报告周期：2026 年 9 月 13 日（周日）至 9 月 20 日（周日），共 7 个自然日，对应 ISO 第 38 周 素材来源：本刊每日 TileLang 动态日报 4 期（09-17、09-18、09-19、09-20）；09-14 至 09-16 尚无日报（本刊自 09-17 起试刊），该段由 GitHub 组织级窗口核查（tile-ai 组织 28 个仓库，168 小时）与仓库提交元数据补齐，详见附录

一、本周要闻

  1. 主仓开出 CUDA Tile IR 执行后端，一笔提交 134 个文件、新增约 3.6 万行（09-18）：新后端把 TileLang 程序下沉到 NVIDIA 的 CUDA Tile IR，经 cuTile 运行时装载，与现行「生成 CUDA 源码交 nvcc」的路径并行；改动同时覆盖 JIT、缓存、自动调优、两篇文档与一条专用 CI 作业，属路线级变化而非实验分支；窗口末该 PR 转入草稿状态，尚未合入（tilelang #3247）。
  2. 分块量化 GEMM 升为语言层算子，「静默降级」路径被移除（09-17）：主仓新增 T.gemm_blockscaled 与专用后端选择器，缩放因子成为算子的一等输入；不具备该能力的后端由「按稠密 GEMM 静默执行、缩放因子被丢弃」改为编译失败。文档站随后补上完整签名、行为约定与三条指令级显式变体（#3237、文档提交）。
  3. ROCm 侧 GLM-5.3 稀疏注意力 k 池在 24 小时内成链（09-19 ~ 09-20）：同一作者连开四笔堆叠 PR，覆盖 k 池压缩与缓存写入之后的解码尾部维护、分页 logits、Top-K 变换与融合选择，合计约 9.8 千行、40 个文件，直接绑定已发布模型的配置契约（2048 token 预算、512 池）；连同 KDA 解码示例与 DeepSeek V3.2 的 FP8 稀疏 MLA 示例，AMD 通路正按「新模型原生算子到位」组织推进（#3251、#3253、#3254、#3255）。
  4. TileOPs 性能三连：批矩阵乘换共享模板、FP8 转置内核补短板、MoE 小路由对标 vLLM 领先（09-17 ~ 09-19）：H200 上批矩阵乘改用共享 GEMM 模板后最高提速 1.44 倍、对官方库不落后；FP8 批矩阵乘的转置短板以合并访存内核补齐，五个用例提速 2.30 至 4.66 倍；MoE 索引小路由路径在 GLM-4.5 4096 token 档领先 vLLM 25.85%、DeepSeek-V3 档 16.03%（#2148、#2153、#2141）。
  5. 主仓完成一轮「静默错误前移」治理（09-16 ~ 09-20）：原子向量宽度改由目的地址规划后，嵌入反向等内核提速 1.4 至 2.5 倍；原子加在非连续目的地址上退回标量，修掉一类静默写错与未对齐崩溃；随机数三处静默缺陷拆分为独立 PR；不支持的 GEMM 类型组合在代码生成前被拦截（#3238、#3219、#3242、#3245）。
  6. 昇腾保持全周高频并以「每日回归全绿」收官（09-15 ~ 09-20）：NSA 前向与其变长版本同日入库（910B3 上 19.62 与 20.34 微秒），动态量化、RMSNorm 融合与 RoPE 补齐算子面；每日回归用例数 1919 → 1925 → 1936 → 1936 连续四日失败为零，并开出多设备测试分片；窗口末又补入 mhc_pre 示例与一批算子文档细化（#1699、#1700、回归报告 #1814）。
  7. 后端格局出现「发行版」形态：Sunrise S2/TANG 进入 0.1.14 候选（09-18）：tile-ai 组织下面向国产 GPGPU Sunrise S2 的后端发行版仓库被发现，独立建仓、独立版本号（0.1.14+sunrise.1.1.0）与独立 CI，与昇腾适配仓、海光特性分支、摩尔线程回移植分支共同构成四类适配组织形态（tilelang-sunrise）。
  8. 采用方结束静默：FlashQLA 同日三笔合入（09-18）：通义千问侧基于 TileLang 的门控线性注意力实现一次收口三笔——SM120/SM121 反向融合内核、SM100 KKT 解算占用率、变长尾块异步流水；工程重心从新架构适配转向占用率与边界正确性（#34）。

二、核心项目进展

版本与发布

  • 主仓最新标签仍为 v0.1.14（09-02 发布），窗口内无新标签，至周期末已 18 天未发版；合入节奏收敛而评审队列持续累积，为本周期最明显的节奏特征。
  • 适配仓标签窗口内均未更新：昇腾 TileLang-ascend v0.1.2.000-release（09-09）、摩尔线程 v0.1.14+musa.1（09-11）、Sunrise 候选分支 0.1.14+sunrise.1.1.0；TileOPs 至今无发布记录，其对外状态由文档站与夜间快照承担。

语言层：算子语义与 API

  • 分块量化 GEMM（#3237，09-17 合入）：新增 GemmBlockScaledNode 与语言侧 T.gemm_blockscaled，分派走 cuda.tcgen05.blockscaled（SM100 线）与 cuda.mma.blockscaled（SM120 线）两条实现；修正 SM100 单 CTA 可能命中 SM120 指令路径、以及不支持后端静默按稠密 GEMM 执行两处会静默出错的问题（PR）。
  • 拷贝宽度钳制（#3246，09-18 新开）：T.copy 与 T.async_copy 的合并宽度上限改为钳制到实际可达的向量宽度，取代此前的致命日志——「能力约束」降级继续、「用户语义错误」仍然失败，失败与降级的判据被写清。
  • 256 位全局访存限定 SM100 及更新架构（#3248，09-19 合入）：仅在 SM100 及更新架构且 CUDA 12.9 以上发出 256 位 load/store，旧架构退回 128 位通路，并补 pre-SM100 负向测试。
  • 原子加在非连续目的地址上保持标量（#3219，09-16 合入）：新增 CanVectorizeAtomicTarget 前置判定，覆盖 address_of、tl.access_ptr、tvm_access_ptr 三种目的地址形态；修复「所有车道写同一格」被编译成宽原子加的静默写坏与奇数基址未对齐崩溃。
  • 随机数三缺陷拆分修复（#3242 / #3243 / #3244，09-17 新开，未合入）：默认随机序列只按 x 维推导导致二维线程块取数重复、绑定 void 结果、缺初始化不报错——三处均属「类型上能编译、语义上出错」的静默问题。

模型算子与示例

  • GLM-5.3 稀疏注意力 k 池链路（#3250 ~ #3255，09-19 ~ 09-20，未合入）：四笔堆叠 PR 合计约 9.8 千行、40 个文件，覆盖 k 池压缩与缓存写入、解码尾部维护、分页 logits、Top-K 变换、融合选择五个环节；验证以 exact-head CI 为准（ROCm 7.2 / gfx942，#3251 报 2423 项通过、#3255 报 2435 项通过）。
  • KDA 解码示例（#3249，09-19 新开）：带安全门控的门控线性注意力解码态示例，含输出与状态一致性、多步、空状态索引、乱序槽位等正确性覆盖。
  • DeepSeek V3.2 FP8 稀疏 MLA 前向示例（#3224，09-16 合入）：面向 Hopper 的模型覆盖类贡献，属窗口前半段（日报创办前）的合入。

编译器与后端通路

  • 符号化循环布局单射性证明恢复（#3233，09-18 合入）：修复 v0.1.12 至主线之间的回归——T.Parallel 迭代空间为静态与动态混合（如 (16, n)）时，带填充尾部的布局单射但非双射，主线此前直接报「找不到可用布局」；修复从待检迭代映射构造逆映射并在定义域上证明往返相等（关联缺陷单 #2906）。
  • CUDA Tile IR 执行后端（#3247，09-18 新开、后转草稿）：目标工具链为 CUDA Tile IR 13.4 绑定、tileiras 13.4、cuTile 1.5；带类型 IR、下沉与 pass 核心位于 tilelang/tileir，并接入 JIT、缓存与自动调优；配套新增 pass 配置项，用于启动物化前（含从缓存恢复的路径）仍执行源语言语义检查。
  • ROCm CI 接入可移植示例校验（#3165，09-19 合入）：白名单覆盖 Seer 注意力、通用 Top-K、稀疏 MLA 前向、张量分组矩阵乘四类，示例本身成为回归资产——AMD 通路进入收敛期的旁证。
  • Metal 线补强：32 位整数原子加支持（#3211，09-19 合入，含竞争直方图验证）、GEMM 缓冲区域偏移修复（#3209，09-14 合入）；「运行时可变的 GEMM 行数」（#3215）评审九天后关闭未合入（09-20）。
  • 其他修复：布尔位取反代码生成修复（#3228，09-16）、约束集合并时恢复先绑定后使用顺序（#3221，09-14）、CPU 测试引入 CPU dialect（#3236，09-16）。

运行时、工具链与测试

  • JIT 补 uint64 参数类型映射（#3229，09-17 合入），Cython 与 NVRTC 两条宿主包装器对齐。
  • 运行时库加载修复（#3227，09-15 合入）：符号链接安装形态下的库加载问题。
  • 分析器拆分计时助手并加入挂钟基准（#3234，09-16 合入）。
  • 测试资产提质（#3252，09-20 合入，+20/-509）：删除 CPU 与 LLVM 两侧重复的代码生成冒烟测试与独立快数学测试模块；修复「拿快数学输出与自身比较」的假断言，为 exp10、log2、log10、cos、sin、tan 补上真参考实现。

性能

  • 原子向量宽度按目的地址规划（#3238，09-16 合入）：动态形状此前引入 int64 车道偏移时整个循环被标量化；修复后嵌入反向 N=8192/H=4096/V=129280 从 97.90 微秒降至 56.01 微秒、N=196608/H=256/V=3000000 从 146.87 降至 82.70 微秒、序列辅助计数与求和从 18.40 降至 12.17 微秒，回归基准 example_gqa_bwd_tma_reduce_varlen 约 27% 相对提升。受影响的嵌入反向与变长注意力反向是大词表推理的常驻内核。
  • 算子库侧性能（BMM / FP8 / MoE）见第四节。

评审队列观察

  • ROCm 模型算子以堆叠链推进（#3249 ~ #3255），自述「包含前序提交直至各自合入」，需连环评审，任何一笔卡住即拖住整条链。
  • 随机数三缺陷（#3242 / #3243 / #3244）与 GEMM 类型组合拦截（#3245）窗口内持续更新、尚未合入；Tile IR 后端（#3247）转草稿静止。
  • 合入与队列的落差：主仓默认分支窗口内 16 笔提交，后段以补齐与收口为主，实质增量集中在评审队列。

三、多后端适配

昇腾（Ascend）

  • 算子面：NSA 前向（#1699）与变长版本（#1700）同日入库——黄金配置 19.62 微秒、27 例分层测试全过，变长版本在 910B3 上 20.34 微秒、21 例全过；动态量化（#1688，精度全过、平均加速比 0.78 倍，性能仍落后厂商基线）、RMSNorm 动态量化融合（#1673）、RoPE（#1580）、CrossEntropy 广播优化与 FP32 专用路径（09-15）、causal_conv1d_decode 解码拆分 AIV 对（09-15）。
  • 质量与回归：每日回归用例数 1919 → 1925 → 1936 → 1936 连续全通过；对比算子文档补 dtype 覆盖（#1602）、基准脚本缓冲令牌生命周期修复（#1779）；多设备测试分片 CI（#1812）新开。
  • 窗口末（09-20 下午）：新增 mhc_pre 示例（#1621）；一批 T.tile 算子文档细化（sort / topk / transpose / max / min / add / sub / mul / div / select）；行切片 GM 到 UB 拷贝 stride 修复；block_sparse_mqa_attn 异步读写超时修复。
  • 判读：昇腾是唯一保持「每日可见」工程节奏的后端，且进入「能力铺开后转向质量与可维护性」的阶段。

沐曦（MetaX）

  • MACA 异步拷贝 GEMM（#156）与测试修复（#157）于 09-17 合入后转入版本与测试维护，窗口后半段无新提交，四家中幅度最小。

海光（Hygon）

  • 多级存储（MLS）地址重基与异步流水接管正式合入主分支（#10，19 个文件、+540/-31），并回移植到 v0.1.12 版本分支（另带入三维切片作用域布局修复）；开发分支另有流水管理收尾提交。后端代码改动幅度四家中最重。

摩尔线程（MUSA）

  • 窗口内推送落在 v0.1.12+musa.1 回移植分支（MUSA 5.3.0 文档），主分支自 09-11 起静止，尚未跟进更晚的版本线。

其他（Sunrise / tilelang-mlir-ascend）

  • Sunrise（S2 / TANG）：后端发行版仓库窗口内推送，候选分支版本 0.1.14+sunrise.1.1.0；S2 为面向大模型推理的国产 GPGPU，示例面与主仓同构（矩阵乘、FlashAttention、稀疏注意力等）。
  • tilelang-mlir-ascend：窗口内 7 笔提交——CI 切昇腾 A3 设备 runner（#176）、自适应 LayerNorm 内核（#183）、基准修复（#184）、TileOPs 多头注意力算子接入（#185）、算子报告与优化 Mamba 算子、逐 agent 模型选择（#187 / #188，09-20）。

四、生态与采用方

TileOPs（算子库）

  • 规模：窗口内 23 笔合入；夜间流水线三个快照连续在线，基准 1040 项与正确性 1118 项自 09-18 起连续零失败。
  • 性能：BMM 共享模板最高 1.44 倍（对 torch-cublas 全部不落后）；FP8 BMM 转置内核 2.30 至 4.66 倍（MoE 预填充 0.8741 到 0.1874 毫秒）；MoE 索引小路由领先 vLLM（GLM-4.5 25.85%、DeepSeek-V3 16.03%、Kimi K2 8.65%）；另见窗口前段的 FP8 密集解码（#2132）、GQA 解码并行度（#2136）、W4A16 去量化跨通道共享（#2139）与 GemmTemplate 扩展至稠密 coop1/coop2（#2126）等合入。
  • 契约与结构：清单支持复合算子、资源与可空输出（#2147）；分派与调优解耦（#2152）；GEMM 内核按服务区域重命名、GEMV 两带合并（#2156，kernel_map 旧键由静默兜底改为构造期报错）；分页 KV 助手移出分组查询注意力模块（#2150）；SM90 形状补齐（#2151）；稀疏 MLA 聚集越界收口（#2149）；统一 Gated DeltaNet 算子（#2135）与稠密 GDN 预填充迁移（#2144）。
  • 度量治理：路由专家计价公式修复——夜间报出的 8 行带宽异常（读数最高 132.4 TB/s，约为 H200 物理上限的 27 倍）源自「按全部专家计费」（#2155）；字节审计改为只看读侧（#1996）；性能历史窗口迁至快照分支（#2154）。三笔同日落地，先让判定可信、再谈快慢。
  • 新开：分组 GEMM 尾块分块并允许调用方声明填充行布局（#2157），正面追赶 CUTLASS 分组内核（此前差 6.4%）。

采用方与相关仓库

  • FlashQLA（通义千问）：三笔合入（SM120/SM121 反向融合内核、SM100 KKT 解算占用率、变长尾块异步流水），随后窗口内无推送；此前数日静默，属脉冲式评审节奏。
  • TileKernels（深度求索）：窗口内无推送（最近 04-23）；媒体侧关于 DeepSeek 工程师评估 AI 写内核的报道（09-16/17）以 TileKernels 为背景（纯用 TileLang 写成的内核库，覆盖门控、混合专家路由、量化、转置与两类连接算子）。
  • TileRT：连续七周静止（最近 08-13），为当前清单中安静时间最长者。
  • TileFoundry / DeepStack：分别有两笔（解析器与代码整理，09-14/15）与一笔（修复与示例，09-15）提交。

五、社区、教程与活动

  • 文档站：主仓文档站机器人再生成（387 个文件，09-17），分块量化 GEMM 的完整签名、行为约定与三条指令级显式变体进入公开 API 页面；TileOPs 文档站两次站点部署（内容未变），并已跟随统一分派与编译边界更新（中英两套文档）。
  • 社区工具：第三方 TileSight 性能分析文档仓公开（09-17/18），把 TileLang 性能分析接到 TileSight 的缓存与流水分析接口，性能问题分六类并要求区分「模型预测 / 运行时观测 / 证据不足」三种结论强度；对应 arXiv 性能模型论文（07-24，窗口外背景）。
  • 媒体：NeoTeo 报道 DeepSeek 工程师公开判断——6 至 12 个月内 AI 写出的内核可达到或超过其个人水平（09-16/17）；华为全联接大会 2026（09-17）公布昇腾 960 提前发布与 Atlas 960 超节点路线图，构成昇腾适配节奏的产业背景。
  • 学术与社区：窗口内 arXiv 与 Hacker News 均无主题新增命中；最近一篇主题预印本为 07-24 的性能建模论文。
  • 版本节奏：主仓 v0.1.14 满 18 天未更新，各适配仓标签未动（详见第二节）。

六、趋势观察

  1. NVIDIA 侧出现第二条执行通路：Tile IR 后端与现行 CUDA 代码生成路径并行，TileLang 的抽象层级开始与 NVIDIA 自家瓷砖级抽象正面接壤。一旦成熟，其价值主张会部分从「更好的代码生成」转向「更完整的程序表达与跨后端一致性」，而调度与布局决策的归属将成为长期议题。
  2. 「静默错误前移为编译期失败」成为项目级纪律，且判据已写清：主仓（原子向量化、随机数、GEMM 类型、布局证明）与 TileOPs（传错键报错、分派与调优解耦）同构；主仓同时把「能力约束」与「用户语义错误」两类失败区分开——前者降级继续（拷贝宽度钳制），后者编译失败。
  3. 后端适配与「新模型原生算子」深度绑定：ROCm 的 GLM-5.3 k 池链与 KDA、昇腾的 NSA 与 DeepSeek 系结构、主仓 Hopper 上的 DeepSeek V3.2 FP8 稀疏 MLA——模型发布后其特有算子在某个后端上的到位速度，正成为衡量该后端成熟度的直接指标。
  4. TileOPs 向「带契约、可复现对照的算子层」演进：性能、契约、度量治理三线并行；夜间快照把提交号、镜像摘要、时钟与功耗上限等可复现要素固定得完整，验收口径正向生产可用靠拢。
  5. 国产后端节奏分化、形态多样化：昇腾保持日更回归（唯一每日可见），海光合入加收口，沐曦与摩尔线程转维护，Sunrise 以「后端发行版」形态进入候选；能跟到上游最新能力位置的程度，各家已拉开差距。
  6. 风险与空白：主仓发版停滞 18 天与评审队列积压（Tile IR 转草稿、GLM-5.3 堆叠链未合、运行九天的 Metal 提案关闭）并存；性能数据均为作者或厂商自述、本刊无对应硬件未做独立复现；采用方整体仍偏静（除 FlashQLA 脉冲）。

附录：素材与核查说明

  • 素材：本刊每日 TileLang 动态日报 4 期（09-17、09-18、09-19、09-20）。09-14 至 09-16 无日报（本刊 09-17 创办），该段以 GitHub 组织级窗口核查与提交元数据补齐；09-17 首期为试运行（当日傍晚执行），与 09-18 期存在约半日重叠，重叠部分 09-18 期只做状态说明。
  • 补充核查（168 小时窗口，09-13 16:00 至 09-20 16:00）：tile-ai 组织 28 个仓库推送全量核查——窗口内 14 个仓库有推送；默认分支提交数：主仓 tilelang 16 笔、TileOPs 23 笔、昇腾适配仓 19 笔（ascendc_pto 分支）、tilelang-mlir-ascend 7 笔；发布状态经仓库发布接口复核，主仓与各适配仓窗口内均无新版本。

信源核查表

信源 核查结果
tile-ai 组织（28 仓库） 窗口内 14 个仓库有推送
主仓 tilelang 默认分支 16 笔提交；新开 PR 覆盖 Tile IR、ROCm 模型算子链、随机数与类型拦截等组别，多数未合入
TileOPs 23 笔合入；夜间快照基准 1040 项、正确性 1118 项连续零失败
tilelang-ascend ascendc_pto 分支 19 笔提交；每日回归连续四日全通过；无新标签
tilelang-mlir-ascend 窗口内 7 笔提交
沐曦 / 海光 / 摩尔线程 / Sunrise 各家最近推送为 09-17 至 09-18；窗口后半段均无新提交
采用方（FlashQLA / TileKernels） FlashQLA 09-18 合入三笔；TileKernels 无推送
TileRT / 组织其他仓 TileRT 连续七周静止；TileFoundry 与 DeepStack 各有一至两笔
新闻与学术渠道 新闻检索、技术社区与预印本渠道窗口内均无主题新增；唯一媒体条目为 DeepSeek 工程师报道
版本与发布 主仓 v0.1.14（09-02）后 18 天未发版；各适配仓标签未动
  • 核查边界：昇腾与沐曦的实测数据来自提交说明与 PR 正文自述，本刊无对应硬件、未做独立复现；产业侧动态来自公开报道；夜间基准读数均为单次流水线记录，非横向评测。
  • 下一期周期建议：2026-09-20 ~ 2026-09-27。