調研視窗：2026-10-19 07:00 ~ 2026-10-20 07:00（北京時間，24 小時）。

信源：GitHub（tile-ai 組織 29 倉庫推送全量核查，視窗內 9 個倉庫有推送：TileOPs、TileOPs-nightly、TileOPs.github.io、tilelang、tilelang.github.io、TileFoundry、tilelang-ascend、tilelang-hygon、tilelang-mlir-ascend；組織視窗內合併 36 筆〔TileOPs 19、tilelang 11、TileFoundry 3、TileOPs.github.io 1、tilelang-ascend 1、tilelang-mlir-ascend 1〕、在審 52 筆〔tilelang 24、tilelang-ascend 15、TileOPs 11、tilelang-hygon 2〕；非預設分支逐查〔ascendc_pto、snapshots、stats〕）+ 釋出頁與版本檔案核查 + 規格統計分支核查 + 採用方倉核查（TileKernels / FlashQLA）+ 社群倉核查 + 夜間流水線核查 + Google News 中英文多組查詢（走代理）+ Hacker News + arXiv。

本期索引

  • 今日重點：SM89 一日兩筆 GEMM 轉正，TileOPs 規格與基準覆蓋雙報 205/205，主倉把 Windows ARM64 納入 CI（10-19）
  • 一、核心專案進展
    • 1.1 主倉：Windows ARM64 進 CI，CUDA 13.4 arm64 裝包與 clang 相容層（#2962）（10-19）
    • 1.2 主倉：共享緩衝上的 T.cumsum 在 warp 特化下補執行緒偏移（#3536）（10-19）
    • 1.3 主倉：call_extern 的裸 data 變數保守標記為寫入（#2618）（10-19）
    • 1.4 主倉：lower trace 拆分宿主與裝置原始碼，改可編輯基線（#3496）（10-19）
    • 1.5 主倉：Autotuner 透傳 profiler 引數、ROCm FP4 常量列印與兩筆 CI 維護（#3337 / #3548 / #3565 / #3567）（10-19）
  • 二、多後端適配（昇騰 / 沐曦 / 海光 / 摩爾執行緒）
    • 2.1 昇騰：宿主運算元與裝置核心在 msprof 下建立關聯（#3321）（10-19）
    • 2.2 昇騰：VF 域外標量 sqrt 走標準數學庫、PTO Ramp 按型別化向量發射（#3466 / #3535）（10-19）
    • 2.3 昇騰：四個逐元素運算元的中文 API 文件與用例補齊（#1657）（10-19）
    • 2.4 昇騰在審佇列 15 筆：GLM-5.3 壓縮運算元與三條反向運算元（10-19）
    • 2.5 海光：在審兩筆把 MLS 視窗常量 K 與暫存器流水線補齊（#25 / #18）（10-19）
    • 2.6 沐曦 / 摩爾執行緒 / MLIR-Ascend：兩側無新推送，MLIR 線修 TVM 隔離（#204）（10-19）
  • 三、生態與採用方（TileOPs / TileFoundry / 運算元庫）
    • 3.1 TileOPs：SM89 塊縮放 FP8 分組 GEMM 與 INT8 W8A8 同日合入（#2659 / #2655）（10-19）
    • 3.2 TileOPs：五筆 foundry 運算元補齊 MLA 分頁、KV 寫入與融合歸一化（#2642 / #2635 / #2639 / #2634 / #2651）（10-19）
    • 3.3 TileOPs：GQA 分頁 FP8 前向轉 implemented，36 例對標 FA3（#2648）（10-19）
    • 3.4 TileOPs：線性注意力與 GEMM 的逐點位效能收口系列（#2650 / #2645 / #2637 / #2636 / #2641 / #2640 / #2646 / #2652）（10-19）
    • 3.5 TileOPs：Mamba-1 選擇性掃描落地，MoE 路由列舉加收斂上限（#2638 / #2653）（10-19）
    • 3.6 TileOPs：規格與基準覆蓋雙報 205/205，夜間報表新增運算元欄（#2656）（10-19）
    • 3.7 TileFoundry：Apple AMX 支援與 Qwen 預填充示例跑通 M2 Pro（#244 / #240 / #245）（10-19）
    • 3.8 採用方與夜間流水線：TileKernels / FlashQLA 無推送，快照推進至 10-20（10-20）
  • 四、社群、教程與活動
    • 4.1 文件：六個新運算元寫入 API 頁，主倉文件站自動更新（#77）（10-19）
    • 4.2 社群倉：W4A16 kernel 實踐倉與 CUDA 除錯技能倉進入視野（10-19）
    • 4.3 版本線：主倉 0.1.15 仍未換代，TileOPs 繼續鎖 0.1.12（10-19）
    • 4.4 媒體與學術：新聞檢索三條命中均非直接相關，arXiv 無新論文（10-19）
  • 五、趨勢觀察
    • 5.1 SM89 成為新運算元的預設落點
    • 5.2 線性注意力固定成「每 chunk 一次矩陣乘 + 按 SM 波次選策略」
    • 5.3 TileFoundry 走出 CUDA：Apple AMX 與 Qwen 預填充
    • 5.4 可觀測性成為編譯器硬化主線
    • 5.5 昇騰運算元庫轉向對話模型專用運算元
  • 附：素材與核查說明
  • 完整信源清單

今日重點：SM89 一日兩筆 GEMM 轉正，TileOPs 規格與基準覆蓋雙報 205/205，主倉把 Windows ARM64 納入 CI（10-19）

本視窗主機位仍是中國時間夜裡活躍：組織內合併 36 筆，TileOPs 獨佔 19 筆，其中 SM89（Ada 級）的塊縮放 FP8 分組 GEMM 與 INT8 W8A8 GEMM 同日落地，配合五筆新運算元把 MLA 分頁、KV 快取寫入、QK-Norm-RoPE 融合與逐 token 量化 RMSNorm 一次補齊；組織規格統計分支隨即重新整理為「已實現 205/205、已基準 205/205」，即運算元庫自述的規格覆蓋與基準覆蓋同時滿格。主倉 tilelang 合併 11 筆，分量最重的是把 Windows ARM64 納入釋出流水線（12 檔案、CUDA 13.4 arm64 安裝指令碼與 clang 相容頭），另有兩筆正確性修復（共享緩衝上的 T.cumsum、call_extern 寫入標註）和一筆除錯基建改造（lower trace 拆分宿主與裝置原始碼）。後端側，昇騰把宿主演運算元與裝置核心在 msprof 下對上號，海光兩筆在審補暫存器流水線與常量 K 定址，TileFoundry 則首次把 Qwen 預填充示例搬到 Apple M2 Pro 的 AMX 單元上跑通 128 token。

一、核心專案進展

1.1 主倉：Windows ARM64 進 CI，CUDA 13.4 arm64 裝包與 clang 相容層（#2962）

該筆把 Windows on ARM 作為正式構建目標接進發布流水線：新增 PowerShell 安裝指令碼，從 NVIDIA 預釋出通道拉取 CUDA 13.4 的 windows_arm64 本地安裝包並落到固定路徑；新增 CMake 的 FindPipCUDAToolkit 模組與 windows_arm64_clang_compat.h 相容頭，解決 MSVC 工具鏈在 ARM64 上的標頭檔案與內建差異；同步調整 pyproject 與兩份 requirements，並改動佈局模組與 MSVC 輔助模組以適配新平臺。共 12 檔案、新增 356 行、刪除 45 行。此前組織側已連續補 ROCm 與昇騰兩端，這筆把 Windows ARM64 補成第三個非 x86 交付面，對採用驍龍 X 系列筆記本做本地核心開發的使用者是直接可用性改進。

來源：tile-ai/tilelang#2962（10-19）

1.2 主倉：共享緩衝上的 T.cumsum 在 warp 特化下補執行緒偏移（#3536）

warp 特化把生產者與消費者分到不同 warp 後，掃描類原語在共享緩衝上算出的執行緒號仍按整塊 CUDA 塊計，導致 cumsum 的行歸屬錯位。改動在 CUDA 與 HIP 兩套 scan 模板中引入 thread_offset 引數，由下層引數中的執行緒下界（thread_bounds 的最小值）傳入，模板據此把 lane 與行索引重新對齊；後臺通用實現與 Python 側用例同步更新，共 4 檔案、新增 101 行、刪除 38 行。這類問題只在實際啟用 warp 特化且緩衝落在共享記憶體時暴露，屬規模化使用後回灌的邊界條件。

來源：tile-ai/tilelang#3536（10-19）

1.3 主倉：call_extern 的裸 data 變數保守標記為寫入（#2618）

只讀引數標註原先靠別名分析判斷緩衝是否被寫，但外部呼叫（call_extern）透過裸指標寫入時分析看不到寫操作，被誤判為只讀後恆定摺疊或提前複用。改動在該 pass 中專門識別 call_extern，把其裸資料變數一律保守標記為已寫，並新增 69 行用例覆蓋「call_extern 寫輸出緩衝」的寫法。方向上是寧可少做最佳化也不做錯最佳化，與近期主倉一批正確性修復同調。

來源：tile-ai/tilelang#2618（10-19）

1.4 主倉：lower trace 拆分宿主與裝置原始碼，改可編輯基線（#3496）

除錯工具 lower trace 原先只落一份生成原始碼，宿主側包裝與裝置側核心混在一起，改一處難以回滾。改動把兩側拆成獨立產物：裝置側輸出 codegen_device.cpp 及其 .original 基線與 .latest 最新版，宿主側在宿主程式碼生成執行時另出 codegen_host.cpp 與同結構的基線檔案，report.html 以軟連結指向最近一次執行；文件同步改寫編輯與重編譯流程，共 6 檔案、新增 121 行、刪除 63 行。

來源：tile-ai/tilelang#3496（10-19）

1.5 主倉：Autotuner 透傳 profiler 引數、ROCm FP4 常量列印與兩筆 CI 維護（#3337 / #3548 / #3565 / #3567）

#3337 僅三行，但修的是自動調優的度量口徑：裝飾器上的 warmup、rep、timeout 此前沒有傳給調優器，使用者在裝飾器上改這三個引數實際不生效，現在按引數透傳。#3548 補 ROCm 側 FP4（e2m1）浮點常量的列印，因該型別只有按原始位元組構造，改為在裝置端經輔助函式從 float32 轉換生成常量，避免 HIP 程式碼生成報錯。另兩筆為維護性改動：cibuildwheel 版本從 4.2 升到 4.3，以及為 ROCm 線增加一名 CodeRabbit 審查人。

來源：tile-ai/tilelang#3337、#3548、#3565、#3567（10-19）

二、多後端適配（昇騰 / 沐曦 / 海光 / 摩爾執行緒）

2.1 昇騰：宿主運算元與裝置核心在 msprof 下建立關聯（#3321）

昇騰側的 profiler 此前只能報出裝置核心耗時，宿主演運算元與核心之間沒有對應關係，自動調優拿到的樣本無法歸因到具體呼叫。該筆新增原生 profiling 通道：構建時探測 CANN 的 profiling 頭（相容 msprof 與 profiling 兩種安裝佈局），裝了就啟用、沒裝則跳過，不引入面向使用者的編譯開關；執行時側補 ascend_profiling.h 與主機側 profile 模組，把宿主演運算元的下發與裝置核心的執行按呼叫序對應起來，並讓分組編譯路徑複用同一套上報。共 13 檔案、新增 676 行、刪除 13 行，是昇騰線度量能力的一次結構補齊。

來源：tile-ai/tilelang#3321（10-19）

2.2 昇騰：VF 域外標量 sqrt 走標準數學庫、PTO Ramp 按型別化向量發射（#3466 / #3535）

#3466 處理標量 sqrt 落在向量化域（VF）之外的情形：下層原本統一把它降為 sqrtf，但在標量核上該實現不可用，改動在域外且型別為 float32 時改走 AscendC::Std::sqrt，並按需引入標準數學頭，新增 126 行含用例。#3535 修 PTO 程式碼生成中 Ramp 表示式的發射方式，改為由各 lane 表示式組裝型別化向量，用例覆蓋並行索引與顯式步長兩種 Ramp 的向量化儲存生成與執行。

來源：tile-ai/tilelang#3466、#3535（10-19）

2.3 昇騰：四個逐元素運算元的中文 API 文件與用例補齊（#1657）

昇騰適配倉把 T.tile 下的 relu、leaky_relu、sigmoid、silu 四個逐元素運算元補齊中文 API 文件，寫明功能、引數、返回值與典型用法（例如 leaky_relu 的負斜率語義），並同步補測試用例與文件入口，共 6 檔案、新增 451 行、刪除 19 行。這是昇騰線少見的以文件為主體的合入，說明該倉的運算元面已進入需要對外承諾語義的階段。

來源：tile-ai/tilelang-ascend#1657（10-19）

2.4 昇騰在審佇列 15 筆：GLM-5.3 壓縮運算元與三條反向運算元（10-19）

昇騰倉是本視窗在審最集中的地方（15 筆）。運算元側出現明顯的對話模型取向：GLM-5.3 的 kpool 壓縮運算元（#1910）、KDA 的 chunk 反向（#1895）、indexer 反向（#1887）、situ_glu 及其梯度（#1891 / #1877）。示例側補 cann-bench 的 lstm 與 gru 兩條（#1892 / #1902）。編譯器側兩筆屬穩定性：#1907 在 UB 到 L1 的暫存中保留塊註解與 ND 偏移，#1903 修併發核心快取的釋出與快取被刪後的恢復。另有五筆針對位運算運算元的 API 事實核對（#1651 / #1655 / #1656 / #1659 / #1893），其中 #1893 是上週被回退後的重新提交，其餘四筆為新增核對。

來源：tile-ai/tilelang-ascend#1910、#1895、#1887、#1891、#1907、#1903（10-19）

2.5 海光：在審兩筆把 MLS 視窗常量 K 與暫存器流水線補齊（#25 / #18）

海光倉預設分支視窗內無合入，但兩筆在審都有實質推進。#25 修 MLS 資源提升在迴圈展開後丟失常量視窗偏移的問題：先校驗未更新軸再決定採用單軸更新或前向差分定址，必要時保守重建視窗，並在既有 MLS 測試中補回歸。#18 為 HCU 後端加暫存器流水線，可與既有的共享記憶體流水線疊加，按流水級插入對應的提交與屏障指令，並在 warp 數超過 4 時啟用 warp_diverge；PR 自述 example_gemm 的效能已接近 rocblas。

來源：tile-ai/tilelang-hygon#25、#18（10-19）

2.6 沐曦 / 摩爾執行緒 / MLIR-Ascend：兩側無新推送，MLIR 線修 TVM 隔離（#204）

tilelang-metax 最後推送停在 10-16，tilelang-musa 停在 09-30，兩者視窗內均無提交，屬正常靜默。tilelang-mlir-ascend 合入一筆 TVM 隔離修復（#204），處理該倉與 TVM 名稱空間、符號可見性之間的相互汙染，規模不大但直接影響多後端共存時的連結穩定性。

來源：tile-ai/tilelang-mlir-ascend#204（10-19）

三、生態與採用方（TileOPs / TileFoundry / 運算元庫）

3.1 TileOPs：SM89 塊縮放 FP8 分組 GEMM 與 INT8 W8A8 同日合入（#2659 / #2655）

#2659 把塊縮放的 FP8 分組 GEMM（MoE 場景）擴到 SM89：四套顯式配置、六條含複製的基準用例，測試覆蓋未知鍵、非法 tile 尺寸、掩碼計數與 slab 尾塊、調優、輸出別名、非對齊輸入、空閒專家保持與輸入不可變，兩套 TileLang 基線（0.1.12 與 0.1.15 開發版）各 35 項透過；用例從原來的 42 項增至 77 項，新增 12 項 SM89 用例。#2655 在同一架構上啟用 INT8 W8A8 GEMM，13 項 SM89 介面用例與原有 29 個 INT8 基準工作負載均對 vLLM 透過正確性核對，並宣告不主張 SM90 執行結果。兩筆合在一起，意味著 TileOPs 的低精度 GEMM 不再只以 Hopper 為唯一目標。

來源：tile-ai/TileOPs#2659、#2655（10-19）

3.2 TileOPs：五筆 foundry 運算元補齊 MLA 分頁、KV 寫入與融合歸一化（#2642 / #2635 / #2639 / #2634 / #2651）

這一批都由 TileFoundry 的規格流水線產出，每個運算元先有 HIR 規格與參考實現，再有佈置、排程與執行時孿生。#2642 新增 MLA 分頁前向，按請求走頁表、fp32 累加打分、線上 softmax，返回輸出與 lse，六行用例在 4e-3 絕對誤差內對齊參考，行內以 576 與 512 列兩次乘積累加判定為算力受限。#2635 新增 MLA 的 KV 快取寫入，逐 token 把 kv_c 與 k_pe 拼接、fp32 旋轉後落盤、按 scale 縮放並鉗位轉 E4M3，六行用例對 vLLM 的同名介面透過。#2639 的 QK-Norm-RoPE 融合覆蓋七種行/精度組合，支援 NeoX 與相鄰對兩種旋轉佈局。#2634 的逐 token 量化 RMSNorm 融合殘差加法，12 個工作負載對齊 vLLM 同名介面，實現為一行一 CTA、4096 列內 128 執行緒、更長用 512 執行緒。#2651 補 INT8 W8A8 的運算元封裝。

來源：tile-ai/TileOPs#2642、#2635、#2639、#2634、#2651（10-19）

3.3 TileOPs：GQA 分頁 FP8 前向轉 implemented，36 例對標 FA3（#2648）

該筆讓 GQA 分頁前向直接接受 FP8 的 Q 與 KV，並把運算元狀態從規格推進到已實現。參考實現按請求與 KV 頭維度寫 HIR，查詢頭成組堆疊成打分行，每個可見頁作一個鍵 tile，FP8 運算元按各自 scale 反量化後相乘；36 個用例全部透過，含 NaN 與 Inf 檢查。比較物件選 FA3 的同類分頁實現，並按「每請求、每 KV 頭」的 descala 展開成對應形狀。附帶改動涉及 17 檔案、新增 2601 行，含分頁解碼、批 1 解碼、FP8 解碼、warp 特化與 RoPE 預處理多條核心路徑。

來源：tile-ai/TileOPs#2648（10-19）

3.4 TileOPs：線性注意力與 GEMM 的逐點位效能收口系列（#2650 / #2645 / #2637 / #2636 / #2641 / #2640 / #2646 / #2652）

八筆 [Perf] 延續上週的收口節奏，套路高度一致：把每 chunk 的矩陣乘壓到一次、把同步點前移或合併、按硬體波次決定策略。#2650 把 GDN 前填的 chunk 求逆改為按 warp 組求解，並以「每 SM 約容納七個 warp 組求解」為界，低於一波時仍走單 warp 更划算；#2645 讓 DeltaNet 前向狀態每 chunk 只做一次矩陣乘；#2637 讓 GLA 反向狀態梯度在其鏈上不再插入矩陣乘；#2636 把批次 GEMM 的每個 tile 儲存挪到下一 tile 首個 WGMMA 之下以重疊寫回；#2641 對長行歸約改用 512 執行緒摺疊；#2640 讓最大池化二維索引核的行按 evict-last 讀進 L2；#2646 在縮放因子恰為 1 時繞開 bf16 除法的全區間縮放；#2652 用近似倒數實現 float32 取餘與向下整除的向下取整。

來源：tile-ai/TileOPs#2650、#2645、#2637、#2636、#2641、#2640、#2646、#2652（10-19）

3.5 TileOPs：Mamba-1 選擇性掃描落地，MoE 路由列舉加收斂上限（#2638 / #2653）

#2638 新增 Mamba-1 的選擇性掃描前向，九行工作負載覆蓋 Mamba-2.8B 的 4096 token 前填與單 token 解碼、2.8B 批 64 解碼、1.4B 前填、130M 無門控、帶序列索引的打包前填、分組狀態與裸掃描，參考實現與佈置、排程發生器一併入庫，說明狀態空間模型正式進入運算元清單。#2653 修 MoE 分組 GEMM 的路由列舉：此前全量列舉分組路由，組合數超限時白白耗時，改為並集超過上限即停止列舉。

來源：tile-ai/TileOPs#2638、#2653（10-19）

3.6 TileOPs：規格與基準覆蓋雙報 205/205，夜間報表新增運算元欄（#2656）

組織規格統計分支在最後一筆合入後隨即重新整理，徽章資料為「已實現 205/205、已基準 205/205」，兩項均為滿格，與本期連續補入的運算元相印證。#2656 給夜間報表加兩件事：把當期未測量過的運算元單列成「新運算元」欄，並把歷史資料項的讀取從舊式字串表示改為 JSON 解析、非對映內容一律丟棄；用例從 43 項增至 47 項。#2656 自述的一段歷史資料也值得記錄：10-18 的夜間報表（統計視窗 10-05 至 10-17）列出 109 項改進、6 個新運算元、共 121 行，其中 W4A8 GEMM 佔 98 行。

來源：tile-ai/TileOPs#2656、TileOPs 規格統計分支（10-19）

3.7 TileFoundry：Apple AMX 支援與 Qwen 預填充示例跑通 M2 Pro（#244 / #240 / #245）

#244 把四個 AMX 操作（X/Y 載入、FP16 外積配 FP32 累加、Z 儲存）納入 TileFoundry，並讓 Copy 與 Fill 可落在 Apple 核與 AMX 執行器作用域上；示例目錄給出整模型 HIR、排程後 HIR、Python 執行時孿生與 C++ 投影核，首次使用時構建並快取本地核心，權重複用已備好的 GGUF Q8_0。實測在 M2 Pro 上 Qwen3-1.7B 與 Qwen3.5-4B 均完成 128 token 前填，輸出 logits 有限、下一個 token 編號分別為 1813 與 306。這是 TileLang 生態第一次把整模型推理示例放到非 CUDA 加速器上。#240 修四處 CUDA 側降級缺口（效果形式 Cast 無生成處理器、Fill 寫到核心引數裸指標、切片座標走 Dim 算術無法解析），僅改程式碼生成目錄、45 行增 10 行刪。#245 統一分析層的估值上下文與作用域快照。

來源：tile-ai/TileFoundry#244、#240、#245（10-19）

3.8 採用方與夜間流水線：TileKernels / FlashQLA 無推送，快照推進至 10-20（10-20）

deepseek-ai/TileKernels 仍停在 10-14 的 v2.1.0 釋出合併，QwenLM/FlashQLA 停在 10-14 的修復提交，兩者視窗內均無推送，採用方側本日靜默。TileOPs-nightly 的 snapshots 分支在視窗內新增一次快照（10-20 05:39），前一檔為 10-19 05:41，夜間基準保持在每日一次的節奏。

來源：TileOPs-nightly snapshots（10-20）

四、社群、教程與活動

4.1 文件：六個新運算元寫入 API 頁，主倉文件站自動更新（#77）

TileOPs 文件站隨運算元合入把六個新實現補進 API 頁（#77），逐項寫明呼叫約定與當前狀態，沿用上週建立的「已實現即入頁」規則。tilelang 主倉文件站在視窗內有一次自動構建推送，無人工內容變更。

來源：tile-ai/TileOPs.github.io#77（10-19）

4.2 社群倉：W4A16 kernel 實踐倉與 CUDA 除錯技能倉進入視野（10-19）

社群側出現幾個圍繞 TileLang 的第三方倉庫：fanyuxiao-ui/w4a16-tilelang 建於 10-10，用 TileLang 加手寫 CUDA 在 A800（SM80）上做 W4A16 量化推理的 GEMM 與 GEMV；sablin39/tilelang-cuda-skills 建於今年 5 月、已有 145 星，提供書寫 TileLang 與用 CUDA 工具鏈除錯的技能包，作者同時是 TileFoundry 的活躍貢獻者；localizethedocs/tilelang-docs-l10n 做官方文件本地化；chaigua/tilelang-agent 於 10-19 新建。四者均為社群自發，非組織官方倉庫。

來源：fanyuxiao-ui/w4a16-tilelang、sablin39/tilelang-cuda-skills、localizethedocs/tilelang-docs-l10n（10-19）

4.3 版本線：主倉 0.1.15 仍未換代，TileOPs 繼續鎖 0.1.12（10-19）

主倉版本檔案仍為 0.1.15，對應 09-30 的釋出，視窗內無新標籤或釋出。TileOPs 的依賴宣告仍寫死 0.1.12，上週嘗試升到 0.1.15 的 PR 已關閉，本期新合入的 SM89 用例也同時跑了 0.1.12 與 0.1.15 開發版，說明升級閘門仍以雙基線驗證為前提。

來源：tile-ai/tilelang VERSION、tile-ai/TileOPs pyproject（10-19）

4.4 媒體與學術：新聞檢索三條命中均非直接相關，arXiv 無新論文（10-19）

Google News 中英文多組查詢（TileLang、tile-ai、TileOPs、TileFoundry、tilelang 運算元等）在視窗內僅三條命中：兩篇 DeepSeek 與華為晶片的產業報道（The Information、Business Upturn），以及 Prime Intellect 的 prime-rl 0.10.0 釋出稿；逐篇核對後未在可讀內容中找到 TileLang 具體事實，按非直接相關處理，不計入條目。Hacker News 的 tilelang 檢索無相關命中，arXiv 全欄位檢索最近一篇相關論文仍是 07-24 的 TileSight（tile 中心式 GPU 效能分析模型），視窗內無新增。

來源：Google News TileLang 檢索、arXiv TileLang 檢索（10-19）

五、趨勢觀察

5.1 SM89 成為新運算元的預設落點

昨日 TileOPs 的重點還是 Hopper 上的 W4A8 與 SM90 叢集協作，本視窗兩筆新 GEMM 全部以 SM89 為首發目標，並在 PR 中明確宣告不主張 SM90 執行結果。Ada 級顯示卡（L40S、4090 一類）是國內開發者手裡的主力硬體，把低精度 GEMM 先落到 SM89，意味著運算元庫開始按「可獲得性」而不只是「峰值效能」排優先順序。

5.2 線性注意力固定成「每 chunk 一次矩陣乘 + 按 SM 波次選策略」

GLA、GDN、KDA、DeltaNet 四條線本期共八筆效能改動，手法收斂為兩條：把 chunk 鏈上的矩陣乘壓到每塊一次，以及按 SM 能容納的 warp 組數決定用分組求解還是單 warp。這種「先算波次再選核心」的寫法此前只見於手寫 GEMM 庫，現在進入了運算元庫的預設路徑。

5.3 TileFoundry 走出 CUDA：Apple AMX 與 Qwen 預填充

TileFoundry 一直定位為「給 agent 用的運算元工廠」，但此前所有示例都在 NVIDIA 上。本期 AMX 支援加上 Qwen 整模型前填在 M2 Pro 跑通，說明其規格、佈置、排程三層抽象並非繫結 CUDA，而是可以降到 Apple 的矩陣協處理器。若這條線繼續，TileFoundry 的定位會從「TileLang 的前端」變成「跨加速器的規格到核心編譯器」。

5.4 可觀測性成為編譯器硬化主線

本視窗三筆改動指向同一件事：讓編譯產物可度量、可歸因。lower trace 把宿主與裝置原始碼分開落盤、Autotuner 把裝飾器引數真正透傳到度量、昇騰把宿主演運算元與裝置核心在 msprof 下對上號。在運算元面接近鋪滿（規格統計已報 205/205）之後，剩下的差距要靠度量找，而不是靠加運算元。

5.5 昇騰運算元庫轉向對話模型專用運算元

昇騰在審佇列裡出現 GLM-5.3 的 kpool 壓縮、KDA 與 indexer 的反向、situ_glu 及其梯度，這些不是通用運算元，而是特定對話模型結構裡的部件。配合上周的 PTO 自動向量化，昇騰線的工作重心已從「把 TileLang 跑在昇騰上」轉為「把國內主流模型的關鍵運算元先在昇騰上做出來」。

附：素材與核查說明

  • 本視窗為常規 24 小時視窗，覆蓋 10-19 07:00 至 10-20 07:00，與上一期（10-16 07:00 至 10-19 07:00 的三天視窗）不重疊。
  • 組織級倉庫列表與推送狀態經 GitHub 介面全量拉取，29 個倉庫中 9 個在視窗內有推送；各倉庫主分支提交經 Atom feed 逐條核對，非預設分支（tilelang-ascend 的 ascendc_pto、TileOPs-nightly 的 snapshots、TileOPs 的 stats）單獨核查。
  • 合入與在審數量取自 GitHub 搜尋介面的真值檢索（is:merged 與 is:open 各一次，帶視窗起始時間戳），未使用逐倉拉取列表累加，避免重複計數。
  • 組織介面匿名額度在採集後段耗盡，PR 正文與改動統計改由網頁與補丁檔案讀取，未影響條目事實核對；已合入狀態一律以 is:merged 檢索結果為準。
  • 規格與基準覆蓋數字取自組織統計分支的徽章資料，該分支在視窗內最後一筆合入後重新整理，屬專案自述口徑。
  • 夜間快照計數按 snapshots 分支 Atom feed 的 UTC 時間換算為北京時間後判定是否落在視窗內。
  • 新聞側三條命中已逐篇核對，其中兩篇產業報道無法在可讀內容中確認與 TileLang 的具體關聯，按未核實處理，不計入本期條目；arXiv 與 Hacker News 均為零新增。
  • 報告不含任何本機環境資訊。

完整信源清單

tile-ai/TileOPs PR #2659 SM89 塊縮放 FP8 分組 GEMM — https://github.com/tile-ai/TileOPs/pull/2659

ile-ai/TileFoundry/pull/240>