调研窗口:2026-11-09 07:00 ~ 2026-11-10 07:00(北京时间,24 小时;上一期截点为 11-09 07:00)。

信源:GitHub tile-ai 组织逐仓核查(30 仓库,窗口内推送 4 个)+ 合入与在审真值检索(窗口内合入 21 笔、在审更新 45 笔、新开 issue 6 条)+ 主分支逐笔提交核查(tilelang 1、TileOPs 18、TileFoundry 1、tilelang-musa 1)+ 发布页核查(tilelang / TileOPs / TileFoundry / tilelang-musa 四仓,窗口内无新版本)+ 采用方两仓 + Google News 中英文两组查询(走代理)+ Hacker News + arXiv。RISC-V 四源专项巡检 24 小时无变化。


本期索引

  • 今日重点:TileOPs 以三批各 6 笔的节奏合入 18 笔,11 笔性能项里 10 笔自评未达目标条;TileFoundry 按源码规范重排 1491 个文件;昇腾主分支三日无合入、在审集中补工具链

  • 一、核心项目进展
    • 1.1 主线:dense 视图恢复精确逻辑区域,跨行依赖细化到行(#3890)(11-09)
    • 1.2 主线:0.1.16 版本号 PR 在审,窗口内无新 tag(11-09)
  • 二、多后端适配
    • 2.1 昇腾:主分支无合入,在审集中补 torch.compile、L2 刷写与 L0C 反量化(11-09)
    • 2.2 昇腾:chunk 系列六个算子在审,catlass 升到 v2.2.0(11-09)
    • 2.3 沐曦:文档把 SDK 配套正式版推到 v0.1.12+musa.5,glibc 门槛提到 2.34(11-09)
    • 2.4 海光:窗口内无合入,停在 11-06 的 scaled cast 与 lane swap(11-09)
    • 2.5 mlir-ascend:无合入,harness 加固两笔在审(11-09)
  • 三、生态与采用方
    • 3.1 TileOPs:18 笔合入,三批各 6 笔,性能项 10 笔自评未达目标条(11-09)
    • 3.2 TileOPs:三处边界输入修好,K=0 空收缩、变长 GQA 挂死、GLA 反向共享内存(11-09)
    • 3.3 TileOPs:Softmax 整行驻寄存器,每元素一次指数,指令数降 21% 至 23%(11-09)
    • 3.4 TileOPs:RMSNorm 窄块向编译器要常驻上限,短行 warp 活跃度止跌(11-09)
    • 3.5 TileFoundry:1491 个文件按源码规范重组,规则进 pre-commit(11-09)
    • 3.6 第三方:CANN 社区出现昇腾 TileLang 算子仓 ops-tilelang(11-09)
  • 四、社区、教程与活动
    • 4.1 新闻侧:中英文两组查询窗口内零命中,HN 同名噪音 8 条(11-09 至 11-10)
    • 4.2 新 issue:浮点标量参数内联丢 1 ulp,roofline 上界与 CTA 数耦合(11-09)
  • 五、趋势观察

今日重点

这个窗口只有 21 笔合入,是近半个月最少的一天,但结构很清楚:18 笔在 TileOPs,1 笔在 TileFoundry,1 笔在 tilelang 主仓,1 笔在 tilelang-musa。TileOPs 的 18 笔按时间分三批,每批恰好 6 笔,集中在 3 至 14 分钟内落完(03:10 至 03:13、05:41 至 05:55、14:46 至 14:58),说明夜间跑分到合入的队列仍在自动运转。代价是达标率:11 笔性能 PR 里 10 笔自己标注 Result: below bar,只有 #2882 的 BMM ping-pong 标注 bar met。这批提交的价值不在分数,而在根因写清楚了——寄存器溢出、TMA 零填充、dispatch 次数过多,每一条都能被下一位作者接着改。

第二个变化在结构。TileFoundry 用一笔 #312 重排了 1491 个文件(+41324 至 −42379),把「导入、导出、命名、可变状态、分层」五类规则写成文档 S1 至 S11 与 C1 至 C11,并用 lint 脚本、ruff 与 import-linter 在 pre-commit 里强制。同一窗口里 tilelang 主仓出现 #3887 的 0.1.16 版本号 PR。大重构与版本号 bump 同时出现,通常是发布前的组合:规则先落地,版本再跟上。

第三件事是昇腾的节奏断了。tilelang-ascend 默认分支 ascendc_pto 最新合入仍是 11-06 的七笔,窗口内零提交;但主仓与 tilelang-ascend 在审的昇腾 PR 有 20 余笔在 11-09 集中更新,主题从「补算子」转向「补工具链接口」:torch.compile 支持、L2 刷写 API、L0C 累加器反量化、catlass 升到 v2.2.0。评审带宽是这条线的瓶颈,不是开发量。

来源:https://github.com/tile-ai/TileOPs/pull/2882
https://github.com/tile-ai/TileFoundry/pull/312
https://github.com/tile-ai/tilelang/pull/3887


一、核心项目进展

1.1 主线:dense 视图恢复精确逻辑区域,跨行依赖细化到行(#3890)

#3805 之后,显式 stride 视图的多元素指针访问一律回退到整个 buffer,即便该视图是 dense row-major。后果很具体:一个形状 (2, 128) 的 BF16 视图读第 0 行,被当成读两行,于是对第 1 行的后续 DMA 写产生了一条虚假的 V 到 MTE2 依赖。在 TileKernels 的 engram_gate_bwd 里,这抹掉了 FP32 存储上 BF16 视图两个 slot 的区别,精确区域的 assume_no_conflict 提示匹配不上,同步把下一个 slot 的 DMA 卡在上一 head 的向量计算后面。

#3890 的做法是先证明显式 stride 描述的确实是 dense row-major 视图,再复用 #3805 的 offset 感知重建(含跨行 carry,无法表达时保守回退),物理生命周期与复用分析不动,把改动限定在逻辑依赖精度上。间接访问依旧保守:gather/scatter 索引与带 offset 的 vld2 可以越过紧凑的 access_ptr 范围,无论 buffer 是 dense 视图、隐式布局还是一维,这类消费者面前保留整个逻辑 buffer,从而保住 DMA 覆盖间接可达行之前必须的 V 到 MTE2 同步。新增回归测试区分「重叠 slot」与「相邻 slot」两种情形。

来源:https://github.com/tile-ai/tilelang/pull/3890

1.2 主线:0.1.16 版本号 PR 在审,窗口内无新 tag

#3887([Release] Bump version to 0.1.16)在 11-09 11:07 更新,仍在审。窗口内四个仓都无新版本:tilelang 仍是 09-30 的 v0.1.15,TileOPs 是 10-27 的 v0.1.0,TileFoundry 是 10-25 的 v0.0.4rc1,tilelang-musa 是 09-30 的 v0.1.15+musa.1。若 0.1.16 在本周落地,将是从 09-30 之后第一个功能版本,值得作为下一期的观察点。

来源:https://github.com/tile-ai/tilelang/pull/3887

二、多后端适配

2.1 昇腾:主分支无合入,在审集中补 torch.compile、L2 刷写与 L0C 反量化

tilelang-ascend 的默认分支是 ascendc_pto,最新合入停在 11-06 的七笔(#1959 位运算 workspace 形状、#1953 fla_chunk_o、#1802 chunk_o_bwd、#1869 Sparse MLA 前向 SeeSaw、#1866 Chunk O 前向等),窗口内零提交。在审侧集中在主仓 tilelang:#3892 给 AscendC 与 PTO 加 torch.compile 支持;#3893 在 L0C 到 GM 的拷贝里直接反量化 int32 累加器,省一次搬移;#3891 用 aclrtDeviceL2CacheFlush 刷 benchmark 的 L2,替代此前的取巧做法;#3894 修 PTO 的 VMI descriptor,并去掉重复的逻辑覆盖检查。

来源:https://github.com/tile-ai/tilelang/pull/3892 、 https://github.com/tile-ai/tilelang/pull/3893

2.2 昇腾:chunk 系列六个算子在审,catlass 升到 v2.2.0

tilelang-ascend 的在审队列在 11-09 集中更新:#1952 fla_chunk_intra_token_parallel、#1994 fla_chunk_inter、#1799 Chunk Delta H、#1884 sparse_mla_topk_reducesum、#1917 indexer_topk_reducesum;另有 #1989 把 catlass 升到 v2.2.0、#2000 修 PTO 位运算的 uint8 包装与 src1 校验、#1999 与 #1998 打开拷贝测试内核的自动同步。这批与 11-06 已合入的 chunk_o 前向、反向属同一条 FLA chunk 家族搬迁移的延续,说明昇腾侧的算子覆盖面正在向长上下文注意力补齐。

来源:https://github.com/tile-ai/tilelang-ascend/pull/1989 、 https://github.com/tile-ai/tilelang-ascend/pull/1952

2.3 沐曦:文档把 SDK 配套正式版推到 v0.1.12+musa.5,glibc 门槛提到 2.34

#11 只改四份文档(24 增 24 删),但把渠道关系说清了。第一,MUSA SDK 配套正式版从 v0.1.12+musa.2 升到 v0.1.12+musa.5。第二,C 运行时要求从 glibc 2.28 提到 2.34,理由是配套的摩尔线程 TVM FFI wheel 有此要求。第三,MUSA SDK 从「推荐 5.2.0 及以上、兼容 4.3.8」改为「与 GPU、驱动和 torch_musa 配套」,不再给固定版本号。文档同时强调 SDK 配套包与开源 release 属两个渠道,不能互相替代:开源 release 页仍以 v0.1.12+musa.1 与 v0.1.13+musa.1 作对照,而仓库最新 tag 已是 0.1.15+musa.1(09-30)。三个版本号需要分别核对,不能只看主版本。

来源:https://github.com/tile-ai/tilelang-musa/pull/11

2.4 海光:窗口内无合入,停在 11-06 的 scaled cast 与 lane swap

主分支最新仍是 11-06 的 #33(scaled cast)与 #34(HCU reduce lane swap 布局推导),窗口内无提交、无 release、无新 issue。前一窗口记录的 gfx928 声明支持但后端缺分支一事没有新进展。

来源:https://github.com/tile-ai/tilelang-hygon/pull/34

2.5 mlir-ascend:无合入,harness 加固两笔在审

mlir-ascend 默认分支最新为 11-04 的 #209(把 BishengIR 工具链适配器移进 contrib),窗口内无合入。在审两笔 11-09 有更新:#219 加固执行与评测流水线,并给 harness 加知识库与 search@2 依赖;#217 加固知识记录与冷却校验。属工程化补强,不涉及前端算子覆盖。

来源:https://github.com/tile-ai/tilelang-mlir-ascend/pull/219

三、生态与采用方

3.1 TileOPs:18 笔合入,三批各 6 笔,性能项 10 笔自评未达目标条

窗口内 TileOPs 合入 18 笔,占全组织 21 笔的 86%:11 笔性能、6 笔缺陷与测试、1 笔维护(#2881 精简变长 RoPE 与目标缓存修复留下的叙述性注释)。时间上三批各 6 笔,每批在 3 至 14 分钟内落完,与夜间跑分到差距队列的流水线吻合。11 笔性能 PR 都带 Op、Benchmark、Result 三行,其中 10 笔写 Result: below bar(未达目标条),只有 #2882(BMM ping-pong 按每 CTA 的瓦片数而非 M、N 定带宽,方形 512 也走 ping-pong)写 Result: bar met。达标不是合入前提,写清根因与 A/B 才是——这一点与上一期一致。

来源:https://github.com/tile-ai/TileOPs/pull/2882 、 https://github.com/tile-ai/TileOPs/pull/2881

3.2 TileOPs:三处边界输入修好,K=0 空收缩、变长 GQA 挂死、GLA 反向共享内存

三笔缺陷的共同形态是「默认参数下不出现,边界输入才炸」。#2878:K=0 的空收缩在 SM89 上此前报 OpNotAvailableError,因为 cp.async 内核的窄行规则按 4 字节单位守护最内维加载,而 K=0 时主循环根本不跑 K 步;修后 test_gemm.py -m "smoke or sm89" 从 63 passed 6 failed 变为 66 passed 4 failed,余下四项是 SM90 专用用例。#2876:变长 GQA 前向的融合 RoPE 在旋转半宽被 padding 到不能整除线程数时挂死(rotary width 10、5 个 chunk 补到 6、128 线程),根因是 CI 的 TileLang 把 barrier 放在 guard 内,padding chunk 上的线程跳过它;新增 split_reads 让「读加旋转」与「写回」分两轮,只有变长 GQA 内核启用。#2880:float32 GLA 反向在 chunk 64 下需 114688 字节共享内存,SM89 只有 101376;改为在 dA 乘积之后、v 最后一次使用处再组 dv 的状态项,让衰减后的 key 顶替 v 的位置,压到 98304 字节,且梯度与默认顺序逐位一致。

来源:https://github.com/tile-ai/TileOPs/pull/2878 、 https://github.com/tile-ai/TileOPs/pull/2876 、 https://github.com/tile-ai/TileOPs/pull/2880

3.3 TileOPs:Softmax 整行驻寄存器,每元素一次指数,指令数降 21% 至 23%

#2886 让 SoftmaxClusterSplitKernel 也服务最长 8 个 16KB 份额的 16-bit 行:每个 CTA 把份额整行放在寄存器,128 线程一个 CTA,每元素只做一次指数。原来的分段程序每元素两次指数、一半份额经共享内存,16-bit 行比 quack 多 52% 指令,65536 元素行落后 3%。#2871 把两个寄存器驻留 softmax 的指数换成裸 MUFU.EX2 加一次行倒数,新增共享原语 exp_shifted_scaled 先乘 2 的 24 次方,保证可舍入到非零 float32 的项仍是正规数,倒数的抬升因子自动抵消。执行指令在 512 列降 23%、2048 列降 21%;bf16 512 列 16.67 微秒对 quack 16.35,2048 列 62.99 对 62.21。

来源:https://github.com/tile-ai/TileOPs/pull/2886 、 https://github.com/tile-ai/TileOPs/pull/2871

3.4 TileOPs:RMSNorm 窄块向编译器要常驻上限,短行 warp 活跃度止跌

#2884 的成对 RMSNorm 64 线程块(一行 1024 个 16-bit 元素、每线程两向量)改为向编译器请求 SM 的 32 块常驻上限;不设限时 ptxas 给到每线程 40 个寄存器,H200 的一个 SM 只保住 32 块上限中的 24 块,短行加载的 warp 活跃度掉到 64%。更宽的成对块不改寄存器配置,避免影响大行吞吐。

来源:https://github.com/tile-ai/TileOPs/pull/2884

3.5 TileFoundry:1491 个文件按源码规范重组,规则进 pre-commit

#312 是本窗口唯一的大改动:1491 个文件、+41324 至 −42379,关闭 #296。做法是把此前没有强制约束的东西写成规则:新增 docs/spec/code-organization.md,写明 S1 至 S11 与 C1 至 C11 的 Python 源码规则及分层表,配 scripts/code_organization_lint.py、ruff 与 import-linter 在 pre-commit 里执行,规则对每个 .py 文件生效,唯一配置是 src 与按文件豁免,__init__.py 只做再导出、不写 __all__。结构上 ir/ 拆成 expr、types、dim、utils、core、pattern、clause、hir、tir;visitor_registry 与 evaluator 合并为 interfaces 下的 valuation、typeinfer、verify、cost、access、evaluator、schedule 七块;根目录 compile.py 移入 compiler/,script.py 与 module.py 移入 parser/,装配逻辑进 bootstrap.py;改用 Go 风格限定名(types.TensorType),Options 仿 clang 的 CompilerInvocation 按阶段切分。对下游的意义是:TileFoundry 的内部导入路径这一版会变,引用私有符号的脚本需要跟着改。

来源:https://github.com/tile-ai/TileFoundry/pull/312

3.6 第三方:CANN 社区出现昇腾 TileLang 算子仓 ops-tilelang

Atlas-Ascend-Fork 组织(10-20 建,88 个公开仓)下的 ops-tilelang 自述为「CANN 社区面向昇腾 NPU 的 TileLang 高性能算子仓」,统一管理 kernel 实现、自动化测试用例、标准工作负载与性能基线,目标是把算子做成可复用、可验证的资产。该仓 10-20 建、11-09 19:57 有一次推送、暂无 star。它与官方 tilelang-ascend 的定位不同:官方仓交付编译器与算子迁移,这个仓交付算子资产与基线,属于第三方把 TileLang 当交付格式的信号,值得后续观察是否会与官方仓形成分叉。

来源:https://github.com/Atlas-Ascend-Fork/ops-tilelang

四、社区、教程与活动

4.1 新闻侧:中英文两组查询窗口内零命中,HN 同名噪音 8 条

Google News 中文「TileLang」返回 29 条、英文「TileLang OR tile-ai」返回 25 条,按发布时间看最新命中仍是 10-28 的财富号文章(DeepSeek 与昇腾 950 的 TileLang、DeepEP、DeepGEMM、FlashMLA 协同)与 10-21 的 SemiAnalysis(The Huawei-DeepSeek Symbiosis),窗口内零命中。Hacker News 的 8 条命中全为同名噪音(Emma 实时视频人格、Vibe Slopped Cryptography 等),与 TileLang 无关。arXiv 上 TileLang 相关最新为 11-03 的 KV 压缩论文 v2,同样超窗。

来源:Google News 中英文各一组查询(走代理)、Hacker News、arXiv,窗口内无相关条目。

4.2 新 issue:浮点标量参数内联丢 1 ulp,roofline 上界与 CTA 数耦合

窗口内新开 6 条 issue。#3885 报 float 标量参数被内联成 7 位有效数字,与 float32 差 1 个 ulp,属静默精度损失。TileFoundry #313 认为 roofline 上界应当与 mesh 的 CTA 数无关,或者明确写出它有关,属分析器建模口径问题。另有 TileFoundry #308 至 #311 四条分析器缺口(多波 grid 的拆分输入只计价一次、常驻 CTA 与 cluster 计价、调度存储被 reshape 时的写出、ping-pong 批量 GEMM 的四处缺口),已在 11-09 15:05 至 15:06 关闭。

来源:https://github.com/tile-ai/tilelang/issues/3885 、 https://github.com/tile-ai/TileFoundry/issues/313

五、趋势观察

第一,性能队列的产能与达标率已经脱钩。三批各 6 笔、一天 18 笔,产能是稳定的;但 10 笔标 below bar 说明当前流水线的目标不是「这轮变快」,而是「这轮把差距定位到可改的程度」。#2887 的根因写得最典型:基础瓦片按 256 字节分片跨行读 B,DRAM 的流式效率低于少行长跑,于是换成 64 行块加深环。这类改动即使分数未达标,也把下一步的方向定死了。读者判断一笔性能 PR 的成熟度,应当先看 Result 行,再看根因是否可复现。

第二,寄存器与 dispatch 成为这一批的共同瓶颈。#2884 是寄存器配额压住了 block 常驻数(40 个寄存器导致 32 块上限只保住 24 块),#2870 是 6272 个 128 线程块对 1568 个 512 线程块的 dispatch 次数差四倍,#2885 是 192 宽的瓦片填充率更高但行掩码存储的除以 192 溢出了寄存器。三笔指向同一件事:在 H200 这类 SM 上,算子性能已经不由算术量决定,而由「每线程多少寄存器、每 SM 多少块、每块多少 dispatch」这组二阶参数决定。

第三,昇腾线的瓶颈从开发量转到评审带宽。默认分支三天没有合入,在审却堆了 20 余笔,且主题从算子迁移转向工具链接口(torch.compile、L2 刷写、L0C 反量化)。#3890 那笔 dense 视图修复也在同一方向:不新增能力,而是让已有的依赖分析在更多形状上成立。对使用者而言,昇腾路径的可用性提升会先体现在「更多形状能编译且依赖正确」,而不是新算子名单变长。

第四,版本与结构在同一窗口动。tilelang 的 0.1.16 版本号 PR、TileFoundry 的 1491 文件重组、沐曦文档把 SDK 配套包推到 musa.5 并提高 glibc 门槛,三件事都属「发布前的准备」。下游若要跟版,需要同时核对三处:主仓 tag、后端仓的 musa.* 或 ascendc_pto 分支、以及构造期依赖(glibc、apache-tvm-ffi)。前一窗口出现过「只升 tilelang_musa 不升 tvm-ffi」的坑,本期文档把它写成了显式规则。

最后是 RISC-V 线。四源巡检 24 小时无变化,kubuds/tilelang-riscv-kubuds 的两个 kubuds- 分支、RuyiAI-Stack/tilelang-riscv 的 MLIR 路线、TongmingLAIC/tilelang-riscv 索引页与 TongmingLAIC/tilelang-tpu 的 SOPHGO 分支都停在原引用,这已是连续第三个窗口(11-07、11-09、11-10 留档)无变化。与 GPU 侧「一天三批」的节奏对照,RISC-V 侧仍是人工推进的周级节奏,差距不在工程量,而在有没有一条自动发现差距、自动验证、自动排队的回路。


附、素材与核查说明

信源核查表

信源 核查结果
tile-ai 组织(30 仓库) 窗口内推送 4 个仓库:tilelang、TileOPs、TileFoundry、tilelang-musa
tilelang 主仓 主分支 1 笔合入(#3890);在审更新 24 笔;新开 issue 1 条(#3885)
TileOPs 主分支 18 笔合入(11 性能、6 缺陷与测试、1 维护);在审更新 4 笔;无新 issue
TileFoundry 主分支 1 笔合入(#312,1491 文件);新开 issue 5 条(#308 至 #311 已关闭、#313 未决)
tilelang-ascend 默认分支 ascendc_pto 窗口内无合入(最新 11-06);在审更新 15 笔
tilelang-hygon 窗口内无合入(最新 11-06 #33、#34);无 release、无新 issue
tilelang-metax 窗口内无推送(主分支仅同步上游,最新 #3760)
tilelang-musa 合并 1 笔文档改动(#11);release 页无新版本
tilelang-mlir-ascend 窗口内无合入(最新 11-04 #209);在审更新 2 笔
发布页(tilelang / TileOPs / TileFoundry / musa) 窗口内无新版本:v0.1.15(09-30)、v0.1.0(10-27)、v0.0.4rc1(10-25)、v0.1.15+musa.1(09-30);0.1.16 版本号 PR 在审
采用方 TileKernels / FlashQLA 窗口内无推送(10-14 / 10-30)
第三方 ops-tilelang 10-20 建仓,11-09 19:57 有推送,暂无 star
TileLang×RISC-V 四源巡检 无变化(四个上游引用与上期快照一致,24 小时窗口)
Google News(中英文两组)/ Hacker News / arXiv 新闻侧窗口内零命中(最新相关为 10-28 与 10-21);HN 8 条均为同名噪音;arXiv 最新相关为 11-03

完整信源清单

核查说明

本期窗口为 24 小时(周二)。GitHub 组织级 API 在本期首次调用时命中匿名限额(每 IP 60 次每小时),组织推送清单改以仓库级 atom feed 与网页抓取补齐,主分支提交标题、合并时间与 PR 正文均来自 atom 与 .patch 原文,未使用二手转述。合入数、在审数与新 issue 数取自 GitHub 检索真值(is:merged、is:open、created 三类查询),与逐仓提交数交叉核对后一致:21 笔合入 = tilelang 1 + TileOPs 18 + TileFoundry 1 + tilelang-musa 1。性能项的 Result 判定直接摘自各 PR 正文的 Result: 行,未作二次解释。新闻侧两组 Google News 查询走代理,返回条目按发布时间过滤后窗口内为零,故本期无新闻条目,报道主体为仓库动态。RISC-V 四源巡检脚本输出为空,按既定口径记为「无变化」,不视为采集失败。