后刷新，属项目自述口径。
  • 夜间快照计数按 snapshots 分支 Atom feed 的 UTC 时间换算为北京时间后判定是否落在窗口内。
  • 新闻侧三条命中已逐篇核对，其中两篇产业报道无法在可读内容中确认与 TileLang 的具体关联，按未核实处理，不计入本期条目；arXiv 与 Hacker News 均为零新增。
  • 报告不含任何本机环境信息。

完整信源清单