报告周期：2026 年 10 月 19 日（周一）至 10 月 23 日（周五），共 5 个工作日 素材来源：本刊每日 TileLang 社区动态日报 5 期（10-19、10-20、10-21、10-22、10-23），五期采集窗口合计 10-16 07:00 至 10-23 07:00；另经 tile-ai 组织 29 个仓库的 168 小时窗口补充核查与各仓库发布页、标签、VERSION 文件复核（详见附录）

一、本周要闻

  • TileFoundry 0.0.3 正式发布，把指令级调度交给 agent，H200 上 Qwen3.8-27B 预填三档全面快于 SGLang（10-21）：10-21 10:26 打出 v0.0.3，PyPI 为 tilefoundry==0.0.3，代号「Agent-driven scheduling」。核心变化是调度权归属——编译器列出每个 HIR 操作可由哪些指令实现、各自需要什么，agent 在候选中选定，编译器再把选定的调度下降为 TIR；配套 CLI 增加 schedule candidates 与 schedule facts，指令以 AtomSched 操作声明并带显式 TIR 操作数契约，从 CUDA MMA atom、SM90 WGMMA 与异步拷贝起步。性能面给出三组真实数字：Qwen3.8-27B 预填在单张 H200 上 1024 / 4096 / 8192 token 分别为 80.29 / 309.61 / 631.19 ms，SGLang 为 89.06 / 317.11 / 638.25 ms；短序列 128 / 256 / 512 / 1024 token 分别是 SGLang 的 1.88 / 1.41 / 1.10 / 1.03 倍。已知问题两项：wheel 尚未打包 CUDA 运行时头文件（从安装包出发编不出 CUDA kernel，需源码 checkout，下个版本修），以及性能时间线对 insert_slice、tf.zeros 跨 mesh 位置的定价有误（#239）。

  • SemiAnalysis 设 TileLang Ascend 专章：六个获昇腾支持的仓库中，文章写作时只有 TileLang 可用（10-21 ~ 10-22）：10-21 发布的《The Huawei-DeepSeek Symbiosis》副题直接列出华为 Ascend 950PR 微基准、DSv4.1 Flash 分析、DeepSeek 的昇腾支持、AICPU 与 TileLang Ascend。与 TileLang 直接相关的三点：其一，获得昇腾支持的六个仓库（TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA、DeepSelect）中，写作时只有 TileLang 可用，因为 CANN 9.2.0 尚未发布，而 DeepSeek 要求 CANN 9.2.0 与 C++20 编译器，9.2.0-beta.2 不提供后者；其二，昇腾 950 后端已并入 TileLang 主仓、而非只存在于单独适配仓，提供原生编译、调度、同步与运行时集成，AutoSchedule 依据数据依赖与预估执行时间决定重叠与片上缓冲槽数，在 950PR 上对小尺寸单算子最多缩短 40%；其三，与 CANN、Triton-ascend 对比时「某些尺寸可以打平或超过 CANN」，最优实现随尺寸切换（作者注明为热缓存下的朴素基准）。文章同时点出生态缺口：多数优化面向超节点，x86 主机上 vLLM-Ascend 0.26.0rc1 仍有多处问题。10-22 南华早报《Jensen’s nightmare》转述同一份报告，属二次传播，不构成新的技术进展，但说明该判断正在进入主流媒体口径。

  • 主仓一周完成三轮正确性硬化，缺陷类型从「算错数」扩到「选错目标」与「编译期状态失真」（10-19 ~ 10-23）：第一轮清 warp 特化与流水线几何——#3503 让纯 TMA 生产者每个线程都到达正向屏障（修 #3470 的 parity 挂死）、#2342 让兄弟流水线共享缓冲只展开一次（修 #2309 的四维 LayoutInference 崩溃）、#3536 给共享缓冲上的 T.cumsum 补线程偏移、#2822 保留传递性拷贝依赖。第二轮清静默数值错误——#2818 要求不支持的 MMA tile 显式 K 填充（原先会悄悄缩小 K 原子）、#2815 修 (64,1) 保留维归约崩溃、#3550 让 TIR 谓词随整数位宽提升同步改写、#3070 修批式 finalize_reducer 只归约首个输出块、#3350 对 cast 的源/目标/舍入三组合前置校验、#2860 让无 arch 的 CUDA target 报错而非静默填 sm_50。第三轮清编译期状态——#3579 把非零循环下界纳入向量化分析（10 文件 +818/-198，关掉 #2669 与 #2616）、#3612 在向量化重写前克隆 analyzer、#3226 修并行循环切分后旧 analyzer 绑定失效。三批的共同点是不报错、只在特定尺寸或循环形态下给出不可信结果。

  • 昇腾线重心移到训练反向与底层数据通路，单周合入 11 笔适配仓 PR 并开出 sparse_mla 双向（10-20 ~ 10-23）：训练侧算子集中落地——#1887 的 indexer_bwd（+1294，服务 DSA 稀疏微调，同时支持 AscendC 与 PTO 双后端，分快速、通用、cast 三档 kernel）、#1877 的 SiTU-GLU 反向（+854，语义对齐 CANN 的 aclnnSituGluGrad，用于 Kimi K3 Stable LatentMoE 门控激活反向，910B3 上与官方 aclnn 交叉校验最大相对误差约 3e-3）、#1892 的 LSTM（+2304，12 个 jit kernel，支持多层堆叠、双向、LSTMP 投影）与 #1902 的 GRU（+2267，8 个 kernel，手动关掉 AUTO_SYNC 以避开每时间步约 58 个 PipeBarrier）。在审队列接着补 sparse_mla 前向与反传（#1929 / #1928）、GLM-5.3 的 kpool 压缩（#1910）与 WY fast 系列（#1827 等）。数据通路一侧，#3530 以 18 文件 +993/-256 让压缩 NZ 缓冲支持部分 UB→L1 拷贝并显式给出 C0 组行距；#1795 定位到亚 32B 紧凑行距源无法表达，实测第二个 burst 读到 element 8 而非 element 1，修掉 keepdim reduce 的输出错乱；#1903 把 JIT 缓存改为原子发布并在缓存被删除时恢复。

  • TileOPs 一周合入 68 笔，SM89 与 SM90 并列成主线，规格与基准覆盖同时报 205/205（10-19 ~ 10-23）：组织统计分支在 10-18 单日 20 笔、窗口 44 笔合入后刷新为「已实现 205/205、已基准 205/205」，两项同时满格。SM90 方向一周新增六个 warp 特化 kernel——分页 GQA 前向（#2668）、FP8 lightning indexer 双 consumer warpgroup（#2666）、MLA 解码错位跷跷板（#2665）、dense prefill 持久化遍历（#2706）、dense GQA decode（#2694）、因果滑窗 band（#2696）。SM89 方向则为消费级与单卡场景集中补位：块缩放 FP8 分组 GEMM（#2659）与 INT8 W8A8（#2655）同日落地、FP8 BMM 默认瓦片改 64×64（#2681，1×16×64×128 从 5.161 降到 3.799 us）、W4A16 的 M 上界扩到 64（#2672，M=17 / 32 / 64 分别下降 43.35 / 47.20 / 40.00 个百分点）、分页 DSA 用 MMA 实现（#2669，0.269 ms 对 PyTorch FP32 参考 0.727 ms）、NSA top-k 扩到 2048 个压缩块（#2675）。同期两笔 NaN 修复都出现在 warp 特化路径上：共享内存活跃期判断错误（#2708）与 fast math 下 FMA 融合溢出（#2699）。

  • PTO 从「独立执行路径」走向「自动向量化 + 默认执行后端」（在审，10-18 起）：主仓 PTO 向量化框架 #3512 让用户在 T.SimdVF(lanes=L) 内书写标量并行的 T.Parallel（逐元素、控制流、归约），由编译器向量化为 PTO VMI 指令、经 PTOAS 编译后在 Ascend 950 上运行，规模从 10-18 的 44 文件、18988 行增至 10-21 的 50 文件、21022 行；#3516 拟让 target="pto" 配 execution_backend="auto" 解析到 tvm_ffi 并设为默认。已合入的配套为一串存储、谓词与归约语义修复：#3514 的 T.alloc_ss、#3437 的 SimdVF dim=1 归约、#3582 的 PTO 整数符号性、#3581 的谓词指数增长、#3523 的 SIMT 向量局部变量分配。主仓同时用 #3511 补 AscendC 侧的 L0 局部拷贝显式 pitch（24 文件 +1458/-187，让一个 GEMM tile 可由多次拷贝拼成）——两条路径是并行推进而非替换关系。

  • 下游分发形态出现第二例：Sunrise 打出 0.1.15+sunrise.1.2.0 发布 PR（10-22）：#9 于 10-22 16:48 建 candidate/sunrise-0.1.15-1.2.0-20261019 分支并开 PR，把 Sunrise 分发版更新到 0.1.15+sunrise.1.2.0，纳入 TileLang 0.1.15 及配套评审过的 TileOPs、TileKernels、TVM、tvm-ffi 变更；源导入与合并、分发适配分开提交，最终适配 TANG 后端的 wheel 并修掉切片 GEMM 回归。自报验证为本机契约测试 55 通过、TANG 流水线 codegen 测试 54 通过、两个 lint job 与信任边界检查通过；但 S2 wheel 构建出包后，装后 import 冒烟检查在 tangGetDeviceCount 处失败。该 PR 尚未合入。

  • 社区侧一周出现多个新仓：中文系统教程、CANN 社区算子仓、agent 工作流与 Hexagon 后端实验（10-20 ~ 10-22）：huandu/tilelang-tutorial 于 10-20 建仓，定位「从零到一的 TileLang 中文系统教程」，覆盖算子编写、编译期机制与 NVIDIA、昇腾两条后端，是成体系中文教程仓的首次出现；Atlas-Ascend-Fork/ops-tilelang 于 10-20 建仓，是 CANN 社区面向昇腾 NPU 的算子资产仓（统一管理 kernel 实现、自动化测试、标准工作负载与性能基线），10-22 首次推送修复；tilelang/agent 于 10-22 推送，README 本身是一段可执行 prompt 模板，以 @tilelang-operator-dev/SKILL.md 注入领域知识，按十步闭环走算子优化；另有 SoilSoi1/tilelang-hexagon（10-20 建仓，Hexagon 后端社区实验）与主仓在审的 #2155 Hexagon HMX 后端支持相呼应。

二、核心项目进展（主仓 tilelang）

版本与发布

  • 主仓最新标签与发布仍为 v0.1.15（09-30 发布），全周无新标签、无新发布页条目，至本周五已 23 天。VERSION 文件核查仍为 0.1.15，README 的最新里程碑仍停在 09-30 的 Ascend 950 后端。
  • TileFoundry 0.0.3 是本周唯一的新版本（10-21 10:26），也是组织内 09-30 以来第一个新标签。适配线标签全周未动：沐曦 v0.1.14（09-17）、摩尔线程 v0.1.15+musa.1（09-30）、MLIR 昇腾 v0.1.2.020.sglang.poc（09-09）、昇腾 v0.1.2.000。
  • 下游约束仍卡在 0.1.12 与 0.1.15 之间：TileOPs 的 pyproject.toml 至今写死 tilelang==0.1.12，10-18 尝试升到 0.1.15 的 #2554 已关闭且未合并。PR 自述的阻塞是 29 个在 0.1.12 上通过的 smoke test 在 0.1.15 上失败：其中 28 个源于动态 extent 的 T.Pipelined 在 cp.async 尾声留下 ptx_wait_group(3 - t * 2)、CUDA codegen 报 Downcast 失败，另 1 个是 LegalizeSafeMemoryAccess 在折叠为 False 的分支下判空失败。本周新合入的 SM89 用例同时跑了 0.1.12 与 0.1.15 开发版，说明升级闸门以双基线验证为前提。

编译器、语言层与执行路径

  • Windows ARM64 进发布流水线（#2962，10-19 合入，12 文件 +356/-45）：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 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、两份 requirements 与布局、MSVC 辅助模块。这是继 ROCm 与昇腾之后补上的第三个非 x86 交付面。
  • lower trace 拆分宿主与设备源码（#3496，10-19 合入，6 文件 +121/-63）：设备侧输出 codegen_device.cpp 与 .original 基线、.latest 最新版，宿主侧另出 codegen_host.cpp 与同结构基线，report.html 以软链接指向最近一次运行。与之呼应，在审的 #3583（13 文件 +106/-4390）把 lower trace 实现、专属环境配置与相关测试从主仓整体抽走，只保留共享的编译器插桩接口，让追踪工具独立演进。
  • CUDA 16 位数学降级补齐（#3172，3 文件 +463/-8）：asin、acos、asinh、acosh、atanh、log1p、atan2、hypot、copysign、ldexp、nextafter 缺 CUDA 专用下降规则，float16 与 bfloat16 调用在 codegen 阶段无人接管。修复把它们注册进 CUDAMath 并补 half_t、bfloat16_t 重载：十个算子按 float32 求值再转回，nextafter 改为按 16 位编码做整数比较步进，以便在 fast math 下保住 bfloat16 次正规数。
  • eager 前端保留 Python 源码位置（#3558，4 文件）：把生成的循环调用映射回 for 语句、上下文包装映射回 with 语句，并补上可迭代参数解包的位置，修 traceback 与覆盖率错位。
  • BF16→FP32 向量化转换改走内联 PTX（#3595，4 文件 +19/-7）：新增成对 lane 一次转 f32x2 的实现，替掉逐 lane 标量提升，2、4、8 三种 lane 宽度均保持支持，语义不变、只动指令序列。
  • 展开 pass 与 ROCm Select（#2887）：循环展开不再消掉 trip count 为 0 的 stepped 循环，ROCm 侧向量化 Select 改为逐 lane 下降，避免整组下降在不支持的目标上失败。
  • softmax 跨 16-CTA 集群分裂（#2632，10-18 合入）：针对 lm-head 这类少行长行（4×102400）新增核，旧实现每行 58 段经全局内存交换 (max, sum) 并跨 grid 屏障，新实现把一行摊到 16-CTA 集群的寄存器上，每个元素只取一次指数，跨 warp、跨 CTA、跨集群用 shuffle 树按 max-first 折叠。
  • 在审方向：除 PTO 两笔外，[Transform] Locate VerifyBufferInit reads outside tile ops（#3620）、[Codegen] Add unsigned mulhi intrinsic（#3617）、[Transform] Keep assumption checks with local dependencies in scope（#3611）、[Transform] Preserve tl.assume predicates that simplify to true（#3610）、[CPU] Support clz in C and C host code generation（#3609）在窗口内有更新；#3597 的混合符号移位修复与 tile-ai/tvm fork 的 #87 成对提交，另 #86 把上游循环作用域修复回移。fork 在审 25 笔、主仓在审 163 笔，TIRx 侧先行、主仓跟进这条协作路径本周第二次出现。

正确性与缺陷修复

  • 10-16 ~ 10-18（周一三天窗口）：纯 TMA 生产者纳入正向屏障（#3503，1 至 3 号生产者 warp 只等背压屏障、可能落后两个相位并在复用的 parity 上挂死整块）；兄弟流水线共享缓冲只展开一次（#2342，修两条 T.Pipelined 共用缓冲且 num_stages 不同导致四维 (4,2,64,32) 触发 LayoutInference ICHECK）；Profiler 三连修（#3559 跨设备 CUDA Graph 捕获为空、#3560 后续调用覆盖前快照输出、#3561 把 cache-flush 时间排除出早停判据）。
  • 10-19：共享缓冲上的 T.cumsum 在 warp 特化下补线程偏移（#3536，4 文件 +101/-38，CUDA 与 HIP 两套 scan 模板引入 thread_offset）；call_extern 的裸 data 变量保守标记为写入（#2618，新增 69 行用例覆盖「call_extern 写输出缓冲」，方向是宁可少做优化也不做错优化）。
  • 10-20：向量化分析纳入非零循环下界（#3579，10 文件 +818/-198，原实现隐含假设循环从 0 起，下界非零时 unit-step 向量化会把不同 lane 的地址算成同一组）；共享内存跨线程 WAW 检测改用两个线程实例（#2821，3 文件 +153/-19，原 WAW 检查对两次访问复用同一线程变量故漏判、漏插屏障）；不支持 MMA tile 要求显式 K 填充（#2818，FP16 K=8 会算出错误结果，K=20 / 28 等不规则尺寸在布局推断阶段直接失败）；fragment reduce 支持保留维度目标（#2815，8 文件 +343/-63）；TIR 谓词随整数位宽提升同步改写（#3550，4 文件 +950/-27，新增 IndexPredicateRewriter）；CuTeDSL scan 补参与线程偏移（#3576，2 文件 +30/-6，tl.CumSum1D(32, False, 0) 此前直接报构造参数错误）。
  • 10-21：批式 finalize_reducer 此前只归约首个输出块（#3070，2 文件 +29/-5，输出维度大于 batch 时后续各段拿到未初始化值，修后按 ceil(OutputDim / batch) 逐块发射，L40S 上 23 项用例通过、外部复现矩阵 16 例零失配）；cast 的源/目标/舍入三组合前置校验（#3350，f32→E8M0 的 helper 向正无穷舍入、根本不接受舍入参数，而向量化分支从未读过 round）；无 arch 的 CUDA target 拒绝而非静默填 sm_50（#2860，1 文件，修 #1049，错误里给出两种显式 arch 写法）；软件流水保留传递性拷贝依赖并让线程域参与区域冲突判定（#2822）。
  • 10-22：向量化重写前克隆 analyzer（#3612，1 文件 +2/-1）；并行循环切分后旧 analyzer 绑定失效（#3226，6 文件 +55/-19，涉及 loop_partition、loop_vectorize、lower_tile_op 三处 pass）；deepseek_v32 top-k 选择器候选缓冲越界（#3280，2 文件 +91/-10，tl_topk_impl 把 radix 候选装进固定 [2, 4096] 共享缓冲且不约束第一轮阈值桶大小，低位尾数相同的 FP32 分数或全等输入会越界写并崩在 CUDA_ERROR_ILLEGAL_ADDRESS，改法是在 tl_topk 包装层申请 (batch, 2, seq_len) 全局 workspace）；sm8x 稀疏元数据非双射形状改为拒绝（#3125，单文件 +6/-0）。

运行时、CI 与工具链

  • 性能回归任务锁定 H100（#3569，1 文件 +15/-1）：组织正在引入自托管 H20 容量机型做常规正确性 CI，其标签集与既有 [self-hosted, nvidia] 重合。H20 的 FP16 稠密算力约 148 TFLOPS，对 H100 的约 990 TFLOPS 差约七倍，若被静默接走基准任务，每个基准都会报出并不存在的回归。现要求 pr-regression 必须带 h100 标签并在开工前校验分配到的卡确为 H100，标签写错即快速失败。
  • Autotuner 透传 profiler 参数（#3337，3 行）：装饰器上的 warmup、rep、timeout 此前没有传给调优器，用户改这三个参数实际不生效。同批维护性改动另有三笔：ROCm 侧 FP4（e2m1）浮点常量打印（#3548，改为在设备端经辅助函数从 float32 转换生成常量）、cibuildwheel 从 4.2 升到 4.3（#3565）、ROCm 线增加一名审查人（#3567）。
  • 昇腾 CI 合入单 check 分步（#3564，1 文件 +61/-9）：把构建与测试结果收进同一个 Test for Ascend PR 检查，CANN 环境只装配一次、构建一次，AscendC 示例、PTO 示例与 Ascend 单测作为同一 job 的三个步骤分别执行；某套件失败后仍继续跑其余套件，最终整体仍判失败。
  • 文档站：tilelang.github.io 一周内共 15 次自动构建推送（10-19 至 10-22，均随主仓合入触发）；TileOPs 文档站三笔人工内容更新——八个新算子写入 API 页（#76）、六个新算子写入（#77）、两个 MLA 反向 op 写入 Attention 页（#78，起因是 check_api_pages.py 报主仓导出 207 个 op 中有两页缺失）。

评审队列观察

  • 主仓开放 PR 由 167（10-21 口径）降至 163（10-22 口径），TileOPs 由 16 降至 9，昇腾适配仓维持 235 至 236 的高位——「主仓与算子库收紧、适配仓仍厚」的格局与上周一致，但 TileOPs 的下降幅度是本周组织内最大的一处。
  • 组织内窗口在审更新量：52 笔（10-20）→ 71 笔（10-23）。主仓 10-19 口径的 51 笔在审中 27 笔标 [BugFix]，集中在 ThreadSync、Transform 与 codegen 三处，属规模化使用后回灌的边界条件。
  • 10-20 11:30 前后有 64 笔在审 PR 的 updated_at 同时刷新，抽查其中三笔在对应时刻无评论、无评审、无分支推送事件，判为平台侧批量重算，未计入开发活动；在审数量以各仓 is:open 计数为准。

三、多后端适配（昇腾 / 海光 / 沐曦 / 摩尔线程）

昇腾（Ascend）：从补算子转向训练反向与数据通路

  • 本周合入 11 笔适配仓 PR：逐元素算子中文文档（#1657，relu / leaky_relu / sigmoid / silu 四算子补齐功能、参数、返回值与典型用法，6 文件 +451/-19）、indexer_bwd（#1887）、SiTU-GLU 反向（#1877）、LSTM（#1892）、GRU（#1902）、CrossEntropy 基准中文版（#1801，参照 FA 与 SFA 的 en/zh 成对惯例）、亚 32B 行距修复（#1795）、JIT 缓存原子发布（#1903）、depthwise_conv_2d 示例（#1915）、Dilation2D 示例（#1916），以及同日回退 depthwise_conv_2d（#1919，提交信息未给原因，示例仓处在「进一个、退一个」的状态）。
  • 主仓侧的昇腾改动共 12 笔：T.alloc_ss（#3514，dav-3510 上一个 AIC 与两个 AIV 共享的标量存储，组内 3 KiB SS 池、32 字节对齐基址）、RNG 状态重置（#3331，避免兄弟内核残留的 __asc_rng_state 导致 bisheng 报未声明标识符）、SimdVF 归约只存 lane 0（#3437）、VF 域外标量 sqrt 走标准数学库（#3466）、PTO Ramp 按类型化向量发射（#3535）、L0 局部拷贝显式 pitch（#3511）、DeepGEMM 启发式与 epilogue 对齐（#3577，29 文件 +1392/-1036，覆盖密集/批量/分组 GEMM 的融合 bias、Alpha、BF16 随机舍入与 FP8 量化）、PTO 整数符号性（#3582，pto.redux_max/min 拒绝带类型的整数，用 ≥2^31 的 uint32 lane 暴露）、NZ 缓冲部分 UB→L1 拷贝（#3530）、MAD 方向谓词指数增长（#3581）、SIMT 向量局部变量按 lane 分配（#3523）、msprof 宿主与设备关联（#3321）。
  • #3321 是度量能力的结构补齐：此前昇腾 profiler 只能报设备内核耗时，宿主演算子与内核之间没有对应关系，自动调优样本无法归因到具体调用。该笔在构建时探测 CANN 的 profiling 头（兼容 msprof 与 profiling 两种安装布局，装了启用、没装跳过，不引入面向用户的编译开关），运行时补 ascend_profiling.h 与主机侧 profile 模块，把宿主演算子下发与设备内核执行按调用序对应，分组编译路径复用同一套上报（13 文件 +676/-13）。
  • #1795 的技术含量最高：根因在模板层——copy_ub_to_gm 无条件生成多 burst 的 DataCopyPad，而 MTE3 引擎实现的是系统级「UB 窄行按 32B 槽存放」约定，源地址每 burst 前进 ceil(blockLen/32) + srcStride 个 32B 块。对按 32B 边界写行的生产者这是精确匹配，但 T.reduce_max 的 (M,1) fp32 输出是 V-pipe 紧凑写入、行距只有 4B，引擎无法表达。修复两侧皆 packed 且总量不超过 65535 时折叠成一条 flat 单 burst，不可表达的非 32B 倍数行距改为 trap() 显式中止；不降级的原因是 bisheng 的跨管道自动同步只覆盖直线 intrinsics，用条件分支包裹 DataCopyPad 会让 bisheng 生成坏的同步代码并导致设备死锁（实测逐行 DMA 被运行时分支包裹即触发 aicore 异常）。PR 自述保留两个边界：亚 32B 紧凑行距且带行距目的时仍走槽步进；blockCount > 4095（12 位字段）仍会静默截断。
  • 在审队列：sparse_mla_fwd（#1929，varlen packed 随机行 gather、在线 softmax、QK/PV 双 GEMM 融合，落 examples/dsa_sparse_finetune/，fast 路径适用域写死为 H=128 且 G=1、dim/tail 为 512/64、topk 为 256 的整数倍）与 sparse_mla_bwd（#1928，dQ GEMM 链、P/dP 向量链、dKV 随机行散射）；indexer_topk_reducesum（#1917）；GLM-5.3 的 kpool 压缩（#1910）；WY fast 与 chunk 系列（#1827 / #1828 / #1802 / #1803 / #1799，明显对着线性注意力与门控 delta 网络的训练链）；另有 UB 到 L1 暂存保留块注解与 ND 偏移（#1907）、并发内核缓存发布修复（#1903 合入前）、自动跨核同步配置校验（#1854）、gemm_v0 的 W4A4 int4×int4 结果错误（#1731）。

海光（Hygon）：常量窗口修复合入，性能定位进入分支

  • #25 于 10-20 09:53 合入（2 文件 +346）：循环展开后 MLS 资源提升会丢掉常量窗口偏移，导致后续访问落到错误区间；修法是在选择单轴更新或前向增量寻址之前先校验未被更新的那一维，必要时保守地重新初始化窗口，并在既有 MLS 测试上补回归覆盖。这是本周海光主线唯一一笔合入，main 分支自此停在该笔。
  • 在审三笔：#26 处理 fp4 MLS 的 warp 分区（14 文件 +261/-144）、#18 补寄存器流水线与 warp-diverge 支持（自述 example_gemm 性能已接近 rocblas）、#19 为分布式相关改动。
  • feature 分支给出可复用的性能结论：feat/hcu-smls-b-vgpr 在 10-21 11:04 与 15:27 有三次推送。11:04 那笔把解码 GEMM 的 k-loop 展开、让 M>96 的 tile 回到 bn96，作者的关键判断是「每步固定开销来自地址链而不是 barrier」——符号化共享级索引 (k+d) % 3 会下降成 v_mul_lo_u16、v_sub_u16、v_readfirstlane_b32 并落在 matrix_load 的地址路径上，占掉 kernel 13%，而 T.Pipelined 本来就会发同样的两个 barrier。15:27 那笔把 M 在 64 至 128 之间的 wide-N 中段优先按 block 数切分，gate_up 在 M 在 64 至 96 之间取 bm96/bn128/bk128/ns2，并把解码 GEMM 的记录文档从 3825 行整理成 588 行的「结果 + 优化日志」两段式。
  • 10-22 gcy_merge_main 移除寄存器流水开关（6 文件 +10/-24）：把 HCU 寄存器软流水的注入与流水规划两个 pass、pipeline_utils.h 以及语言层的 loop 扩展一并改掉。删开关通常意味着寄存器流水路径已默认生效、双轨维护不再划算，但这批改动还在合并分支上等落地。

沐曦（MetaX）／摩尔线程（MUSA）／MLIR 昇腾：全周静默

  • 沐曦：最后推送停在 10-16（dev 分支 #161 把 main 合入 dev、#160 修 MetaXGPU 的 xfail 用例），发布仍停在 09-17 的 v0.1.14。全周无新提交、无新标签。
  • 摩尔线程：最后推送停在 09-30 的「Prepare public TileLang MUSA 0.1.15」，最新发布 v0.1.15+musa.1，全周零提交、零在审。
  • MLIR 昇腾：10-19 合入 #204 的 TVM 隔离修复，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；此后无推送。
  • 结论：本窗口全部后端改动由昇腾与海光两条线承担，另两条线停在既有版本。这与上周「摩尔线程是唯一未对齐 v0.1.15 的后端」的判断一致，且本周沐曦也转为静默。

四、生态与采用方（TileOPs / TileFoundry / 采用方）

TileOPs：一周 68 笔合入，两条硬件主线同时推进

  • 覆盖度：组织规格统计分支在 10-18 单日 20 笔、窗口 44 笔合入后刷新为「已实现 205/205、已基准 205/205」，两项均满格。本周合入的算子覆盖注意力、线性注意力、状态空间、卷积、归一化与 GEMM 六类：MLA 预填充反向 op 层（#2678，对齐 FA3 的 _flash_attn_backward 接口）、MLA 反向 SM90 warp 特化 kernel（#2680，D_qk=192、D_v=128）、MLA 分页前向（#2642）、MLA 的 KV 缓存写入（#2635）、QK-Norm-RoPE 融合（#2639，七种行/精度组合，支持 NeoX 与相邻对两种旋转布局）、逐 token 量化 RMSNorm 融合残差（#2634，12 个工作负载对齐 vLLM 同名接口）、CausalConv1d 双算子（#2627，宽度 2 至 4、可选 bias 与 SiLU）、Hadamard 变换（#2624，base_order 1/12/20/28/40、n 至 2^28）、Mamba-1 选择性扫描（#2638，九行工作负载覆盖 Mamba-2.8B 的 4096 token 前填与单 token 解码）、DSAPaged（#2633，FlashMLA 的 DeepSeek-V3.2 656 字节行格式）、GQA 分页 FP8 前向（#2648，36 个用例全部通过含 NaN 与 Inf 检查）、dense GQA 的 FP32 attention sink（#2515，-inf 关闭该 sink、+inf 把该 head 输出清零）。
  • SM90 特化程序成组出现：分页 GQA 前向换装 GQAPrefillPagedWSKernel（#2668，8 文件 +901/-103，服务 head dim 256 与单 KV head 上宽于 16 头的 query 组，FP8 未覆盖的维度 64 与 256 经页的 16 位镜像读取、单次上限 4 GiB）；FP8 lightning indexer 改双 consumer warpgroup 轮流吃 64-key tile（#2666，原实现一次干净扫描以 2.5 TB/s 写窗口外的 -inf，占 chunk-prefill-kscale 472 微秒中的 425 微秒）；MLA 解码走错位跷跷板（#2665，一个请求的 key 切成 min(sm_count // blocks, tiles // 2) 段后用 log-sum-exp 合并）；dense prefill 持久化（#2706，query tile 数超 SM 数时一个 CTA 占一个 SM 交替轮次走完自己的 tile，D64 上每 tile 192 行 query 摊给三个 64 行消费者、K/V 重读减少三分之一）；dense GQA decode（#2694，TMA 生产者 warp 填两槽 K/V 环）；因果滑窗 band（#2696，一个 CTA 对「query tile, KV head」把 band 的两个 key/value tile 只装一次）；GQA 反向直接服务分组 KV head（#2685）。
  • SM89 补齐消费级与单卡场景：块缩放 FP8 分组 GEMM 扩到 SM89（#2659，四套显式配置、六条含拷贝基准，用例从 42 项增至 77 项）、INT8 W8A8 在 SM89 上启用（#2655，13 项 SM89 接口用例与 29 个 INT8 基准负载均对 vLLM 通过正确性核对）、FP8 BMM 默认瓦片降 64×64（#2681，1×16×64×128 从 5.161 降到 3.799 us、16×128×128×1024 从 12.943 降到 7.414 us）、W4A16 的 64 列默认 M 上界从 16 扩到 64（#2672）、分页 DSA 用 MMA 实现（#2669，batch 4 / 128 head / 256 位置 0.269 ms 对 PyTorch FP32 参考 0.727 ms，作者明确写「大用例基本打平，不构成普遍优势」）、NSA top-k 扩到 1024 至 2048 压缩块（#2675）与 group48 复用 tiled 程序（#2674）、单行单列走向量 GEMM（#2660，按共享内存预算过滤候选，最大 staged ring 96 KiB）、SSD chunk scan 默认流水级数降到两级（#2705）、paged DSA key 区间拆分（#2691）、NSA top-k 用 32 列 tile（#2690，八个用例的 GPU busy 中位数降 2.1% 至 15.0%）。
  • 性能收口的固定套路：GLA、GDN、KDA、DeltaNet 四条线性注意力线共十余笔，手法收敛为两条——把 chunk 链上的矩阵乘压到每块一次（#2626、#2645、#2637、#2625），以及按 SM 能容纳的 warp 组数决定用分组求解还是单 warp（#2650，自述「每 SM 约容纳七个 warp 组求解」为界）；另有批量 GEMM 瓦片写回到下一瓦片首个 WGMMA 之下重叠（#2636）、长行归约改 512 线程折叠（#2641）、缩放因子恰为 1 时绕开 bf16 除法（#2646）、float32 取余与向下整除用近似倒数（#2652）、谓词广播与布尔操作数改 16 字节向量读（#2702 把 linear-bias-float32 六种比较从 0.99 提到 1.06、#2697 把二值 kernel 全尺寸操作数改 evict-first 读）。
  • 两笔 NaN 与三笔契约修复：共享内存规划器把 warp 角色各自的缓冲读成不同时段活跃，于是把 split handover 放到仍被 TMA 填充的 key 或 value 环地址上（#2708，2 文件 +80/-30，在「七个单 token 请求排在 300 token 请求之前、4099 行 FP8 cache、48 行页」的组合下返回 NaN）；因果窗下 128×64 调优瓦片让最后几行连续遇到两个全屏蔽 key tile，fast math 把 prev * scale - curr * scale 融合成 FMA、舍入误差约 2 的 99 次方溢出成 NaN（#2699，修法是在缩放重定标前先减 running maxima）；varlen query RoPE 在奇数半旋转宽度下并行度不能被旋转分支线程数整除时丢掉循环上界（#2700，通用路径直接挂死）；分页 decode 的 autotune 供给让每个请求拿到同一张 block table（#2703，实测 MHA decode 调优器在 opt-1.3b-b16 上选了 block_N 128 即冷 80.0 us 而放弃 72.5 us，掉到 flashinfer 的 0.994）；ref_program 既当正确性参考又是 torch 基线计时对象、跟着输入 dtype 走（#2692，GroupNorm 与 InstanceNorm 在 MTT S5000 上失败，改为参考在 float32 或更宽上计算）。
  • 夜间流水线与报表：#2656 给夜间报表加「新算子」栏并把历史数据项读取从旧式字符串表示改为 JSON 解析；其自述的 10-18 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。snapshots 分支本周 10-19 05:41、10-20 05:39 两次快照，此后夜间报表口径改为按日推进。
  • 队列：在审从 16 笔（10-21）降到 9 笔（10-22），是本窗口组织内唯一在审数量明显下降的仓库；合入 20 笔的两天（10-21 期、10-23 期口径）都伴随这轮收缩。

TileFoundry：0.0.3 之前的重构周

  • 发布：0.0.3 于 10-21 10:26 打 tag（详见要闻），README 的 Latest News 在 10-21 前已由 #247 补入三条 10/2026 条目（0.0.3 发布、Qwen3.8-27B 预填充示例、Apple AMX 预填充示例），并把两条 08/2026 条目移入折叠的 Earlier 列表。提交说明指出 README 就是 PyPI 长描述（pyproject.toml 里 readme = "README.md"），因此公告必须在打 tag 之前落地。
  • 结构性重构：存储计划与发射计划分离（#243，39 文件 +2543/-1889，把原始分配决策留在 analysis 层、移除可执行别名发布，拆出只读的 StoragePlan 与 IssuePlan，并修稀疏物理布局下仍按逻辑字节预留的共享内存放置问题）；schedule 里程碑修正（#241，314 文件 +53049/-69314，覆盖 M1 至 M8，迁移两个 Qwen 示例、重生成 31 个完整长组与全部 64 个短 TIR 文件）；测试重构（#246，51 文件 +655/-366，本地与 CI 复用 ccache 与 torch extension 缓存，两处测试改用主机侧编译的 CuTe 参考比对 MMA 布局以替掉手写参考与数千条参数化用例）。
  • 跨加速器：Apple AMX 支持并让 Qwen 预填充示例在 M2 Pro 跑通（#244，四个 AMX 操作纳入、Copy 与 Fill 可落在 Apple 核与 AMX 执行器作用域，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。
  • 设备建模与计价：新增 sm_89 架构与 RTX 6000 Ada 两个目标描述并同步规格文档（#259，11 文件 +392/-22），把设备建模从 Hopper 扩到 Ada；gmem 计价改按足迹与运行 mesh 并绑定被调方维度（#258，74 文件 +1128/-553，修 #239、#252、#253，原先 132 个 CTA 只探 40 个时 under-fill 看不出来）；设备拒绝启动 kernel 时必须抛错（#256，7 文件 +69/-11，此前启动器发出 kernel 后从不读启动状态，在 sm_89 单卡上按捆绑 sm_90 目标编译的测试只表现为值不对，compute-sanitizer 才显示 cudaLaunchKernel 返回 cudaErrorNoKernelImageForDevice）。

采用方与分发版

  • TileKernels：DeepSeek 的采用方仓本周零提交，最后推送停在 10-14 的 v2.1.0-release 合并（星标 1991 至 2005）。该版本明确要求 TileLang 0.1.15、PyTorch 2.13、Ascend 950 NPU 与 CANN 9.2.0，是「0.1.15 基线」的第一份下游硬约束，也与 SemiAnalysis 指出的 CANN 9.2.0 未发布形成呼应。
  • FlashQLA：Qwen 的采用方仓同样零提交，最后推送停在 10-14 的 SM120 修复（星标 732 至 737），版本仍为 09-30 的 v0.1.3。采用方侧已连续两周静默，主线的动能仍在 tile-ai 组织内部。
  • Sunrise 分发版：0.1.15+sunrise.1.2.0 发布 PR（#9）在审，细节见要闻。它以 TANG 后端 wheel 为交付物，与主仓的 CUDA / ROCm / 昇腾交付面构成不同的分发形态，是 TileLang 出现第二个下游分发形态的标志。
  • TileRT / tilescale / DeepStack：三仓窗口内均无提交（最新分别 09-24、08-25、10-05）。

五、社区、教程与活动

  • 中文系统教程仓出现：huandu/tilelang-tutorial 于 10-20 建仓并推送，定位为「从零到一的 TileLang 中文系统教程」，覆盖面包括算子编写、编译期机制、NVIDIA 与昇腾两条后端。此前中文材料以单篇博客与官方文档译文为主，成体系的教程仓属首次出现。同周还有 RuneFang/tvm_tilelang_cookbook（34 星，10-21 推送）更新，自我定位是面向「能写点 Python、听过 CUDA 但没读过编译器代码」的读者，从 @tilelang.jit 一路讲到 .cubin。
  • CANN 社区开设算子仓：Atlas-Ascend-Fork/ops-tilelang 于 10-20 建仓，仓内已有 src、tests、scripts、docs 四层与 OAT.xml、SECURITY.md 等开放原子社区规范文件；10-22 推送一笔修复「合法上界种子与用例哈希组合后溢出导致 CPU 测试失败」，更早的提交里有「把 Ascend A5 引用替换为 Ascend 950」与「benchmark 失败或中断的会话仍覆写性能基线」。以单一 DSL 为唯一实现语言的社区级算子仓此前未见。
  • agent 工作流成形：tilelang/agent（08-28 建仓，10-22 推送）把 README 写成可执行 prompt 模板——以 @tilelang-operator-dev/SKILL.md 注入领域知识，输入只有算子名、GPU/CPU 参考实现、shape 与「tilelang npu 交付、中文交付」约束，注释写明 agent 需在 A5 环境执行、加载后按十步闭环走，Skill 内含选型决策树、8-CSV 规则、L0 到 L4 策略与 11 条陷阱。另 cc-c122/TileLang-Remote-Autotuning-Agent（1 星，10-21 与 10-22 均有推送）也在把自动调优做成可远程驱动的 agent。
  • 后端实验与工具链：SoilSoi1/tilelang-hexagon 于 10-20 建仓，是 Hexagon 后端的社区实验，与主仓在审的 #2155 相呼应；PTO-ISA/tilelangGym（10-14 建仓、10-20 推送）用于测试不同 benchmark 与微基准在 PTO lowering 下的性能敏感度；easy-tilelang/tilelang-devkit-vscode（10-19 建仓、10-20 推送）定位为在 VS Code 里探查 lowering pass、IR 差异与 CPU C JIT 编译，与主仓把 lower trace 整体迁出（#3583）的方向一致。
  • 第三方小仓：fanyuxiao-ui/w4a16-tilelang（10-10 建仓，用 TileLang 加手写 CUDA 在 A800 上做 W4A16 量化推理的 GEMM 与 GEMV）、sablin39/tilelang-cuda-skills（145 至 146 星，作者同时是 TileFoundry 的活跃贡献者）、localizethedocs/tilelang-docs-l10n（官方文档本地化）、flytiger-eco/tilelang-wrapper-for-sail（10-21 建仓、10-22 推送，仓名指向为 SAIL 提供 TileLang 包装，无说明无 README）、chaigua/tilelang-agent（10-19 新建）。均属社区自发，非组织官方仓库。
  • 媒体与学术：Google News 中英文多组查询在 10-19 窗口零新增、10-20 窗口三条命中（两篇 DeepSeek 与华为芯片的产业报道、一篇 prime-rl 0.10.0 发布稿，逐篇核对未找到 TileLang 具体事实，按非直接相关处理）、10-22 窗口三篇围绕华为-DeepSeek 协同而仅 SemiAnalysis 一篇含 TileLang 专章、10-23 窗口两条为同一报告的媒体转载另有一条 DeepSeek 融资与主题无关已剔除。Hacker News 全周无相关讨论；arXiv 以 TileLang 为标题或摘要关键词检索窗口内 0 条，最近相关条目仍是 07-24 的 TileSight。

六、趋势观察

  • 正确性硬化的层次在递进，而不是在同层重复：上周主仓清的是「形状与几何校验」，本周三段各不相同——先是 warp 特化与流水线的几何与屏障（#3503、#2342、#3536、#2822），再是静默数值错误（#2818、#2815、#3550、#3070、#3350、#2860、#3125），最后落到编译期状态一致性（#3579、#3612、#3226）。第三段最值得留意：这类缺陷生成的 kernel 可能仍然正确，但编译器对用户说的和它实际做的不一致；TileLang 正在接入 agent 自动写 kernel，编译期状态能否自洽会直接决定 agent 迭代闭环能不能收敛。
  • 昇腾侧的瓶颈已从算子数量移到内存模型、运行时边界与训练反向：本周 11 笔适配仓合入里，反向与递归算子占五笔（indexer_bwd、SiTU-GLU 反向、LSTM、GRU、CrossEntropy 文档），主仓侧最大的一笔是 NZ 布局的 UB→L1 行距表达（#3530，18 文件），技术密度最高的是亚 32B 紧凑行距不可表达只能显式中止（#1795）。加上 JIT 缓存原子发布（#1903）与 PTO 谓词指数增长（#3581），这条线的主题是「让已有算子在边界条件下不出错」。配合 CANN 社区另起 ops-tilelang 算子仓，可以读出分工：算子资产由社区仓承载，主仓专注后端语义与 codegen。
  • SM89 与 SM90 成为并列的两条硬件主线，且排优先级的标准从峰值性能转向可获得性：SM90 方向本周产出六个 warp 特化 kernel，SM89 方向则把块缩放 FP8、INT8 W8A8、FP8 BMM、W4A16、分页 DSA、NSA top-k 六条路径同时推进，且 PR 普遍附带单卡实测并写明「不主张 SM90 运行结果」「大用例基本打平，不构成普遍优势」。Ada 级显卡（L40S、4090 一类）是国内开发者手里的主力硬件，这一取向与 SemiAnalysis 指出的「优化多面向超节点、通用性落后于性能」正好互补。
  • 生态层的组织动作多于代码层：主仓本周无发布、无 breaking change，但组织外出现了中文系统教程仓、CANN 社区算子仓、agent SKILL 工作流、Hexagon 后端实验、VS Code 扩展与 SAIL 包装仓；组织内则有 TileFoundry 0.0.3 的 agent 调度、Sunrise 的第二个分发形态、TileOPs 的规格满格。把「人写规则、agent 调优、仓里沉淀基线」三者合看，昇腾侧与 TileLang 整体的工程分工正在重排，而代码节奏本身是平静的。
  • 分析机构开始把 TileLang 当作昇腾可用性的判据：SemiAnalysis 用「六个仓库中只有 TileLang 当时可用」来定义 DeepSeek 昇腾支持的完成度，这比任何单篇技术博客都更能说明 TileLang 在国产算力叙事里的位置——从实验性 DSL 变成默认承载层。同一篇报告也给出反向信号：优化集中在超节点、x86 主机支持仍不完整，性能与通用性之间存在明显取舍。SCMP 的转述说明该判断正在进入主流媒体口径。
  • 下一期关注点：主仓 v0.1.16 是否发布（已静默 23 天）；TileOPs 的 0.1.12 锁定能否解除（#2554 关闭后未见新版方案，双基线验证仍是闸门）；PTO 的 #3512 与 #3516 能否合入（决定 PTO 是否成为默认执行后端）；TileFoundry 0.0.3 的 wheel 缺头文件与 #239 定价问题是否在下个版本修复；Sunrise 的 S2 wheel 在 tangGetDeviceCount 处的失败如何处置；昇腾 sparse_mla 前向与反传（#1929 / #1928）、GLM-5.3 kpool（#1910）的落地节奏；海光 gcy_merge_main 的寄存器流水开关清理何时进 main。

附录：素材与核查说明

  • 素材：本刊每日 TileLang 社区动态日报 5 期（10-19、10-20、10-21、10-22、10-23），五期采集窗口合计 10-16 07:00 至 10-23 07:00（北京时间）。其中 10-19 期为周一三天窗口，覆盖 10-16 07:00 至 10-19 07:00，主体是 10-16 至 10-18 的周末动态，本报告将其作为背景纳入、不计入本周合入统计；10-20 至 10-23 四期严格落在本周内。
  • 合入统计口径：本周合入 129 笔，按四期日报口径为 36（10-20 期）、26（10-21 期）、32（10-22 期）、35（10-23 期），分仓为主仓 tilelang 37、TileOPs 68、昇腾适配仓 11、TileFoundry 8、海光 1、MLIR 昇腾 1、文档站 3。10-19 期另有 61 笔，属 10-16 至 10-18 周末窗口，未计入上表。
  • 补充核查：168 小时窗口的组织级核查确认 tile-ai 29 个仓库中 11 个在窗口内有推送（TileOPs、tilelang、tilelang-ascend、tilelang-hygon、tilelang-mlir-ascend、tilelang-sunrise、TileFoundry、TileFoundry 文档站、TileOPs 文档站、tilelang 文档站、TileOPs-nightly），与各期日报的逐仓结论一致；周五 07:00 之后的组织动态按惯例并入下一期日报，本报告不预估其内容。
  • 口径与边界：性能数据均为 PR 说明或发布说明的自述（H100、H200、L40S、M2 Pro、910B3、MTT S5000 等），本刊无对应硬件、未做独立复现；规格与基准 205/205 取自组织统计分支的徽章数据，属项目自述口径；发布时间以各仓库标签与发布页复核为准，适配仓的发布页与分支推进可能存在滞后；SemiAnalysis 与 SCMP 的判断为第三方分析，非厂商官方声明。在审数量在不同期的统计口径不完全一致（有的取仓库 is:open 总数、有的取窗口内更新数），引用时已在正文注明。
  • 下一期周期建议：2026-10-26 ~ 2026-10-30。

信源核查表

信源 核查结果
tile-ai 组织（29 仓库） 168 小时窗口内 11 个仓库有推送；本周四期口径合入 129 笔，在审窗口更新 52 至 71 笔
主仓 tilelang 本周合入 37 笔；开放 PR 167 降至 163；VERSION 仍 0.1.15，全周无新标签、无发布（已静默 23 天）
TileOPs 本周合入 68 笔（另周末窗口 44 笔）；在审 16 降至 9；规格与基准覆盖报 205/205；仍 pin tilelang 0.1.12
TileOPs-nightly snapshots 分支 10-19 05:41、10-20 05:39 两次快照；报表新增「新算子」栏
TileFoundry 本周合入 8 笔；v0.0.3 于 10-21 10:26 发布（本周唯一新版本）；在审 1 至 4 笔
昇腾（tilelang-ascend + 主仓内昇腾改动） 适配仓合入 11 笔、在审 11 笔以上；主仓内昇腾相关合入 12 笔；sparse_mla 前向与反传在审
海光（tilelang-hygon） main 合入 1 笔（#25）；在审 3 笔；feature 分支三次推送给出解码 GEMM 的地址链定位
沐曦 / 摩尔线程 / MLIR 昇腾 三仓窗口内均无提交，分别停在 10-16 / 09-30 / 10-19
Sunrise 0.1.15+sunrise.1.2.0 发布 PR（#9）在审；S2 wheel 装后 import 在 tangGetDeviceCount 处失败
采用方（TileKernels / FlashQLA） 均停在 10-14，全周无提交；版本要求仍指向 TileLang 0.1.15 与 CANN 9.2.0
TileRT / tilescale / DeepStack 均无窗口内推送（最新分别 09-24、08-25、10-05）
社区与第三方仓 新仓 4 个（tilelang-tutorial、ops-tilelang、tilelang-hexagon、tilelang-wrapper-for-sail），活跃 5 个以上（cookbook、devkit-vscode、tilelangGym、w4a16-tilelang、tilelang-cuda-skills）
媒体与学术 Google News 中英文多组查询窗口内共 6 条命中，仅 SemiAnalysis 一篇含 TileLang 专章，其余为转载或非直接相关；Hacker News 无相关讨论；arXiv 窗口内 0 条

主要引用

数据来源：每日 TileLang 社区动态日报（2026-10-19 至 2026-10-23 共五期）及本周期实测核查；报告周期为 2026 年 10 月 19 日至 10 月 23 日。