报告周期:2026 年 11 月 9 日(周一)至 11 月 13 日(周五),5 个工作日、5 期日报;另含发布日(11 月 14 日)对 tile-ai 组织 30 仓库的 168 小时补充核查


第一部分 · 简报

本节为本周要点筛选,默认 800 字以内(本期 623 字);完整条目、逐笔清单与信源见第二部分存档。

本周五期日报记录合入 71、21、9、6、5 笔,主仓节奏由周初的 CUDA 原语转向周末清一色的昇腾善后。

  • PTO 善后期占据主仓:11-12 与 11-13 两期共八笔合入全部落在昇腾,仅 11-13 期五笔即 +1903/−617,四笔在收 #3512 的尾;PTO 默认执行后端切到 tvm_ffi,全核同步自动置批调度以避死锁。
  • 两波审计把「静默失效」扫到指令层:11-12 一日 30 条 issue 中 26 条指昇腾,11-13 换人再开八条,落点从参数校验下探到 T.simd 谓词工厂;十余笔校验类 PR 同步在审。
  • ROCm 首次成系列:11-13 一小时内连开七笔、22 文件 +624/−19,覆盖编译参数、启动界、占用率与寄存器驻留。
  • TileOPs 由「一天三批」转为「等评审」:五期合入 33、18、4、0、0 笔,性能项多数自评未达目标条,预算约束压到 SM89 的 101376 字节。
  • 版本一周未动:0.1.16 版本号 PR #3887 全周无推进,v0.1.15 已满 44 天;TileFoundry 完成 1491 文件重组。
  • RISC-V 四源连续六个窗口静默:四源之外的 Weft 线以 553/553 收尾,但口径当日换表,不能与上期 0.0580 倍并读。

本周判断:昇腾已是主场合入的绝对主体,瓶颈从开发量转到评审带宽与「声明与实现不一致」;1900 行昇腾改动与 7632 行 harness 内容都停在分支上,0.1.16 不发,下游就拿不到。


第二部分 · 存档

以下为本周完整正文,结构、口径与往期周报一致;简报中的每条判断都可以在这里找到逐条依据与信源。

素材来源:本刊每日 TileLang 社区动态 5 期(11-09、11-10、11-11、11-12、11-13)。11-09 期为跨周末 72 小时窗口(11-06 07:00 至 11-09 07:00,含周六周日),其余四期为 24 小时首尾相接,故五期行为事实区间为 11-06 07:00 至 11-13 07:00;11-09 期与上一期周报(截至 11-06 07:00)不重叠。发布日另做一次 tile-ai 组织 168 小时窗口补充核查(30 仓库,窗口内推送 12 个),用于确认各仓推送与版本状态,不改动日报已记录的事实。

编制说明:按本周要闻、核心项目进展、多后端适配、生态与采用方、社区教程与活动、趋势观察、附录七个维度组织。合入口径以各期日报记录的窗口为单位:11-09 至 11-12 期为组织级计数,11-13 期为主仓计数(该期另有三笔落在 mlir-ascend 的 harness 分支,未计入主仓数)。新开 issue 五期依次为 50、6、10、35、18 条,合计 119 条。非默认分支的合入(hygon distributed、mlir-ascend harness)在正文中逐笔注明分支,不与默认分支混计。


一、本周要闻

  • PTO 向量化改造的善后期贯穿全周,后两期八笔合入清一色落在昇腾(11-11 至 11-12):#3512 把 PTO 的向量化与整数类型体系一并换掉之后,主仓的合入连续四个窗口都在付回归账。11-12 期三笔为 #3516(PTO 目标默认执行后端切到 tvm_ffi,20 文件 +1549/−182)、#3776(AutoSchedule 用三条必要条件收紧周期下界,Z3 求解时间降 10.04%)、#3794(整数原子适配 signless 载体);11-13 期五笔为 #3614(跨核同步 mode=0 强制批调度,修全核屏障与多流抢核的死锁)、#3894(VMI 描述符与逻辑覆盖校验收口,+925/−550)、#3793(标量 cast 事实加保护)、#3796(保留显式 SIMD 并行循环)、#3792(整数原子符号兼容包装),合计 +1903/−617、22 处文件改动。四类问题的共同形态不是「新功能算错」,而是「改造之后原本合法的程序不再合法」,排查成本高在报错位置常落在一个与故障无关的标量或地址上。来源:https://github.com/tile-ai/tilelang/pull/3516、https://github.com/tile-ai/tilelang/pull/3614、https://github.com/tile-ai/tilelang/pull/3894

  • 昇腾前端两波系统性审计,把「静默失效面」从参数校验扫到指令编码(11-11 至 11-12):11-12 期一日新开 30 条主仓 issue,其中 26 条标题直接带昇腾前缀,来自两个账号成串提交(cn-sys 12 条、JINITAIMEI121 13 条);共性不是「算错」而是「不该通过却通过」——T.Kernel 接受零或负 block 数、T.alloc_l1 接受 2 GiB 分配、T.unroll 接受 −1 并吐出 #pragma unroll -1、负张量维度直接把编译器打崩、hf32 的 nearest_zero 编译成 NEAREST_AWAY、同型 ND 转 NZ 散射因掩码计数不回退而死循环。11-13 期换成 NebulaMao 在十几分钟内连开八条,落点更靠下:any_sync/all_sync 导出后留下未解析调用、int64 跨 warp reduce_sum 发出未定义的 HwReduce<SumOp,long>、update_mask/pintlv/pdintlv 不校验谓词宽度、T.simd.pge 悄悄退化成 pset_bXX、T.ascend_pipe_barrier("PIPE_V") 被静默丢弃。两轮合起来,昇腾前端的健全性缺口被从参数层一直摆到指令层。来源:https://github.com/tile-ai/tilelang/issues/3920、https://github.com/tile-ai/tilelang/issues/3992、https://github.com/tile-ai/tilelang/issues/3993

  • ROCm 侧一小时内成系列开出七笔,是本刊记录 ROCm 以来第一次成体系出现(11-12):七笔在 07:56 至 07:57 由同一作者连续开出,全部基于 72d986e1,22 文件 +624/−19:#3954 让 compile_flags 真正进 hipcc(此前只进缓存键);#3955 修 8 位整型向量广播发出 hipcc 拒收的 make_uint2/make_uint4;#3956 给小瓦片 T.gemm 补可读报错;#3957 让「每 SM 最小块数」在 HIP 上从丢弃变成按每 EU wave 数发启动界(gfx90a 上一个 fp16 GEMM 因 143 VGPR + 128 AGPR 被锁在一 CU 一块);#3958 给占用率报告补 blocks per CU 换算;#3959 修 wave64 上 64 线程归约白分配一块从不碰的 LDS;#3960 让 fp16 片段真正留在寄存器(HIP 中 uint2/uint4 是结构体,SROA 后每 lane 吃 80 字节 scratch)。六层覆盖,此前 ROCm 长期是「偶有一笔」。来源:https://github.com/tile-ai/tilelang/pull/3960、https://github.com/tile-ai/tilelang/pull/3957、https://github.com/tile-ai/tilelang/pull/3959

  • TileOPs 的产能与达标率彻底脱钩,共享内存预算成为硬约束(全周):五期合入依次 33、18、4、0、0 笔,其中 11-10 期 18 笔按时间分三批、每批 6 笔、每批 3 至 14 分钟落完,11 笔性能 PR 里 10 笔自评 Result: below bar,只有 #2882 的 BMM ping-pong 标 bar met——达标不是合入前提,写清根因与 A/B 才是。11-11 期四笔全在 DeltaNet,围绕 SM89 的 101376 字节共享内存做分流与缓冲复用:#2891 前向按 walk 下界分流、#2890 反向加 reuse 开关把 114944 压回 98560、#2889 测试按 cluster 与共享内存事实分流使 SM89 失败从 9 条降到 3 条。11-12 与 11-13 两期主线连续零提交,窗口内只剩五笔性能 PR 与一次 stats 分支刷新,处于「等评审」而非「在开发」。来源:https://github.com/tile-ai/TileOPs/pull/2882、https://github.com/tile-ai/TileOPs/pull/2890、https://github.com/tile-ai/TileOPs/pull/2891

  • TileFoundry 把不变量写成可检查对象,再用 1491 文件重组把规则强制下来(11-06 至 11-12):11-09 期三笔合入分别定义放置值语义(Split / Broadcast / Varying / Partial 四种状态与 B ⊔ V = V 合并规则,#293)、把 TMA 拷贝的共享操作数纳入 async-proxy 语义(#291)、把「调度覆盖旧数据之前仍需读旧数据」的顺序记进 LivenessMetadata.orders(#301,排不出顺序就抛 AnalysisError)。11-10 期的 #312 用一笔重排 1491 个文件(+41324/−42379),把导入、导出、命名、可变状态、分层五类规则写成 S1 至 S11 与 C1 至 C11,配 lint、ruff 与 import-linter 在 pre-commit 强制。代价是内部导入路径这一版会变,引用私有符号的脚本需跟着改。来源:https://github.com/tile-ai/TileFoundry/pull/293、https://github.com/tile-ai/TileFoundry/pull/301、https://github.com/tile-ai/TileFoundry/pull/312

  • 后端矩阵从「一家独进」变成多点同时开工,四种投入深度并存(全周):海光 distributed 分支合入 #36 分布式三件套(Block-Push 的 GEMM+AllReduce、Block-Push 的 GEMM+ReduceScatter、Block-Pull 的 AllGather+GEMM,6 文件 +2022/−0),另一条 tilelang-tileops-fix 分支一日十笔补 hipRAND 随机数与 cache_warmup;mlir-ascend 的 harness 分支一日三笔合入 +7632/−24(Ascend950 仿真 trace 工作流、算子设计指南与 Roofline 计算器、BMM 与 w4a8 示例),同期 #222 把 PR 门禁收为 Ascend 950 AscendC 单一基线;沐曦把 SDK 配套正式版推到 v0.1.12+musa.5、glibc 门槛提到 2.34;第三方 xwhzz/tilelang-hexagon 把 TileLang 推到高通 Hexagon NPU,LFM2-1.2B 在骁龙 8 Elite 的 v79 cDSP 上端到端跑通。厂商仓跟版本、发行版跟主线、fork 跟自己的硬件,分化本身就是依赖程度的指标。来源:https://github.com/tile-ai/tilelang-hygon/pull/36、https://github.com/tile-ai/tilelang-mlir-ascend/pull/221、https://github.com/xwhzz/tilelang-hexagon

  • 版本一周未动,1900 行昇腾改动与 7632 行 harness 内容都停在分支上(11-09 至 11-13):#3887([Release] Bump version to 0.1.16)自 11-09 03:07 更新后全周无任何推进,仍未合并;主仓 tag 最新仍是 09-30 的 v0.1.15,至本周五已满 44 天。四个仓窗口内均无新版本:TileOPs 为 10-27 的 v0.1.0、TileFoundry 为 10-25 的 v0.0.4rc1、tilelang-musa 为 09-30 的 v0.1.15+musa.1。本期合入的昇腾执行后端与回归清理,最早也要等下一个 tag 才能进下游发行包。来源:https://github.com/tile-ai/tilelang/pull/3887、https://github.com/tile-ai/tilelang/releases

  • RISC-V 四源连续六个窗口静默,四源之外的 CPU 线以口径切换收尾(11-07 至 11-13):kubuds/tilelang-riscv-kubuds 的两个 kubuds- 分支、RuyiAI-Stack/tilelang-riscv 的 MLIR 路线、TongmingLAIC/tilelang-riscv 索引页、TongmingLAIC/tilelang-tpu 的 SOPHGO 分支连续六个窗口全部停在原引用。四源之外,Tianchen-ai/tilelang-weft 在 11-11 把发布标签换成 weft-parity,553 项全部有匹配的 Triton 原生对照且满足「不超过 1.03 倍」,四平台 133/137/136/147 合计 553/553;对 543 例外部分参考的倍率中位为 SG2044 1.3598、K1 1.3176、K3 A100 1.6569、x86 1.2917。需要强调:这组数字不能与上一期的旧表(41 例快于参考、SG2044 中位 0.0580 倍)并读,跳变来源是被测对象从「作者手写程序」换成「共享 Canonical 编译器产物」。来源:https://github.com/Tianchen-ai/tilelang-weft、https://github.com/Tianchen-ai/tilelang-weft-bench


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),五期日报与发布日核查均未发现新 tag,至本周五已满 44 天。
  • #3887([Release] Bump version to 0.1.16)在 11-09 11:07 更新后即无动静,11-10、11-11、11-12、11-13 四期均记为「仍挂起」。
  • 组织内另三仓窗口内无新版本:TileOPs v0.1.0(10-27)、TileFoundry v0.0.4rc1(10-25)、tilelang-musa v0.1.15+musa.1(09-30)。
  • 版本相关的结构侧观察:#3490、#3605 两笔 CUDA 原语直接进主分支,#3903(进程并行编译)、#3897(CPU 侧 cumsum/cummax)仍在审,说明 0.1.16 的功能面还在增厚而不是收口。

编译器、语言层与执行路径

  • PTO 执行后端换代(#3516,11-11 合入,20 文件 +1549/−182):target="pto" 配 execution_backend="auto" 时解析为 tvm_ffi,共享 host codegen 负责 MakePackedAPI 与 C host,昇腾运行时用 aclrtLaunchKernelWithHostArgs 启动 PTODSL 编出的 aibin,路径与 AscendC 内核一致。设备构建侧新增模块级工具链回调,把整个 PTODSL 模块一次编译完成(ptodsl → ptoas → bisheng fatobj-link → 抽取 .aicore_binary),缓存键把 ptoas 参数、ptoas 版本与 CANN 身份一并算进去。旧路径保留为 execution_backend="pto",两套产出逐位一致;验证面含动态形状、多设备内核、cube/vector 混合 GEMM、缓存命中与损坏条目抛错等四组新测试。
  • AutoSchedule 收紧周期下界(#3776,1 文件 +20/−1):原先从一个固定下界起二分,改为取三条必要条件的最大值——单任务界用各任务启动间隔的最大值,资源团界对成对冲突任务按残余值排序后由相邻差与首尾差推出周期不小于团内启动间隔之和,自依赖界由 S_u - S_u >= wait - d*P 反解出 ceil(wait/d),版本相关距离按 num_stages 折算。实证在 Ascend 950PR、CANN 9.3.0 周版本上:昇腾示例全部编译通过且调度结果不变,Z3 求解阶段累计耗时降 10.04%。没有引入额外的下界探测,也没有改调度模型。
  • 跨核同步强制批调度以防死锁(#3614,5 文件 +102/−1,其中 78 行为回归):mode=0 是「有可用核就启动」,mode=1 是「等算子所需全部核资源到位再整体启动」。做全核同步的算子若在普通模式启动,可能只拿到部分核就先跑到全核屏障上等待,而它等的核正被另一条流占着——资源成环,设备挂死。改法是在 codegen 侧识别出「带常量 0 的跨核同步」后自动置 __schedmode__(1),并把该标志按函数重置以防泄漏。顺带把跨核 set/wait 的整数 mode_id 收窄到 0/1/2/4,并写明三个目标的模式集合并不一致(910B/910C 支持 0/1/2,950 才多出 4)。
  • VMI 描述符与逻辑覆盖校验一并收口(#3894,6 文件 +925/−550):修 typed view 的 gather/scatter 与单元素载入两类形态在构造描述符时基址与步长取错;同时删掉前端冗余的逻辑覆盖拒绝——删校验不是放松,而是共享内存检测器的修复(#3805)已落地,前端再拦一遍会误伤跨行、转置与动态视图。
  • CUDA 侧补两组指令级原语(11-10 合入):#3490(6 文件 +185/−1)补 L1 预取、uniform L1 预取与 L2 预取,并把驱逐优先级做成一等参数 EvictPriority(默认、普通驱逐、优先驱逐、最后驱逐、不改变、不分配六档),非默认优先级要求计算能力 8.0 以上;#3605(7 文件 +203/−1)新增 T.clamp_symmetric(x, limit),在 SM86 及以上把 FP16/BF16/FP32 统一钳到 [-limit, limit]、保留带符号零与次正规数,任一操作数为 NaN 时返回规范 NaN,实现直接降到单条 min.NaN.xorsign.abs,并以 SASS 里三种标量与打包形态的出现作验收证据。
  • TIRx 侧两笔先手加固(11-11 在审):tile-ai/tvm 的 #94([Fix][TIRx] Make ceildiv exact for signed divisors)与 #93([Arith] Guard negative scales in canonical split div/mod)在修同一类问题的两端——符号进入整除与取模后规范化的改写前提不再成立。同日主仓新开 #3937(嵌套 floor division 在负乘数下产出错误整数)指向同一处,区别是 #3937 为用户侧复现、#93/#94 为编译器侧先手。

正确性与缺陷修复

  • 静默错代码仍是主仓最重的一类:11-09 期新开 issue 群集中在「算错但不报错」——#3842(开启 warp specialization 后 pipeline 两轮之间的变量更新只在 consumer 分支生效)、#3870(被复制的并行循环里 fragment 的原子操作与读改写每个副本各做一次)、#3871(tvm_ffi 调用结束不恢复调用方设备)、#3877(NVRTC 路径下单参数 kernel 无法启动)、#3881(cython 路径动态共享内存超 48 KB 在第二台设备失败);CuTeDSL 的无符号语义连开三条(#3874/#3875/#3876),与上一窗口的 #3808、#3800 同型。
  • CuTeDSL 的功能覆盖与正确性边界反向拉开:#3685 一次补 63 个文件(+7075/−394),含 warp vote、块谓词屏障、显式宽度载入存储与缓存提示、TMA 与 cluster 拷贝、SM120 块缩放 MMA 与 NVFP4 GEMM 示例,并顺手修了 warp specialization 下夹在 pipeline 前的 T.fill 每轮重跑的老问题;同期的缺陷却全在边界上——多流并发下的 grid barrier(#3868,改用每次 cooperative launch 的 grid workspace 里的 barrier 字)、有符号整除(#3551,改按 arith.divsi 语义发 tl.truncdiv)、无符号原子与无符号缓冲。
  • Metal 从补算子转向补正确性边界:#3907 报一处静默越界——把 8x8 metal.simdgroup 矩阵拷到 8x1 输出时,编译器发射行步长为 1 的完整 simdgroup_store,覆盖输出之后的七个元素(Apple M4、tvm_ffi、关闭编译缓存,用备用存储作哨兵检出)。修复 #3912 不加运行时检查,而是在发射每条 SIMD-group 存储前要求算术分析器证明完整 8x8 足迹同时落在目的缓冲与请求区域内,证不出就在下沉期抛可读 ValueError。
  • 昇腾 PTO 的结构性限制:#3901 报同一内核里声明多个显式 Cube/Vector 区域时出现重复物理段错误,尚无修复 PR;#3909 把 #3802 在 CUDA 侧建立的 host-mapped 缓冲契约扩展到昇腾(14 文件 +529),此前 Ascend kernel 一律拒绝 CPU 张量参数。
  • CUDA 侧三笔新 issue 各有代表性(11-12):#3988 报 fp16 T.gemm 在 M=1、K 为奇数时走流水 cp.async 仍发出非法的 2 字节传输,0.1.15 与主干均可复现,而 #2365 当初修的回归形态是通过的;#3987 报 tl.LayoutInference 与 tl.LowerTileOp 耗时随 T.Parallel 中复用子表达式呈指数增长(对应修复 #3997 已在队列,同一回归从 34.89 秒、超 10 秒编译上限变为通过);#3996 报 T.Pipelined 带显式 order/stage 且拷贝经片段中转时报「Fragment buffer access with non-zero index [1]」,而该下标并不在用户程序里。
  • TileFoundry 的定价偏差被算子侧反复顶回(11-10):#318 用逐元素 clamp 在 H200 上做放置定价,指出 CTA 网格超出一波之后拆分输入的足迹被乘上波数,并注明同一行为在四条已关闭 issue 里报过、均被标 not planned、当前构建仍复现;#319 排一个 4096×7168×16384 的常驻 SM90 NT GEMM 一次给五条发现,最硬的一条是 check --help 说 bf16 有 8 位显式尾数、舍入界 2^-9,而 bf16 实际是 7 位显式尾数、单位舍入 2^-8,按它推出的 rtol 只有应有值的一半。分析器定价偏 26%(962.1 对 1213.6 GFLOP)不会让单个算子变慢,但会让自动选调度在边界网格上系统性选错。

CI、测试与工具链

  • CI 反馈回路的两处整修:#3911(1 文件 +2/−2)把 labeled/unlabeled 两类事件从触发器移除——CodeRabbit 会给新 PR 一次性打多个标签,此前会在几秒内产生多次完全相同的全量 CI 运行并被并发组逐个取消,而没有任何 CI 作业读取 PR 标签;同一笔把 ROCm runner 看门狗提到工作流超时之上,使 AMD 作业不再在 40 分钟被强杀。
  • 昇腾每日测试规模上到 3060 项:11-09 期四份报告为 3032 项全过(#1993)与 3060 项全过两份(#1995、#1996),另有一份工作流作业层失败(#1997,非用例失败);11-11 07:58 一次 3060 项全过(#2003);11-10 11:38 一次 3060 项全过(#2001)。测试规模上到 3060 项而合入连续多窗口为零,瓶颈在评审而不在开发。
  • 告警去重缺口:11-12 的 #2006(10:23)与 #2010(15:48)指向同一个 workflow run 43124767679,两条状态均为「测试遇到错误」,说明告警去重没按 run 号做。对照 11-11 那次 3060 项全过,本条只能记为「昇腾仓 CI 当日有一次失败并重复上报」,失败清单尚不可读。
  • 缓存命中路径的缺陷:#2002([Bugfix] Restore adapter library path when loading cached kernels)在审,修的是从缓存加载内核时 adapter 库路径未恢复,属「第一次跑对、第二次从缓存加载就找不到库」这类只在命中路径上出现的问题。

三、多后端适配

昇腾(tilelang-ascend 与 PTO)

  • 仓侧节奏:默认分支 ascendc_pto 自 11-06 七笔之后,11-09 至 11-12 四个窗口零合入,在审队列持续增厚(11-09 期 20 余笔、11-10 期 15 笔、11-11 期 9 笔、11-12 期十笔以上)。
  • 在审主题从「补算子」转向「补工具链接口与语义一致性」:#3892(AscendC 与 PTO 的 torch.compile 支持)、#3893(L0C 到 GM 拷贝里直接反量化 int32 累加器)、#3891(用 aclrtDeviceL2CacheFlush 刷 benchmark 的 L2)、#3894(PTO VMI descriptor 修复);算子侧为 #1970(PTO 与 AscendC 两条线补多头 Gated MLA 前向)、#1994/#2004/#1952(fla_chunk 的 inter、intra、intra_token_parallel 三件套)、#1605(Kimi Delta Attention 解码与分块预填充前向,目标 910B)、#1989(catlass 升到 v2.2.0)。
  • 示例与文档侧在补算子基准:#1558(rms_norm,20 例 cann-bench)、#1748(NMS,20 例)、#1607(GroupNorm,20 例)、#1677(sin/cos 文档串与测试)、#1732(两条后端支持 in-place 的 T.tile.silu/sigmoid)。
  • 11-09 期已合入的七笔仍在 ascendc_pto 上:#1949 张量移位量、#1959 PTO bitwise_xor uint8 workspace 形状、#1866 Chunk O 前向、#1802 Chunk O 反向、#1869 Sparse MLA Forward 的 SeeSaw、#1953 fla_chunk_o 示例与测试、#1990 每日测试 CI 通知接收人。

海光(tilelang-hygon)

  • #36 分布式三件套在 11-12 16:20 合入 distributed 分支而非 main:Block-Push 的 GEMM+AllReduce、Block-Push 的 GEMM+ReduceScatter、Block-Pull 的 AllGather+GEMM,6 文件 +2022/−0,性能数据与实现说明写在 README;选哪条路径取决于通信域大小与重叠窗口。main 与 v0.1.15-release 同引用,distributed 已单独走出 11-03 的 signal 原语、10-29 的 push-wave reduce-scatter 示例与本期的三件套。
  • #37([HCU] Support ds_read_vector Alt2 and inferred LDS layouts)11-12 11:21 开出,补 ds_read_vector 的第二种编码形态与可由约束推导的 LDS 布局,与 11-06 合入的 #34(reduction 侧 XOR shuffle 与布局约束传播)同一条线。
  • tilelang-tileops-fix 分支 11-12 15:41 至 21:14 落十笔:hipRAND 随机数、cache_warmup 内建、buffer loads rebase、运行时 trip count 下的收尾展开、8 位整型向量广播、cos/sin 内建分派、shuffle lowering 与 full-wave shuffle 归约,另有 __builtin_bit_cast 尺寸不等、fp64 截断、hexp 二义三笔编译期修复。这十笔即长期在审的 #27([Fix] Fix intrinsic lowering, precision, and integer vector codegen)的分支内容——海光侧目前是「一个长期 PR 承载一条开发线」的形态。
  • 11-09 期已合入两笔单卡能力:#33 scaled cast、#34 reduction 的 lane swap 与布局推断;同窗口 #35 报架构级问题——K500SM_AI(gfx928)在 HCU_MCPU_SET 里被声明支持、determine_target("auto") 也能识别,但 src/hcu/ 的 C++ 端普遍没有 gfx928 分支,于是「声明支持、实际编译不过」;报告者指出 gfx928 无 FP64、部分 Matrix Core 指令与 INT4。
  • 仓现有 15 个分支:feat/hcu-* 系列六条、distributed 一条、tilelang-tileops-fix 一条,工作面覆盖指令、通信、算子兼容三层。

mlir-ascend(MLIR 改写路线)

  • harness 分支一日三笔合入(11-12),合计 +7632/−24、64 处文件改动,全部不落 main 也不落 master:#220(14 文件 +1014/−12)Ascend950 仿真 trace 工作流(msprof 采集、MindStudio Insight 查看、同一次运行 dump 补 GET/RLS 事件、导出 npusim SQLite 做时间线,38 项既有测试在 WSL 上全过);#221(45 文件 +5178/−12)算子设计指南的可安装版本(阶段分解、SIMD/SIMT 选择、存储预算、瓦片流水,附 Cube MFU 与条件 Roofline 计算器,并把上游九份 TileLang Skill 资料另存快照以便离线读);#226(5 文件 +1440/−0)BMM 与 w4a8 的 Gemm 量化示例,同批另进一个 conv 示例。
  • #222(五个工作流文件 +7/−9)10:27 合入 master:只改每个工作流文件的 on: 块,把 PR 门禁收为「清洁代码 lint + Ascend 950 的 AscendC 一条线」,其余自建 NVIDIA、AMD gfx942、macOS 腿全部撤下。对下游的含义是该仓准入基线从此只有一代硬件,旧代昇腾的回归不再作为合并条件。
  • TL 方言一日补五个算子(11-12 17:49 至次日 05:45):#228 tl.xor、#229 tl.pow、#231 tl.print、#232 tl.sort、#233 tl.reshape,均建在 #203 引入的 TL_BinaryOp<...> 基类上,照 #218(and)与 #225(or)的模板铺开。分工上 tl.reshape 是纯视图算子(不带走目的操作数,落到 memref.reinterpret_cast)、tl.sort 落到 hivm.hir.vsort、tl.print 落到 hivm.DebugOp。
  • 11-10 期 #217(4 文件 +140/−16)合入 harness 分支:记录 hot 知识时同时保存证据快照、禁止同一审批编号批准不同条目、cooled 知识保存在临时工作区之外、知识目录出现损坏文件时提示并允许继续查看;验证口径 25 项 CPU 测试通过。11-11 期 #219 合入 harness,#223/#224 关闭、#225 以同内容重新提审(本地 ctest 14/14)。
  • 方言补面的意义在覆盖率:MLIR 路线要能承接上游 TIR 的全部常见算子,缺一个就得在 TIR 层绕开,绕开的地方就是与主仓行为分叉的地方。

沐曦(tilelang-metax)

  • 11-09 期唯一一次推送把 main 从 a35f8ddf 推到 64b52b4b,但 tip 提交是上游 #3760([Language] Reuse macro transformation templates,committer 日期 11-05),属上游同步、无自有适配提交——这是沐曦连续第四个窗口没有自有改动。11-10 至 11-12 窗口内均无合入、无 release,最近推送为 11-06(main 上一笔把上游 main 合进 dev 的 #162)。

摩尔线程(tilelang-musa)

  • tilelang-musa 窗口内无提交,最后推送 11-10;最新标签仍是 v0.1.14+musa.1(09-11)。但生态侧已进入实际工具链:11-06 摩尔线程的 Kimi-K3.1 Pro Day-0 公告里,迁移路径明确写着「通过 MATE 算子库、Triton-MUSA、TileLang-MUSA 及 MTCC 编译器,完成新架构关键计算路径的迁移与接入」。
  • 文档侧两笔改动值得记:#11 把 MUSA SDK 配套正式版从 v0.1.12+musa.2 推到 v0.1.12+musa.5、C 运行时要求从 glibc 2.28 提到 2.34(配套的 TVM FFI wheel 有此要求),并明确 SDK 配套包与开源 release 属两个渠道、不能互相替代;#12 把 README 安装段收敛为一组命令(+10/−49),修的是「重复的单包安装命令会让用户只装 TileLang-MUSA 而漏掉 TVM FFI」。三个版本号(开源 tag v0.1.15+musa.1、SDK 配套 v0.1.12+musa.5、release 页对照 v0.1.13+musa.1)需分别核对,不能只看主版本。

ROCm(HIP 后端)

  • 见「一、本周要闻」第三条。七笔中 #3957 的实测前提最值得留档:gfx90a 上一个 256×128×32 的 fp16 GEMM 编出 143 个 VGPR 加 128 个 AGPR、占用率 1,无论 LDS 还剩多少都只能一 CU 一块;#3960 的根因是 HIP 里 uint2/uint4 是结构体,向量拷贝进或出局部数组退化成 memcpy,SROA 之后数组仍留在栈上,clang 18 / ROCm 6.2.4 上一个跨循环驻留、每线程持 2 行 K 与 V 的 fp16 片段每 lane 吃 80 字节 scratch。

Metal

  • #3906([Metal] Resolve the auto execution backend to tvm_ffi)与 #3804(2D simdgroup fill 的区域偏移)在审,#3912 修 #3907 的静默越界。Metal 侧本月已是第三次出现在窗口内,从补算子转向补正确性边界,通常意味着开始有人真在 Apple 芯片上跑非玩具形状。

Sunrise(独立发行版)

  • 后端发行版仓 main 仍停在 10-23 的 fb7d3d62,窗口内动作只有一次 CI 分支的创建与删除:18:17:24 建 ci/sunrise-0.1.15-1.2.1-r6,18:18:44 删除,间隔 80 秒。分支命名给出的是版本组合:0.1.15 对应上游基线、1.2.1 从 10-19 候选分支名里的 1.2.0 升上来、r6 为第 6 次修订。说明该后端仍在跟主线走并按自己的节奏出修订版,只是本期停在构建而非提交。

RISC-V 后端与社区(专项观察)

  • 四源连续第六个窗口无变化(11-07、11-09、11-10、11-11、11-12、11-13 留档):kubuds/tilelang-riscv-kubuds(TVM 后端路线)两个 kubuds- 前缀分支停在 kubuds-riscv-karen fc62939、kubuds-riscv-mahiru 33e0c89,main 仅为上游同步;RuyiAI-Stack/tilelang-riscv(MLIR 改写,target="riscv")main 停在 57c548c;TongmingLAIC/tilelang-riscv(社区索引页)main 停在 4499c2a、表内项目无增删;TongmingLAIC/tilelang-tpu(算能 SOPHGO TPU)main 停在 303759f、feature/sg2260e-rv-support 停在 122bc59。按既定口径,脚本输出为空记为「无变化」,不视为采集失败;11-13 期查索引页 PR 时撞上匿名 API 限流,降级为仅比对引用。
  • 四源之外的 Weft 线(Tianchen-ai/tilelang-weft):上游 tilelang v0.1.15 的 fork,加入 Weft CPU 编程模型——在 TileLang 原生 AST 上增加 Encoding 字段与位层、逻辑轴与瓦片域、Level 与分阶段快照、有限位宽的分组 partials 与显式转换、每循环流水深度五类作者信息,再由一套共享物理 pass 同时覆盖 RISC-V 与 x86(同一份源码构造分别进入 RVV/IME 或 x86 SIMD/AMX 的落地路径)。11-10 窗口内该仓提交 17 笔、基准仓 tilelang-weft-bench 再提交 23 笔,集中在打包行解码(Q1/Q2/Q4_K/Q6_K/IQ3/IQ4)、IME1/IME2 记录级收缩、运行时 K 维归约与动态 rotary 遍历;11-11 把发布标签换成 weft-parity 并重写结果表与手册。
  • 两套口径必须分开读:11-10 期的旧表是「150 个算子 ID 构成 553 个平台用例、543 例有外部参考,数值检查 553/553 全过,快于参考实现仅 41 例,SG2044 中位 0.0580 倍」;11-11 的新表是「553 项全部有匹配 Triton 原生对照、逐项满足不超过 1.03 倍(SG2044 133/133、K1 137/137、K3 A100 136/136、x86 147/147),对外部参考的倍率中位 SG2044 1.3598、K1 1.3176、K3 A100 1.6569、x86 1.2917」。跳变来源写在提交标题里——「四平台共享编译器的性能继承」,即被测对象从「作者手写程序」换成了「共享 Canonical 编译器产物」,而不是同一份实现在一天内提速二十倍。引用时须写清这一点。
  • 对照本身出错的一处披露:K3 的两项 Q1 对照此前用的是保留的 Triton Canonical 程序,该程序在对 −128 取负时溢出——边界输入得到 −2048,正确结果应为 0。修复精确 I8 归约的共享编译器重新生成之后两种前端的产物都通过该输入;历史耗时保留在 triton_historical_us,修正说明写在 triton_control_note。
  • 技术路线仍需分清:Weft 走的是 TileLang 原生 AST 早期导入到自有 Canonical IR 的 CPU 路线,与 kubuds- 前缀分支延续的 TVM 后端、RuyiAI-Stack/tilelang-riscv 的 MLIR Linalg/SCF 改写都不是同一条实现,三者不可混为一谈。

四、生态与采用方

TileOPs

  • 节奏:五期合入 33、18、4、0、0 笔,是全组织最活跃的仓库,但后两期主分支连续零提交(头停在 9bf4bf56,11-10 09:59),窗口内唯一写入是 23:17 的 stats 分支刷新(chore(stats): refresh manifest stats from 9bf4bf56...)。上一期记录的五笔性能 PR(#2894 至 #2898)在 11-13 窗口内未出现在在审更新列表,说明既未合入也未继续推进。
  • 11-09 期 33 笔的能力分布:逐元素与归约侧 #2869(float32 倒数每线程两个 16 字节向量,1600 万行在 16 个内存放置里原本 12 个落后 torch.compile、最差比值 0.9917,改后一个都不落后)、#2867(比较行广播拆两轮、块数减半,16 位 ne 改单条 __hneu,修掉 logical_and/or 把 NaN 读作假,作者标注低于目标条)、#2851、#2862;归一化与注意力侧 #2866(8192 宽 RMSNorm 长启动改读两遍、每 warp 四行 256 宽)、#2846、#2848/#2854/#2843;GEMM 与量化侧 #2863、#2864、#2865、#2853、#2844、#2842;存储与池化侧 #2868(相邻 lane 交换 16 字节 int64 位置使每次 16 字节存储填满 32 字节 sector——vgg-block 原本 501760 个写入发出 900444 个 sector 并在 warp 退出时被 drain 卡住)。
  • SM89 支持面集中补齐(11-09 期):#2855 打开普通 FP8 变长 GQA kernel(warp specialization 实现仍限 SM90)、#2840 prefill sinks、#2845 dense decode sinks、#2841 对齐的 FP8 grouped GEMM;这批改动意味着 SM89(RTX 6000 Ada、L40S 一类)不再是「只能跑 CUDA 参考实现」的架构。作者对 #2855 主动声明「候选总在 Torch 之前跑,未控制执行顺序效应」。
  • 11-10 期 18 笔的边界修复:#2878 K=0 空收缩在 SM89 上报 OpNotAvailableError(test_gemm.py -m "smoke or sm89" 从 63 passed 6 failed 变为 66 passed 4 failed);#2876 变长 GQA 融合 RoPE 在旋转半宽被 padding 到不能整除线程数时挂死(新增 split_reads 把「读加旋转」与「写回」分两轮);#2880 float32 GLA 反向在 chunk 64 下需 114688 字节、SM89 只有 101376,改为在 dA 乘积之后组 dv 的状态项压到 98304,梯度与默认顺序逐位一致。
  • 性能口径的写法本身在变:#2886(Softmax 整行驻寄存器,每元素一次指数)与 #2871(指数换裸 MUFU.EX2 加一次行倒数,新增 exp_shifted_scaled 保证可舍入到非零 float32 的项仍是正规数)给出执行指令在 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;#2884(RMSNorm 64 线程块向编译器请求 SM 的 32 块常驻上限,否则 ptxas 给 40 个寄存器、H200 只保住 24 块、短行 warp 活跃度掉到 64%)与 #2870、#2885 三笔共同指向「每线程多少寄存器、每 SM 多少块、每块多少 dispatch」这组二阶参数。
  • 11-11 期四笔的共享内存闭环:#2891 前向在 chunk 128、dim_v 64 时 walk 的下界需 114688(dim_v 128 需 131072)、SM89 只给 101376,改为装不下就走只需 98560 的 recurrence;#2890 反向 w/u 加 reuse 开关,S、du、Aw 在最后一次读后接管 dh、v_new、Au 的缓冲,114944 压到 98560,另补算 _parallel_live_bytes 后 refusal 会让 SM90 也拒绝三笔主分支放过去却跑不起来的调用;#2889 先把 check_held_launch 放在按架构打叉之前,SM89 上四个测试文件从 40 通过 9 失败 3 跳过变为 35 通过 3 失败 14 跳过,单张 SM90 上 46 项全过。性能数字如实记录:#2891 在 SM89 上比 FLA chunk_delta_rule 慢 9% 至 41%,#2890 反向 1.530 毫秒对 FLA 1.554 毫秒(比值 0.98)。
  • 11-12 与 11-13 期的性能 PR:#2895 把沿 K 两分的 W4A16 瓦片改成一对 CTA 的 cluster,通过 st.async 在对端共享内存收 FP32 partial,chunked-prefill-tile 从 37.3 微秒降到 34.7;#2896 在其上叠手写 warp 特化主循环,降到 31.6 微秒、为 torch 反量化矩阵乘的 1.19 倍;#2894 把 DeepSeek-V3 prefill 的 stage_scales 从 1 改回 0,上投影 269.3 → 262.0 微秒、下投影 142.2 → 137.2 微秒;#2898 softmax 两 CTA cluster 标 bar met;#2897 long-K NT GEMM 选择器标 below bar,把「功耗墙下不能用周期数当判据」量化——176 宽瓦片比 DeepGEMM 少 2.7% 周期,但多 21% 的操数字节搬进 SM,于是跑在更低的时钟上。
  • 夜间队列已固化成看板:11-09 期三笔 CI 改动把跑分结果变成可执行队列——#2849 把性能差距队列写进 wiki 的 Perf Tracker、#2852 同步成 GitHub 项目看板、#2856 在算子追平后自动移到 Done;11-11 19:52 该仓 wiki 的 Perf Tracker 页被创建(对应一次夜间同步)。11-13 04:33 的 snapshots 分支落在 bench: 9bf4bf56... (run 43264767627),基准提交与当前主线头一致,因此这一夜测的是同一份未变代码,连续两晚的快照差异只可能来自环境波动。

TileFoundry

  • 11-09 期五笔合入之外,#290(isl 关系在常数乘积除子上保持精确,避免调度分析因整数近似误判)与 #288(把「已完成的部分归约」计入代价,修正此前按未完成计价的偏差)修的是分析器自己的近似。在审的 #292 要支持跨 CTA 的 Partial 归约与 split-K 调度,正好接上 #293 定义的放置语义——#293 已把跨 CTA Partial 限定在分配分析内,归约 lowering、多份 gmem 副本的运行时读取与 split-K 调度留给 #292;这条线若合入,TileFoundry 就能表达「一个张量按 CTA 切开、各写一份部分和、最后合并」这类分布式 GEMM 的常见形态。
  • 11-10 期源码规范重组后,zhen8838 在 02:42 一分钟内连开四条(#314 至 #317),全部按「读代码发现、未用程序复现」标注:JIT 缓存键只打印入口函数与拓扑、被调函数只以名字出现,两个入口文本相同而被调不同的 Module 会拿到同一个键;topology_level 未给时默认取第一个有效拓扑而不问目标哪些层级声明了 max_physical_units;深度小于 4 的循环按一次循环体时长推进游标而非整个循环跨度,循环之后的作业不等循环结束;passes.md §7.1 写明片上内存的被调返回值必须拷进调用方缓冲否则以 LoweringError 失败,但 convert_hir_to_tir 里没有对应的拒绝实现。
  • 11-12 期两笔修复在审:#323 修解析器丢掉起始为零的切片(用 Mesh 把 threads[0:16] 按 layout=(16,) 重标号时,若选择从偏移 0 开始,解析器构造新 mesh 时会把切片丢掉,下沉之后不再发 contains 守卫,于是该层每个线程都跑了这段区域;而直接写 with threads[0:1] as writer: 的形态保留切片、行为正确);#324 修 codegen 里的维度算术(循环边界来自 mesh 坐标时报 no codegen handler for DimMul on cuda.Target,共享标量渲染器处理比较但不处理维度算术,而三个 CUDA 发射器各自维护一份 + - * / % 表)。

topa(自治 kernel 工程流水线)

  • 11-09 期两天 15 笔合入,把「一轮」固化成命令:topa hunt 从 wiki 取最新一夜的性能差距队列,topa round start <Op> 起一轮「一个 agent、一块 GPU、一个算子」,topa round status 看每轮的 agent 与 PR,topa review prepare <PR> 按检查清单做评审。配套改动含 PR 体限制为 squash 提交携带的 Summary、给队列轮次带上该算子此前的尝试记录、PR 打开前用检查清单评审整份 diff、round stop --rm 清理本轮 worktree、CI 跑 Python 3.11 与 3.13 的单测与 ruff。这不是编译器改动,但它解释了 TileOPs 的 perf PR 为何能在两天里排到 33 笔。

采用方与第三方

  • 官方采用方两仓全周无推送:deepseek-ai/TileKernels 停在 10-14(2072★)、QwenLM/FlashQLA 停在 10-30(755★)。
  • 第三方仓:Index4NekoMeteor/Tilelang-AttnRes 用 TileLang 实现 Kimi K3 的 Attention Residual 架构(仅前向,测试环境 Windows 11 / 9800X3D / RTX 5080);kevin3113/models-tilelang 放 DeepSeek V4.1 Flash 的模型片段示例,其中 L0 的「Attention 输出 + FFN 前处理」由 7 个 ops-tilelang 算子串成;Atlas-Ascend-Fork/ops-tilelang(10-20 建,88 个公开仓)自述为「CANN 社区面向昇腾 NPU 的 TileLang 高性能算子仓」,11-09 19:57 与 11-12 14:23 各有一次推送,账号名带 Fork、非 tile-ai 组织也非昇腾官方组织,官方属性无法从仓库本身判断,只作线索记录。
  • Hexagon NPU 后端(第三方 fork):xwhzz/tilelang-hexagon 为高通 Hexagon NPU 增加 TileLang 后端,在骁龙 8 Elite 手机的 v79 cDSP 上开发与验证,把 T.copy、T.gemm、T.Parallel、T.reduce_*、T.Pipelined 编译成 HVX 向量代码、HMX 矩阵乘、VTCM 缓冲与 DMA 流,经 FastRPC 在 NPU 上执行。LFM2-1.2B 在 batch 1 下端到端跑在 NPU 上,prefill、decode 与采样全部由 TileLang 写成;投影为 4 位 GPTQ(每 64 列一个 fp16 scale),绑定的 embedding 与 head 为 8 位;设备上 WikiText-2 困惑度 16.68,bf16 参考 16.29。性能:decode 128 token 80.1 token/s(界 83 token/s,达界 96%)、prefill 1024 token 176.2 毫秒即 5813 token/s(界 129 毫秒,达界 73%),取 bench.py 五次运行中位,计时含 FastRPC 调用开销、不含分词与 PC 往返。README 另写明这套后端与模型是「在维护者指导下由一个 AI 编码 agent 重写的」,2026-10-26 至 10-29 之间提了 75 个 PR,占当前代码、测试与文档的八成以上。

五、社区、教程与活动

  • 文档站:tilelang.github.io 在 11-06 至 11-08 有六次 Update docs(对应主仓本轮的 kernel 命名、多源缓存与 CuTeDSL 示例),发布日核查显示其最近推送为 11-11;TileOPs.github.io 11-09 与 11-10 各有一次推送。TileOPs-nightly 的 snapshots 分支按夜自动写入,与真正的代码提交在「窗口内推送」统计里长得很像,需按分支区分。
  • 新闻侧全周五期零命中:Google News 中英文查询(含「TileLang」「TileLang OR tile-ai」「TileOPs 或 TileRT」等组)按发布时间过滤后窗口内均为零,最新命中仍停在 10-28 的财富号文章与 10-21 的 SemiAnalysis;Hacker News 的命中全为同名噪音(Emma 实时视频人格、Vibe Slopped Cryptography、Senior Pipeline Crisis、LimbaKit、Monoprint、VoxaDub、tag 分类工具、项目排行站等);arXiv 上 all:"TileLang" 共 10 条,最新一条仍是 11-03 的分离式推理 KV 压缩论文 v2。新闻侧连续多日零命中属 TileLang 的常态:项目传播主要走 GitHub 与开发者社区,不在新闻索引里。
  • 11-06 摩尔线程完成 Kimi-K3.1 Pro Day-0 适配:基于 MTT S5000 与 MUSA 完成 3 万亿参数、100 万上下文的适配,打通模型加载、服务启动与文本/图片推理链路;官方说明写明用 SGLang-MUSA 承接上游实现,并用 MATE 算子库、Triton-MUSA、TileLang-MUSA 与 MTCC 编译器完成关键计算路径迁移,稀疏注意力 DSA 的索引选择、KV 缓存布局与 Prefill/Decode 路径也在适配范围内。公开报道提到验证配置为 6 台服务器、每台 8 张 S5000 共 48 卡,公告本身未披露吞吐与并发数字。
  • 同日的传闻需标注:Foro3D 11-06 的英文稿称 DeepSeek 计划在华为昇腾 950DT(Atlas SuperPoD)上从零训练约 8 万亿参数的 V5,并称软件栈用 TileLang、DeepGEMM-Ascend 与 FlashMLA 把 MFU 提到 45%、采购规模 16 万片。DeepSeek 官方并未公布 V5 计划,公开可查的最新仍是 V4.1 系列(V4.1-Flash 与 10-17 的 V4.1-Flash-1017),第三方追踪站也把 V5 标为未发布,只能作为传闻记录。
  • 邻近技术动态(11-10):Meta 工程博客发布《How We Built TLX: A Hardware-Native GPU Compiler for Production ML at Scale》,讲的是 Triton Low-Level Extensions——在 Triton 的块式编程模型之上补显式 warp-group 与 cluster 级编排,让开发者用到 warp 特化、异步搬移、tensor memory 这类执行侧能力而不放弃 Triton 的开发速度;文中给出三条已在生产运行的去向(推荐系统训练、推荐系统推理、大规模 LLM 预训练)与一张 10 个月内 Meta 内部内核数量增长的图(Triton 内核数增长约 3.8 倍、CUDA 约 2.0 倍)。它与 TileLang 是同一条赛道的另一种解法:TLX 从 Triton 向下补显式编排,TileLang 从瓦片级 DSL 向上补自动调度与多后端。此项非 TileLang 项目动态,只作对照记录。

六、趋势观察

第一,大改造的善后期比改造期更长,成本落在「原本合法的程序不再合法」上。#3512 把 PTO 的向量化与类型体系一起换掉之后,连续四个窗口都在补它的回归面:执行后端换默认(11-11)、整数原子(11-11、11-12)、显式 SIMD 并行循环与标量 cast 事实(11-12)、VMI 描述符(11-12)。这四类问题的共同点不是「新功能算错」,而是「旧写法编译不过或结果变了」。对编译器项目,这类回归的排查成本远高于新功能的 bug——报错位置常常落在一个与故障无关的标量或地址上,堆栈里看不出是谁先装错了假设。

第二,昇腾的瓶颈已从「能不能编译」移到「声明与实现是否一致」,而评审带宽是这条线的硬上限。十月的 14 条静态缺陷之后,本周两波审计把缺口从参数层扫到 T.simd 指令层,形态几乎全是「声明支持但实现走了另一条路」或「本该拒绝却静默通过」;而相对应的修复 PR 有十余笔同时在审。tilelang-ascend 默认分支四个窗口零合入、在审队列却持续增厚,3060 项每日测试全过——测试覆盖的是合法路径,非法路径的拒绝能力得靠审计。真正的验收应该从「通过率」换成「声明与实现的生成式对齐」:从 HCU_MCPU_SET 生成后端必须覆盖的架构清单,从 intrinsic 注册表生成 dtype/位宽支持矩阵。

第三,后端矩阵从「一家独进」变成四点同时开工,投入深度分成四类。本期主仓八笔全在昇腾,但同窗口 ROCm 一次开出七笔成系列、海光一条分支一天十笔、Sunrise 在走发布流水线(ci/sunrise-0.1.15-1.2.1-r6 建删 80 秒)、Hexagon 以个人 fork 的形式把 TileLang 推到手机 DSP。四种形态(上游内置后端、厂商适配仓、独立发行版、第三方 fork)对应四种投入深度,这个分化本身就是判断各厂商依赖程度的可用指标:厂商仓跟版本、发行版跟主线、fork 跟自己的硬件。

第四,TileFoundry 的定价缺口在被算子侧反复顶回,这比单个算子变慢更危险。#318 明说同一行为在四条已关闭 issue 里报过、都被标 not planned、当前构建仍复现;#319 一次给五条且带 962.1 对 1213.6 GFLOP 的偏差(26%);bf16 的尾数口径在 check --help 与硬件事实之间差了整整一位。分析器是 TileLang「先定价再选调度」路线的前提,定价偏 26% 会让自动选择在边界网格上系统性选错。这类缺口不会让任何单个算子变慢,但会让自动化安静地做错决定。

第五,「给 agent 用的工程化」开始成规模出现。mlir-ascend 的 harness 分支一日 +7632 行,内容是技能库、仿真 trace 流程与 Roofline 计算器,服务对象是「写算子的人或 agent」而不是编译器本身;同一周,Hexagon fork 的 README 直接写明后端与模型由 AI agent 在维护者指导下重写、四天 75 个 PR 占当前代码八成以上。两件事方向一致:TileLang 这类 DSL 的抽象层恰好落在「agent 能写对」的粒度上,于是生态开始为 agent 铺工具链,而不是只为人铺文档。这一条值得按周跟。

第六,RISC-V 四源连续六个窗口静默,与整体活跃度形成明显反差,但差距的量化方式本周变了。TVM 路线、MLIR 路线、社区索引页、算能 TPU 四个上游全部停在原引用;四源之外那条 CPU 线在 11-11 换口径后给出 553/553 落在 Triton 1.03 倍内的结论,但同一批用例在前一天还是「41 例快于参考、SG2044 中位 0.0580 倍」。两套数字都不是造假,差别在于被测对象是「作者手写程序」还是「共享编译器产物」。真正的观察点是:这套「同一编译器、两套前端」的做法能否反向进入上游,以及 RVV/IME 路径是否会被四源之外的项目先跑通。停滞不是没人做,而是官方四源还没有形成「自动发现差距、自动验证、自动排队」的回路。


附录:素材与核查说明

信源核查表

信源 核查结果
tile-ai 组织逐仓(30 仓库) 发布日 168 小时核查:窗口内推送 12 个(tilelang、TileOPs、TileFoundry、tilelang-ascend、tilelang-hygon、tilelang-mlir-ascend、tilelang-musa、tilelang-sunrise、TileOPs-nightly、tilelang.github.io、TileOPs.github.io、topa)
主仓 tile-ai/tilelang 五期合入 8、1、3、3、5 笔;11-13 期五笔即 +1903/−617、全部昇腾;新开 issue 五期依次 50、6、10、35、18 条
TileOPs 五期合入 33、18、4、0、0 笔;11-13 期 stats 分支一次刷新;主线头 9bf4bf56(11-10 09:59)
TileFoundry 11-09 期五笔合入;11-10 期 #312 1491 文件重组;11-12 期 #323/#324 在审;无新版本
topa 11-09 期两天 15 笔合入;无 issue、无 release
tilelang-ascend 默认分支 ascendc_pto 自 11-06 起四个窗口零合入;在审队列持续增厚;每日测试 3032 / 3060 项全过各期有记录,11-12 有一次失败并重复上报(同一 run 43124767679 两条告警)
tilelang-hygon distributed 分支合入 #36(+2022);tilelang-tileops-fix 分支一日十笔;#37 在审;#27 长期承载一条开发线
tilelang-mlir-ascend harness 分支合入 #217、#219 与三笔(+7632/−24);master 合入 #222 门禁收敛;TL 方言五个算子在审
tilelang-metax 11-09 期推送为上游同步(tip 为 #3760),无自有提交;最近推送 11-06
tilelang-musa 合入 #11(文档 +24/−24)与 #12(README +10/−49);窗口内无代码提交;最近标签 v0.1.14+musa.1(09-11)
tilelang-sunrise main 停在 10-23;ci/sunrise-0.1.15-1.2.1-r6 建后 80 秒删除
发布页(tilelang / TileOPs / TileFoundry / musa) 全周无新 tag: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 #3887 自 11-09 03:07 起挂起
采用方 TileKernels / FlashQLA 全周无推送(10-14 / 10-30)
TileLang×RISC-V 四源巡检 连续六个窗口无变化;11-13 期索引页 PR 接口限流,降级为仅比对引用
第三方 TileLang–Weft / weft-bench 11-10 窗口 17 笔与 23 笔提交;11-11 发布 weft-parity,553/553 落在 Triton 1.03 倍内;K3 Q1 旧对照的 −128 溢出已披露并修正
第三方 Hexagon NPU xwhzz/tilelang-hexagon 11-10 与 11-12 各有推送,LFM2-1.2B 端到端跑通,decode 80.1 token/s、prefill 176.2 毫秒
第三方 ops-tilelang Atlas-Ascend-Fork/ops-tilelang 11-09、11-12 各一次推送;官方属性未核实
Google News(中英文多组)/ Hacker News / arXiv 五期均为零命中;HN 命中全是同名噪音;arXiv 最新相关仍为 11-03(超窗)
邻近技术动态 Meta TLX 博文 11-10 发布,属同赛道对照,非 TileLang 项目动态

完整信源清单

核查说明

  1. 本期覆盖 2026 年 11 月 9 日至 13 日五个工作日、五期日报。11-09 期为跨周末 72 小时窗口(11-06 07:00 至 11-09 07:00),其余四期为 24 小时首尾相接;11-09 期与上一期周报(截至 11-06 07:00)不重叠。
  2. 合入数、在审数与新 issue 数以各期日报记录的 GitHub 检索真值(is:merged、is:open、created)为源,并与逐仓主分支提交交叉核对。11-09 至 11-12 期为组织级计数,11-13 期为主仓计数(该期另有三笔落在 mlir-ascend 的 harness 分支,未计入)。
  3. 非默认分支的合入已在正文逐笔注明分支:hygon #36 落 distributed、hygon tilelang-tileops-fix 分支十笔、mlir-ascend #217/#219/#220/#221/#226 落 harness、mlir-ascend #222 落 master、TileOPs stats 与 TileOPs-nightly snapshots 各一笔——这些仓的 main 在相应窗口内为零提交,按分支查才看得到。
  4. 性能与内存数字均取自各 PR 正文的表格与 Result: 行,未作二次换算;未达目标条(below bar)与慢于对照实现(如 #2891 在 SM89 上比 FLA 慢 9% 至 41%)的情形按原文保留。
  5. 第三方 Weft 线的两套口径已分列并说明切换原因,旧表(41 例快于参考、SG2044 中位 0.0580 倍)不与新表(553/553、中位 1.29 至 1.66)混用;K3 两项 Q1 对照的旧 Triton 产物在 −128 取负时溢出一事按基准仓披露记录。
  6. 新闻侧五期均为零命中,无外部报道可对本周的项目进展作交叉验证;摩尔线程 Day-0 一条来自官方公告转述、含具体迁移路径,Foro3D 一条为二手转述且 DeepSeek 官方未公布 V5 计划,报告中已标注为传闻。
  7. 采集侧局限:本周多个窗口的 GitHub 匿名 API 额度在早期耗尽,PR 正文与合入详情部分改由检索接口、分支级 atom 流与 diff 端点补齐,个别 PR 的文件数与行数为接口返回值,未逐行复核 diff;RISC-V 四源巡检在 11-13 期因索引页 PR 接口限流降级为仅比对引用。
  8. 本报告不包含任何本机路径、代理地址或内网信息;所有链接均为公开可访问地址。