报告周期：2026 年 9 月 30 日（周三）至 10 月 7 日（周三），共 8 天——国庆假期特别汇总期（10 月 1 日至 7 日每日日报停刊，本刊为假期合并版） 素材来源：本刊每日 TileLang 动态日报之节前最后一期（2026-09-30，窗口截至当日 07:00）；假期动态以 tile-ai 组织（29 仓库）216 小时窗口的实测核查为准（提交、PR、标签与发布、夜间流水线，核查延伸至 10-08 午后），新闻侧为假期窗口（约 9 天）多组关键词公开检索（详见附录）

一、本周要闻

  • TileLang v0.1.15 节前发布：Ascend 950 原生后端随版本落地（09-30）：北京时间 07:31，标注「Public Release 9/30」的 Ascend 950 后端大 PR（#3308，134 提交、379 文件、+79956/-733）与版本提升 PR（#3309）相继合入；08:29，v0.1.15 正式发布（发布页）。版本四大亮点：Ascend 950 原生支持（端到端 NPU 后端：原生代码生成、Cube/Vector 自动调度与同步、SIMD/SIMT 混合编程）、CUDA 自动 warp 特化（按角色把 TMA 装载、MMA 计算与存储分派给专门 warp 组）、统一块缩放 GEMM（T.gemm_blockscaled 语义统一，SM100 指令选择与 SM120 片段扩充）、表达能力更强的 Python 前端（编译期迭代与推导式）。节前日报截稿时两笔 PR 尚处开放，本刊核验补全：当日晨间合入、发布页同步落账；Ascend A2/A3 支持保留在社区维护的适配仓。

  • DeepSeek 开源面向昇腾的基础设施组件，TileLang 昇腾版在列（09-30）：9 月 30 日，DeepSeek 宣布开源面向华为昇腾算力平台的基础设施组件，覆盖 TileLang 高级语言编译工具、计算库与分布式通信库（报道口径：与英伟达平台组件一一对应）。组织侧佐证：deepseek-ai 当日 DeepGEMM-Ascend、DeepEP-Ascend、TileKernels、FlashMLA、DeepSelect 等多个仓库有推送记录。报道引述「DeepSeek 训练中用到的每一个 TileLang 算子，在昇腾上都有对应的高性能实现」。中外媒体自当日起密集跟进（十组关键词约 210 条窗口内命中，详见第五章）。

  • PTO 后端合入主仓：Ascend 950 同日获得第二条代码路径（09-30）：#3310（+11406/-31、36 文件）于 12:08 合入——注册 pto 目标与执行后端、生成 PTO 设备代码、以内核包装加 Cython 运行时接口运行，并用 ptoas 与毕昇编译 PTODSL 内核；配套帮助函数覆盖 GEMM、SIMT/SIMD、同步、混合内核、缓存旁路访问与 Philox 随机数。跟随队列已开出逾十笔（PTO 执行路由、导入隔离、DeepGEMM 代码生成等），仍在评审。

  • TileOPs 假期 8 天合入 137 笔：量化、采样、线性注意力三线成建制（09-30 ~ 10-07）：137 笔合入、143 笔新开（另 10-08 复工日再添 2 笔）；09-30 单日 32 笔为峰值。采样线六枚内核从掩码到拒绝采样全链落账；线性注意力线 GLA、Gated DeltaNet、DeltaNet 与 Kimi Delta Attention（含张量核 WY 逆 #2365）密集推进；量化与 GEMM 线覆盖 INT4/INT8/FP8 多形态；内核接口重构、PyPI 发布流水线与 README 改版同步落地（详见第四章）。

  • 摩尔线程 MUSA 整备公共 0.1.15 并发布 v0.1.15+musa.1（09-30）：单日 53 笔提交（51 笔 MUSA 侧特性加 2 笔上游同步）——mp31 架构批（tme 系列、sqmma、wmma、warp 特化、缓存提示、peer memory 等）、运行时批（基础目标与后端入口、设备代码生成、JIT 包装、ipc/vmm、dlpack 兼容、显式流等）；傍晚「Prepare public TileLang MUSA 0.1.15」落账后，17:59 打出发布 v0.1.15+musa.1（上一版 v0.1.14+musa.1 为 09-11）。

  • 海光 Hygon 三连合入（09-30）：矩阵存储（gfx946，#14）、multi-XCD Cython 启动支持（#15）、LDS 策略冲突修复（#16）——继节前异步拷贝改进（#13）后的连续推进；海光是本期除昇腾外唯一有代码推进的国产后端。

  • 夜间流水线 12 份快照不间断：基准套件扩至 1939 项（09-30 ~ 10-08）：12 份快照逐日产出，正确性用例 1009 至 1044 项（测试组织重构期有起伏），最新快照 1027 项零失败；基准测量自 1355 项（39 套件）扩至 1939 项（52 套件）；全期唯一 1 例失败——10-07 一份快照的 FFT 用例因 CUDA 显存不足（环境性），次份快照即恢复全绿。

  • 采用方同日跟进：TileKernels v2.0.0 携昇腾支持发布、FlashQLA 更新 v0.1.3（09-30）：DeepSeek TileKernels 发布 v2.0.0（09:58），README 新增「Huawei Ascend support」：双后端由运行时自动选择，同一份 Python API 同时运行于英伟达 GPU 与华为 NPU（要求 TileLang 0.1.15+、CANN 9.2.0+）；Qwen FlashQLA 更新 v0.1.3（21:02），随附 sm90/sm100 autocp 系数与基准更新。采用方与上游发布同日落账，联动得到验证。

二、核心项目进展（主仓 tilelang）

版本与发布：v0.1.15 正式发布（09-30）

  • 时间线：09-30 07:31，标注「Public Release 9/30」的 #3308 与版本号提升 #3309 合入；08:29，v0.1.15 发布——距上一版 v0.1.14（09-02）28 天，与既有的月级发布间隔一致。
  • Ascend 950 段（版本说明节选）：新增 tilelang.ascend.language 与 target="ascend"（对应 dav-3510）；同一内核内组合 Cube GEMM 与 Vector 计算（T.SimdVF / T.SimtVF 区域）；显式 UB/L1/L0 存储、瓦片拷贝、跨核传输与 MXFP8/MXFP4 块缩放 GEMM；自动调度、流水线、多缓冲、布局推导与同步插入；集成毕昇编译、tvm_ffi 与 Cython 执行、PyTorch NPU 张量与流、NPU profiling；示例含 GEMM、DeepGEMM 风格内核、FlashAttention 前反向、RMSNorm 与 FP8 量化。A2/A3 支持保留在社区维护的 TileLang-Ascend 项目。
  • CUDA 段：角色式自动 warp 特化（可经环境变量启用）；SM120 块缩放 GEMM 扩展（片段常驻 A 操作数、行主序缩放片段、奇数 per-warp 原子网格）；T.fma/T.fmul 就近舍入；FP8 稀疏 MLA 前向示例（DeepSeek V3.2，Hopper，#3224）；WGMMA/UMMA K 面板步长修复与稀疏 MMA 异步栅栏。
  • 语言、编译器与运行时段：内核启动编码目标中立化；Python 编译期迭代与推导式；coalesced_width 提示化；AllReduce 线程步长与归约 NaN 传播 dtype 校验；缓存参数改 JSON、CUDA 二进制原子发布、墙上时钟基准、wheel 在 GPU runner 上校验、性能回归使 CI 失败。
  • ROCm、CPU 与 Metal 段：ROCm 支持 DeepSeek V3.2 Top-K 选择器、wave64 Hadamard 与 GLM-5.3 k 池示例；CPU 标量 GEMM 按累加 dtype 计算；Metal 32 位原子加。
  • 兼容性注记：T.Pipelined 移除未用的 sync/group 参数、T.gemm_sp 移除 k_pack；T.symbolic 转为弃用别名（新代码用 T.dynamic）；TILELANG_CACHE_VERIFY_HASH 移除、缓存哈希校验改为强制。

假期修复线与工程小步（10-02 ~ 10-08）

  • 正确性修复：#3361 支持 bfloat16 标量参数（10-02）；#3334 解码 NVFP4 保留的 UE4M3 NaN 缩放码字（10-03）；#3429 索引提升时保留显式转换（10-06）；#3441 LDSM 拷贝保留共享区域偏移（10-07）；#3439 SM89 上 fp8 T.gemm 改为门控报错而非启动即崩（10-07）。
  • JIT 与测试：#3435 惰性内核构建保留可变参数（10-07）；#3443 移除不支持的 BF16 标量回归测试（10-07）。
  • 工程杂项：#3418 合并两个完全相同的分支（10-03）；#3431 pre-commit 自动更新（10-07）。
  • 复工首笔（10-08）：#3299 修复 ROCm 上 T.round 的就近偶数舍入——发布日午间合入，节后节奏如期恢复。
  • 小结：全窗口 12 笔合入（09-30 三笔为发布批次，10-02 起九笔为假期小步修复），与节前单周 14 笔相比略降，实质增量集中在评审队列（下节）。

评审队列观察

  • 剪刀差：窗口内新开 96 笔、合入 12 笔；09-30 单日新开约 45 笔，构成为两类——Ascend 主题批（约 20 笔：#3316 至 #3331，PTO 执行路由、AutoSimtVF、T.PersistentKernel、torch_npu 任务队列、算子生成 agent、DeepGEMM 代码生成、RNG 复位等）与系统性小修硬化的「拒绝不支持模式」批（#3332 至 #3372，四十余笔）。
  • 测试与基建：#3313 改进测试基础设施、#3315 Windows wheel 构建提速。
  • 压力判断：节前日报口径开放 PR 116 笔；假期再度净增待审任务。节后评审带宽将直接决定 950 跟随队列的合入速度与下一版本节奏。

三、多后端适配（昇腾 / 沐曦 / 海光 / 摩尔线程等）

昇腾（Ascend）：950 与 PTO 双后端落地；适配仓节后收尾

  • 主仓（发布与后端）：详见第二章——#3308（950 原生后端）与 #3310（PTO 后端）同日合入。
  • 主仓（跟进队列，仍评审）：PTO 执行路由 #3316、导入隔离 #3327、DeepGEMM 代码生成 #3330、AutoSimtVF pass #3320、因果稀疏注意力示例 #3322、gemm_l1 语法糖 #3323、torch_npu 任务队列 #3324、T.PersistentKernel #3325、aibin 单阶段编译 #3326、L0C 双拷贝转换 #3328、算子生成与调优 agent #3329、RNG 间距复位 #3331。
  • 适配仓 tilelang-ascend（默认分支 ascendc_pto）：合入三笔——#1746 文档补齐（09-30）；#1848「C/V 归属显式且自动化」（10-08）——独立恢复此前被回退的 #1829 之「Part 2」（默认划分 C/V 并检查执行归属）；#1786 拒绝 T.tile 二元算子中的非扁平连续 BufferRegion（修复 #1680，10-08）。新开五笔机器人署名 PR（09-30）：Vector mask 状态复用 #1850、同步依赖生命周期 #1851、FP32 Reduce2D 形状规划与工作区契约 #1852、缓存内核库原子发布 #1853、自动跨核同步配置校验 #1854。
  • 判读：主仓「原生后端」与适配仓「社区维护线」双轨并行；节后首日两笔合入（#1848、#1786）显示复工即恢复推进，被回退特性的重提路径（#1829 Part 2）走通。

MLIR 昇腾（tilelang-mlir-ascend）：方言（MLIR dialect）分支起步

  • 10-06 新建 mlir-dialect 分支并开出 PR #195「mlir dialect setup with add example」（方言挂接与加法示例）；09-28 开出的 #193（报告更新与 argmax 内核）、#194（Tlir add pipeline 专家模式）仍待审。仓库方向从算子示例向编译器方言层探进。

海光（Hygon）：三连合入

  • #14 矩阵存储（gfx946，11:26）、#15 multi-XCD Cython 启动支持（15:47）、#16 LDS 策略冲突处理（17:49）——同日三笔，延续 #13（异步拷贝与缓存 swizzle）之后的矩阵核与多 XCD 方向。

沐曦（MetaX）：全期静默

  • 官方仓窗口内无推送（最近推送 09-24），与节前日报一致；无 PR、标签动态。

摩尔线程（MUSA）：公共 0.1.15 整备与 v0.1.15+musa.1 发布

  • 提交批：53 笔（51 笔 MUSA 侧加 2 笔上游同步），集中在 09-30 午间至傍晚两波——基础批（目标与后端入口、发行配置、musa 语言前端默认化、惰性 pass 管线、设备代码生成、运行时设备注册、JIT 包装、懒加载桩、关闭时跳过驱动卸载）与特性批（mp31：tme 装载/存储/im2col/描述符预取/越界零填充/swizzle/fp8、sqmma、wmma、warp 特化、lsu 缓存提示、peer memory、copy select；通用：dp4a、向量化 cast、fast divmod、ldg/stg、原子族、async copy、数学与转置/填充/扫描/归约/调试、threadblock swizzle；运行时：symmetric ipc、ipc 与可选 vmm、dlpack 设备兼容、系统域 fence、显式流）。
  • 发布：17:59 打出 v0.1.15+musa.1（对应主仓 0.1.15）；上一版 v0.1.14+musa.1 为 09-11。公共版与主仓版本线的同步节奏延续。

其他：tvm 子模块仓 ROCm 回溯

  • tile-ai/tvm（tilelang_main 分支）合入 PR #79「Backport HIP device existence checks」（10-07）——维护性回调，无其他窗口内活动。

四、生态与采用方（TileOPs、TileRT、TileFoundry、TileKernels、FlashQLA 等）

TileOPs：8 天 137 笔合入全景

  • 总量：137 笔合入（另 10-08 复工 2 笔：#2482、#2483）、143 笔新开。逐日：09-30 为 32 笔（峰值）、10-01 十四、10-02 二十三、10-03 十五、10-04 十一、10-05 十五、10-06 十三、10-07 十四——日均约 17 笔，数倍于上一周期（全周 21 笔、日均约 4 笔），「假期低幅运行」的旧印象不成立。
  • 采样线（六枚内核全链）：#2326 min-p 掩码、#2327 top-k 掩码、#2332 top-k 融合 top-p 单内核、#2334 top-p 掩码、#2341 从概率行抽取 token、#2346 投机草稿链校验；宽行服务与单 CTA 限制治理（#2445、#2448）。
  • 线性注意力线：GLA 前向预填与解码（#2355、#2368、#2379）、Gated DeltaNet 与 DeltaNet 预填/解码（#2351、#2366、#2372、#2375、#2369）、Kimi Delta Attention 以张量核 WY 逆进树（#2365）；伴随 GDN/KDA 命名统一（#2440、#2443）。
  • 量化与 GEMM 线：int8 W8A8、FP8 分组专家 GEMM、因果卷积、Hadamard 变换等清单落账（#2400、#2404）；打包 varlen GQA 的 FP8 每请求缩放（#2396）、16 位分页 GQA 契约（#2386）、融合 RoPE（#2377）；SM89 FP8 GEMM 与量化核 off-SM90 兼容（#2399、#2425）。
  • 工程线：内核接口化选择（自 #2321 起成批）、命名规范（#2410、#2434）、PyPI 自 tag 发布（#2359）、README「Built for agents」（#2358）、正确性检查与夜间覆盖统一（#2429）、bench.Runner 基准重构（#2470）。foundry 前缀算子供给批贯穿全期。
  • 判读：四条家族线（量化、采样、注意力、线性注意力）在 8 天内达到「可运行加可验证」态，工程化收口动作（发布、命名、接口）同步密集——产能向流水线化靠拢。

TileOPs 夜间流水线：12 份快照、基准扩至 1939 项

  • 快照：窗口内 12 份（09-30 至 10-08 每日 1 至 2 份）；正确性用例 1009 至 1044 项区间（测试组织重构期有起伏），skip 自 2 收敛至 0，最新（10-08）1027 项零失败。
  • 唯一失败：10-07 一份快照出现单例失败，定位于 FFT 用例的 CUDA 显存不足（尝试分配 16 GiB、环境性），次份快照即恢复全绿。
  • 基准：测量用例自 1355 项（39 套件，09-30）扩至 1939 项（52 套件），零失败——假期新增覆盖与用例整理同步推进。数据来自 夜间流水线分支 的测试与基准结果逐份解析（截至 10-08 午后）。

TileFoundry：调度与分析连续小步（6 笔）

  • #196 CI 检查 PR 标题并补齐贡献模板（09-30）；#193 调度缺口收束与教程（10-01）；#198 分析投影复用（10-01）；#199 按作用域统计工作与流量（10-02）；#208 符号网格上的广播支持（10-04）；#210 访问关系显式化（10-05）。

DeepStack：集合通信与 NoC 修复（3 笔）

  • all_gather 集合通信 wrapper 实现（10-05）、全交换层级中 switch 实例区分修复（10-05）与一处缺陷修复（10-04）。

采用方：TileKernels v2.0.0 与 FlashQLA v0.1.3

  • TileKernels（DeepSeek）：发布 v2.0.0（09-30 09:58，合并 PR #34）；README 同日新增「Huawei Ascend support」条目——双后端运行时自动选择，同一份 Python API 同时运行于英伟达 GPU 与华为 NPU（要求 TileLang 0.1.15+、CANN 9.2.0+、Ascend 950）。采用方发版与主仓发布同日，联动紧密。
  • FlashQLA（Qwen）：更新 v0.1.3（09-30 21:02），四笔提交含 sm90/sm100 autocp 系数与基准结果更新。

TileRT：全期静默

  • 窗口内无推送；发布页滞留状况延续（上一周期报告已记录），发布线与标签线均无新落账，待下期复核。

五、社区、教程与活动

媒体侧：DeepSeek 昇腾开源点燃报道潮（09-30 ~ 10-07）

  • 量级：十组中英文关键词在窗口内合计约 210 条命中（含跨组与转载重复），构成该主题有史以来的报道峰值。
  • 英文代表：SCMP「DeepSeek opens tools to help Huawei chips supplant Nvidia in AI」（09-30）、Tom’s Hardware「DeepSeek and Huawei release open-source Ascend AI programming tools…」（10-01）、GIGAZINE、The Next Web、Pandaily 等；Hacker News 于 10-02 出现讨论帖。
  • 中文代表：财联社「剑指英伟达 CUDA！DeepSeek 开源华为昇腾全套组件」、InfoQ「DeepSeek 开源昇腾平台基础设施组件，覆盖 TileLang、计算库与分布式通信库」、观察者网、雷峰网、OSCHINA、驱动之家、机器之心等。
  • 产业侧延伸：徐直军公开谈及「昇腾中国市场份额已超英伟达」「950 超节点国内都不够用、暂无全面出海计划」（10-03 至 10-07）；首个昇腾 950 测试基地在北京通州落成（10-04）；昇腾 950 超节点落户上海相关报道（10-01）。
  • 判读：报道潮与华为侧披露相互叠加，把「TileLang 昇腾版」置于「去 CUDA 化」叙事中心；冷静边界——工程细节与性能主张以仓库与版本说明为准，端到端验证尚待公开。

文档站与例行更新

  • TileOPs 文档站（11 笔）：API 参考补量化/采样/共享专家 MLP（#57）、采样基准页与 manifest 决定页面（#58）、内核接口文档（#59）、manifest 与内核分发用户指南（#60）、开发指南与 Blog 区（#61）、样式表按内容版本化（#62）、命名跟进批（#63 至 #66）与基准编写指南（#67）。
  • 主仓文档站（5 笔）：09-30 两笔、10-02、10-07 等「Update docs」例行刷新，与发布周期同步。

社区项目：BM1690 TPU 流水线持续推进

  • 社区 TPU 扩展仓（算能 BM1690，arcflute/tilelang-tpu-bm1690-pipelines）09-30 至 10-01 计 20 笔：Add/Sub/Mul 各三变体的编译与正确性逐项记录、粗粒度块与 1024 尺寸的延迟记录、PCIe 交接下载链路（含 GitHub API 传输与超时恢复）；记录策略为「逐项留痕、不宣称未证实的加速」。
  • 其他社区仓（教程仓、沐曦教学仓、cookbook）窗口内无提交。

学术侧：arXiv 无新增

  • 检索窗口内无 TileLang 相关新预印本；最近一篇仍为 07-24 的 TileSight 性能模型论文。

六、趋势观察

  • Ascend 950 的「Day-1 版本化」，多后端叙事完成转折：950 后端以「大 PR 加版本发布加第二代码路径（PTO）加使用指引」全套随 v0.1.15 交付，A2/A3 留驻社区仓，代际与维护分工清晰——「多后端」正式成为主干能力叙事。观察点：950 真机性能数据与更长周期的维护成本。
  • DeepSeek 与华为把 TileLang 推向国产算力议题中心：报道量级为历史峰值（约 210 条命中）；采用方 TileKernels 同日发 v2.0.0 并挂上昇腾支持，「上游发布、下游发版」联动首次如此紧密。风险面：叙事热度高于可验证数据，端到端精度与大规模训练验证仍待公开。
  • 假期开发强度上行：TileOPs 8 天 137 笔、MUSA 单日 53 笔、夜间流水线 12 份、适配仓节后首日两笔合入——「假期低幅运行」的旧假设不再成立。
  • 「开多合少」仍是结构性张力：主仓 96 新开对 12 合入，开放队列净增；Ascend 大件批与四十余笔硬化小修排队待审——节后评审带宽直接决定 950 跟进与下一版本节奏。
  • 多后端热度分化、层次稳定：昇腾（双后端）与 MUSA（公共版发版）为热度双核；海光稳定小步；沐曦、MLIR 昇腾静默；tvm 子模块仓以维护性回溯为主——「主仓原生加适配仓跟进加公共版同步」的分层形态已稳定。
  • 工程化收口动作密集：PyPI 发布流水线、bench.Runner、缓存原子发布、测试统一与命名规范——瓶颈正从「写算子」转向「发布与验证流水线」，是库走向工程成熟期的典型序列。

附录：素材与核查说明

  • 素材：本刊每日 TileLang 动态日报节前最后一期（2026-09-30，采集窗口 09-29 07:00 至 09-30 07:00 北京时间）；10 月 1 日至 7 日假期日报停刊，假期动态以实测核查为准；本周期后的动态（10-08 起）由下期日报承接。
  • 补充核查（216 小时窗口，截至 10-08 午后）：tile-ai 组织 29 个仓库中 12 个有推送——tilelang、TileOPs、TileOPs-nightly、tilelang-ascend、tilelang-musa、tilelang-hygon、tilelang-mlir-ascend、TileFoundry、DeepStack、tvm、TileOPs.github.io、tilelang.github.io；逐仓核对提交、PR、标签与发布元数据；夜间快照 12 份逐份解析测试与基准结果；采用方（TileKernels、FlashQLA）、deepseek-ai 组织推送与社区仓（BM1690 流水线等）核对。

信源核查表

信源 核查结果
tile-ai 组织（29 仓库） 216 小时窗口内 12 个仓库有推送；假期开发未停摆
主仓 tilelang 12 笔合入、96 笔新开；v0.1.15 发布（09-30）；节后首日再添 1 笔（#3299）
昇腾（主仓加适配仓） 主仓 950 后端与 PTO 后端合入；适配仓 3 笔合入（含 #1829 Part 2 恢复）、5 笔机器人 PR 新开
MLIR 昇腾 10-06 新建 mlir-dialect 分支与方言 PR #195；#193、#194 待审
海光 #14、#15、#16 三连合入（09-30）
沐曦 全期无推送（最近 09-24）
摩尔线程 53 笔提交、发布 v0.1.15+musa.1（09-30）
TileOPs 137 笔合入、143 笔新开（另 10-08 复工 2 笔）
夜间流水线 12 份快照；正确性 1009 至 1044；唯一 1 例环境性失败；基准扩至 1939 项
TileFoundry 与 DeepStack 6 笔与 3 笔
TileRT 全期无推送；发布页滞留状况延续
文档站 TileOPs.github.io 11 笔、tilelang.github.io 5 笔
采用方 TileKernels v2.0.0（含昇腾支持）、FlashQLA v0.1.3
社区仓库 BM1690 流水线 20 笔；其他社区仓无提交
媒体与学术 十组关键词约 210 条命中（DeepSeek 昇腾开源潮）；arXiv 无新增
  • 口径与边界：时间均为北京时间（UTC+8）；合入与提交按 committer 时间统计；性能与规模数据以 PR 或版本说明自述为准，本刊无对应硬件、未独立复现；夜间结果为单次流水线记录、非横向评测；「210 条命中」为多组关键词原始命中合计（含跨组与转载重复，未逐条去重）。
  • 下一期周期建议：2026-10-08 ~ 2026-10-09（节后两个工作日，由下一期周六周报承接）。

主要引用

数据来源：每日 TileLang 动态日报（节前最后一期 2026-09-30）及本周期实测核查；报告周期为 2026 年 9 月 30 日至 10 月 7 日（国庆假期特别汇总期）。