調研視窗：2026-10-22 07:00 ~ 2026-10-23 07:00（北京時間，24 小時）。

信源：GitHub tile-ai 組織逐倉核查（tilelang / TileOPs / TileFoundry / tilelang-ascend / tilelang-hygon 分支 / tilelang-sunrise / tilelang-metax / tilelang-musa / tilelang-mlir-ascend / TileRT / tilescale / DeepStack / 三個文件站）+ 合入與在審真值檢索（is:merged 與 is:open 兩組，按倉庫分組統計）+ 提交級 diff 與釋出頁 tag 核查 + 採用方倉核查（TileKernels / FlashQLA）+ 社群新倉檢索 + Google News 中英文多組查詢（走代理）+ Hacker News + arXiv + 產業媒體報道。

本期索引

  • 今日重點：35 筆合入裡主倉把重心放到分析器生命週期，深尋 V3.2 的 top-k 選擇器越界寫被定位到 CUDA_ERROR_ILLEGAL_ADDRESS；昇騰 NZ 佈局打通部分 UB→L1 複製（18 檔案）；CANN 社群新開 ops-tilelang 運算元倉
  • 一、核心專案進展
    • 1.1 主倉：向量化重寫前克隆 analyzer（#3612）（10-22）
    • 1.2 主倉：並行迴圈切分後舊 analyzer 繫結失效（#3226）（10-22）
    • 1.3 主倉：deepseek_v32 top-k 選擇器候選緩衝越界（#3280）（10-22）
    • 1.4 主倉：CUDA 16 位反三角與二進位制數學降級補齊（#3172）（10-22）
    • 1.5 主倉：sm8x 稀疏後設資料非雙射形狀改為拒絕（#3125）（10-22）
    • 1.6 主倉：eager 前端保留 Python 原始碼位置（#3558）（10-22）
    • 1.7 在審：pass 能力檢查、無符號 mulhi 與 assume 謂詞（10-22）
  • 二、多後端適配（昇騰 / 海光 / 沐曦 / 摩爾執行緒）
    • 2.1 昇騰：NZ 緩衝支援部分 UB→L1 複製（#3530）（10-22）
    • 2.2 昇騰 PTO：MAD 方向謂詞指數增長致編譯停滯（#3581）（10-22）
    • 2.3 昇騰 PTO：SIMT 向量區域性變數按 lane 分配（#3523）（10-22）
    • 2.4 昇騰倉：cann-bench 補 Dilation2D，同日回退 depthwise_conv_2d（#1916 / #1919）（10-22）
    • 2.5 昇騰倉在審：sparse_mla 前向與反傳（#1929 / #1928）（10-22）
    • 2.6 海光：合併分支移除 enable_register_pipeline（10-22）
    • 2.7 沐曦 / 摩爾執行緒 / MLIR-Ascend：視窗內無推送（10-22）
    • 2.8 產業側：SCMP 轉載 SemiAnalysis 報告，TileLang 為六倉中唯一可用（10-22）
  • 三、生態與採用方（TileOPs / TileFoundry / 運算元庫）
    • 3.1 TileOPs：FP8 分頁 warp 特化 kernel 共享記憶體別名致 NaN（#2708）（10-22）
    • 3.2 TileOPs：dense prefill 改為持久化遍歷，D64 三消費者（#2706）（10-22）
    • 3.3 TileOPs：SM90 dense GQA decode 走 warp 特化（#2694）（10-22）
    • 3.4 TileOPs：因果滑窗用一個 KV head 的兩個 key tile 服務整組 query head（#2696）（10-22）
    • 3.5 TileOPs：分頁 decode 自動調優此前共用一張 block table（#2703）（10-22）
    • 3.6 TileOPs：masked softmax 的 FMA 溢位與 varlen RoPE 奇數半寬（#2699 / #2700）（10-22）
    • 3.7 TileOPs：FP8 grouped GEMM 分級暫存 scale 與 gate/up 乒乓 warp group（#2704 / #2693）（10-22）
    • 3.8 TileOPs：謂詞廣播與布林運算元改 16 位元組向量讀（#2702 / #2697）（10-22）
    • 3.9 TileOPs：SM89 三條路徑同日推進（#2705 / #2691 / #2690）（10-22）
    • 3.10 TileOPs：歸約摺疊單次發射與空 DSA 選擇校驗（#2689 / #2698）（10-22）
    • 3.11 TileOPs：基準參考改在 float32 上計算（#2692）（10-22）
    • 3.12 TileFoundry：安裝 sm_89 架構與 RTX 6000 Ada 裝置（#259）（10-22）
    • 3.13 TileFoundry：gmem 計價改按足跡與執行 mesh，並繫結被調方維度（#258）（10-22）
    • 3.14 TileFoundry：裝置拒絕啟動 kernel 時必須拋錯（#256）（10-22）
    • 3.15 分發版：Sunrise 打出 0.1.15+sunrise.1.2.0 釋出 PR（#9，在審）（10-22）
    • 3.16 採用方：TileKernels 與 FlashQLA 視窗內無推送（10-22）
  • 四、社群、教程與活動
    • 4.1 CANN 社群開設 ops-tilelang 運算元倉（10-22）
    • 4.2 tilelang/agent：把運算元最佳化寫成 agent 的 SKILL 工作流（10-22）
    • 4.3 社群新倉：Sail 包裝、遠端自動調優 agent 與教程倉（10-22）
    • 4.4 文件與版本：文件站更新三次，VERSION 仍 0.1.

15（10-22）

  • 五、趨勢觀察

今日重點

本視窗 tile-ai 組織合入 35 筆（TileOPs 20、tilelang 9、TileFoundry 3、tilelang-ascend 2、TileFoundry 文件站 1），另有 71 筆在審 PR 在視窗內更新。主倉九筆的重心從上週的”形狀與幾何校驗”轉向分析器生命週期：向量化重寫前克隆 analyzer（#3612，單檔案 2 行）、並行迴圈切分後舊繫結失效（#3226，6 檔案）、eager 前端保留 Python 原始碼位置（#3558）——三筆都不會讓 kernel 算錯，而是讓編譯期在改寫後讀到過期狀態。數值側最值得記的是 #3280：deepseek_v32 的 top-k 選擇器把 radix 候選暫存在固定 [2, 4096] 共享緩衝，卻沒有約束第一輪選出的閾值桶大小，低尾數相同的 FP32 分數或全等輸入會越界寫，崩在 CUDA_ERROR_ILLEGAL_ADDRESS。昇騰側 #3530 是當日體量最大的一筆（18 檔案 +993/-256），把壓縮 NZ 填充保留到儲存歸一化，為部分 UB→L1 複製顯式給出 C0 組行距；#3581 修掉 PTO 上一個會讓編譯停滯十分鐘以上的謂詞表示式指數增長。生態側兩條新線：CANN 社群 10-20 建了 ops-tilelang 運算元倉、10-22 首次推送修復；Sunrise 分發版打出 0.1.15+sunrise.1.2.0 的釋出 PR，把 TANG 後端 wheel 納入分發。

一、核心專案進展

1.1 主倉：向量化重寫前克隆 analyzer（#3612）

合於 10-22 23:43，只改向量化那一處原始碼，+2/-1。迴圈向量化在改寫 IR 時複用傳入的算術分析器，而分析器快取著改寫前的常量與區間約束；一旦向量化改變了迴圈邊界或索引表示式，後續 pass 拿到的仍是舊結論。修法是在進入向量化重寫前複製一份分析器，改寫只作用於副本。這一筆沒有隨附迴歸測試，價值在於它從另一個入口堵住與 #3226 同源的問題——同一天那一筆處理的是並行迴圈切分後的失效繫結，兩筆合看，分析上下文的生命週期被當成獨立缺陷類在清。

來源：https://github.com/tile-ai/tilelang/pull/3612

1.2 主倉：並行迴圈切分後舊 analyzer 繫結失效（#3226）

6 檔案 +55/-19，涉及 loop_partition、loop_vectorize、lower_tile_op 三處 pass 及其標頭檔案。並行迴圈被切分後迴圈體的迭代變數被重繫結，但 pass 仍按切分前的變數查分析器，取到的是舊變數的區間與整除資訊，簡化與越界判定因此失真。修復把分析上下文按 pass 隔離，並簡化了迴圈分析快照的初始化路徑，配套加了一組最小化的並行迴圈分析迴歸用例。提交者中含 Codex 聯署。

來源：https://github.com/tile-ai/tilelang/pull/3226

1.3 主倉：deepseek_v32 top-k 選擇器候選緩衝越界（#3280）

2 檔案 +91/-10，修 #1351。tl_topk_impl 把 radix 候選裝進固定的 [2, 4096] 共享緩衝，但沒有任何東西約束第一輪 radix 選出的閾值桶不超過 4096 個元素——FP32 分數低位尾數相同、或輸入全等時，原子追加會寫出緩衝末尾並崩在 CUDA_ERROR_ILLEGAL_ADDRESS。改法是在 tl_topk 包裝層申請 (batch, 2, seq_len) 的全域性 workspace，讓兩個 radix 緩衝都由 seq_len 兜住；公開的 tl_topk() 簽名不變。隨附 79 行復現用例，按 #1351 的輸入構造。

來源：https://github.com/tile-ai/tilelang/pull/3280

1.4 主倉：CUDA 16 位反三角與二進位制數學降級補齊（#3172）

3 檔案 +463/-8。asin、acos、asinh、acosh、atanh、log1p、atan2、hypot、copysign、ldexp、nextafter 缺 CUDA 專用下降規則，通用規則只處理 float32/float64，float16 與 bfloat16 呼叫在 codegen 階段無人接管。修復把它們註冊進 CUDAMath 並補 half_t / bfloat16_t 過載：十個運算元按 float32 求值再轉回，nextafter 改為按 16 位編碼做整數比較步進，以便在 fast math 下保住 bfloat16 次正規數。float32/float64 的函式名保持不變，common.h 側新增 182 行模板實現。

來源：https://github.com/tile-ai/tilelang/pull/3172

1.5 主倉：sm8x 稀疏後設資料非雙射形狀改為拒絕（#3125）

單檔案 tilelang/layout/gemm_sp.py +6/-0，修 #2606。make_cutlass_metadata_layout_sm8x 的 interleave 只在 M 為組大小整數倍且 K 為偶數時才是雙射；不滿足時原先靜默生成錯誤後設資料，稀疏 GEMM 結果無提示地錯。現在兩個條件都改為顯式拒絕。原先隨 PR 加的稀疏後設資料形狀測試在評審中被要求移出，未進入主分支。

來源：https://github.com/tile-ai/tilelang/pull/3125

1.6 主倉：eager 前端保留 Python 原始碼位置（#3558）

4 檔案。eager 前端把 Python 的 for / with 語句降成生成式呼叫後，報錯與除錯對映回的是生成程式碼的行號。修復把生成的迴圈呼叫對映回 for 語句、上下文包裝對映回 with 語句，並補上可迭代引數解包的位置；與 #3125 一樣，評審要求移出隨附的原始碼位置迴歸測試。

來源：https://github.com/tile-ai/tilelang/pull/3558

1.7 在審：pass 能力檢查、無符號 mulhi 與 assume 謂詞（10-22）

主倉在審佇列在視窗內更新 50 筆。值得跟的幾條：[Transform] Locate VerifyBufferInit reads outside tile ops（#3620）、[Codegen] Add unsigned mulhi intrinsic（#3617）、[Transform] Keep assumption checks with local dependencies in scope（#3611）與 [Transform] Preserve tl.assume predicates that simplify to true（#3610）、[CPU] Support clz in C and C host code generation（#3609）；昇騰側 [BugFix][Ascend] Reject odd FP4 view geometry in GM->L1 copies（#3608）與 [Ascend] Support exact placement of versioned on-chip buffers（#3607）同日更新。另有 #3613 明確標註”請勿評審”的原生 argmin/argmax 歸約草案。

來源：https://github.com/tile-ai/tilelang/pulls

二、多後端適配（昇騰 / 海光 / 沐曦 / 摩爾執行緒）

2.1 昇騰：NZ 緩衝支援部分 UB→L1 複製（#3530）

當日體量最大的一筆：18 檔案 +993/-256。壓縮 NZ 佈局的填充此前在邏輯佈局階段就被抹平，做部分 UB→L1 複製時無法表達源與目的各自的 C0 組行距。修復把緊湊 NZ 填充保留到儲存歸一化階段、再按容量精確物化一次，複製區域下降時顯式給出以 32 位元組為塊的源/目的 C0 組行距，並把行距貫穿到 scatter 模板、Ascend/PTO 的 DMA codegen 與訪問足跡；同時加了幾何、對齊與越界校驗，保留物理檢視所有者，呼叫方遷移到邏輯分配形狀加顯式行距。src/ascend/op/nd2nz.h 新增 83 行。

來源：https://github.com/tile-ai/tilelang/pull/3530

2.2 昇騰 PTO：MAD 方向謂詞指數增長致編譯停滯（#3581）

2 檔案 +48/-5。帶重複可變守衛的 PTO kernel 可以花十分鐘以上做分析，即使裡面沒有矩陣乘——這是 NPU 執行之前的編譯期停頓。根因是 PTOMmadDirectionAnalyzer 在守衛讀取可變記憶體時保守保留進入狀態，若兩條分支都保持 MAD 方向，Merge 收到同樣的謂詞 S，而實現總是構造並化簡 S || S；算術化簡器在復現用例裡消不掉這個重複，連續分支便讓謂詞表示式按倍數翻番。修復在兩側謂詞相同時跳過重建，並補 20 行定向測試。

來源：https://github.com/tile-ai/tilelang/pull/3581

2.3 昇騰 PTO：SIMT 向量區域性變數按 lane 分配（#3523）

4 檔案 +273/-29。SIMT 向量區域性變數被當標量 PTODSL 緩衝分配，沒算 lane 數，卻用 Python 下標訪問；AllocatedBufferValue 不支援逐項賦值，迴圈索引寫入在 PTODSL AST 重寫階段就更早失敗。修復按每個向量槽分配足夠標量元素並把槽下標翻譯成標量偏移，複用既有的連續 load/store 路徑，保持 AscendC 的向量區域性語義，不改迴圈展開、不加新的下降 pass。補 float32x2 / float32x4 兩組 codegen 測試，共 209 行。

來源：https://github.com/tile-ai/tilelang/pull/3523

2.4 昇騰倉：cann-bench 補 Dilation2D，同日回退 depthwise_conv_2d（#1916 / #1919）

#1916 合入 Dilation2D 前向（cann-bench level3 任務）：NHWC、fp16/fp32、任意 kernelSize/stride/rate 與 SAME/VALID，越界 tap 的貢獻取 -inf + filter 與 golden 逐位一致，NaN 輸入傳播、+inf filter tap 使越界貢獻變 NaN；實現為純 Vector kernel 加 Python wrapper，按昇騰複製引擎的 32B 行跨距對齊約束派發，grid 按幾何自適應而不用寫死核數。同一天 #1919 把 10-21 剛合入的 depthwise_conv_2d（#1915）整體回退，提交資訊未給原因，示例倉處在”進一個、退一個”的狀態。

來源：https://github.com/tile-ai/tilelang-ascend/pull/1916

2.5 昇騰倉在審：sparse_mla 前向與反傳（#1929 / #1928）

#1929 新增 sparse_mla_fwd（DSA 稀疏 MLA 前向：varlen packed 隨機行 gather、線上 softmax、QK/PV 雙 GEMM 融合），落 examples/dsa_sparse_finetune/，雙 kernel（fast 特化加 portable 通用）配合 host 分派；fast 路徑的適用域寫死為 H=128 且 G=1、dim/tail 為 512/64、topk 為 256 的整數倍、NI 在 1 到 6 之間，域外走通用路徑。#1928 新增 sparse_mla_bwd（dQ GEMM 鏈、P/dP 向量鏈、dKV 隨機行散射），落 examples_experiment/dsa/ 並登記進運算元測試清單，前向結果 k1 已折進本運算元。昇騰倉在審合計 11 筆。

來源：https://github.com/tile-ai/tilelang-ascend/pull/1929

2.6 海光：合併分支移除 enable_register_pipeline（10-22）

gcy_merge_main 於 10-22 11:11 推送一筆 6 檔案 +10/-24 的清理，把 enable_register_pipeline 開關整體刪掉，涉及 HCU 暫存器軟流水的注入與流水規劃兩個 pass、pipeline_utils.h 以及語言層的 loop 擴充套件，示例與效能指令碼同步改呼叫。刪開關通常意味著暫存器流水路徑已經預設生效、雙軌維護不再划算；但 main 分支仍停在 10-20 的 preserve constant K origins in hoisted MLS windows（#25），這批改動還在合併分支上等落地。

來源：https://github.com/tile-ai/tilelang-hygon/commits/gcy_merge_main

2.7 沐曦 / 摩爾執行緒 / MLIR-Ascend：視窗內無推送（10-22）

tilelang-metax 最後推送停在 10-16，tilelang-musa 停在 09-30，tilelang-mlir-ascend 停在 10-19，三條適配線在視窗內均無提交。昇騰、海光兩條線承擔了本視窗全部後端改動。

來源：https://github.com/tile-ai/tilelang-metax

2.8 產業側：SCMP 轉載 SemiAnalysis 報告，TileLang 為六倉中唯一可用（10-22）

南華早報 10-22 發文《Jensen’s nightmare》，轉述 SemiAnalysis 週四釋出的華為-DeepSeek 報告：DeepSeek 最新軟體釋出加上對昇騰 950PR 的更多實驗，說明與美國的差距在縮小，並判斷 DeepSeek 到 2027 或 2028 年將”主要”依賴華為”已相當成熟”的技術棧。該報告原文即上一期已收錄的那份，其中”六個獲得昇騰支援的倉庫中只有 TileLang 可用”的判斷未變，另提到昇騰 950 後端是併入 TileLang 主倉而非停留在獨立適配層。屬同一信源的二次傳播，不構成新的技術進展，但說明該判斷正在進入主流媒體口徑。

來源：
https://www.scmp.com/tech/tech-war/article/3371806/jensens-nightmare-huawei-deepseek-narrow-ai-chip-ecosystem-gap-nvidia-report

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

3.1 TileOPs：FP8 分頁 warp 特化 kernel 共享記憶體別名致 NaN（#2708）

2 檔案 +80/-30。GQAPagedFP8WSKernel 在”七個單 token 請求排在 300 token 請求之前、4099 行 FP8 cache、48 行頁”的組合下返回 NaN。根因是共享記憶體規劃器把 warp 角色各自的緩衝讀成不同時段活躍，於是把 split handover 放到了仍被 TMA 填充的 key 或 value 環地址上，handover 的 running maxima 也被壓到環標誌位。修復把這幾塊緩衝在共享記憶體裡顯式隔開，並補 24 行迴歸用例（qwen3-fp8-ragged 口徑）。

來源：https://github.com/tile-ai/TileOPs/pull/2708

3.2 TileOPs：dense prefill 改為持久化遍歷，D64 三消費者（#2706）

6 檔案 +590/-5，新增 GQADensePersistentWSKernel（對外名 gqa_dense_persistent，優先於 gqa_dense）：query tile 數超過 SM 數時，一個 CTA 佔一個 SM 交替輪次走完自己的 tile，並在當前 tile 的 epilogue 期間裝載下一個 tile 的 query。D64 上每個 tile 是 192 行 query 攤給三個 64 行消費者 warpgroup，K/V 重讀減少三分之一；D128 保持 128 行。

來源：https://github.com/tile-ai/TileOPs/pull/2706

3.3 TileOPs：SM90 dense GQA decode 走 warp 特化（#2694）

新增 GQADecodeWSKernel：TMA 生產者 warp 填兩槽 K/V 環，一個 WGMMA warpgroup 維持 head 組的線上 softmax；split 數按一次填滿常駐 CTA 槽來定，並保證每個 split 至少四個 KV tile，單 split 時在 CTA 內歸一化並直接寫輸出、不再過 combine kernel；KV head 在 CTA 間變化最快。

來源：https://github.com/tile-ai/TileOPs/pull/2694

3.4 TileOPs：因果滑窗用一個 KV head 的兩個 key tile 服務整組 query head（#2696）

新增 GQADenseSlidingWindowBandKernel：GQADenseFwdOp 原先對每個 query head 都過載同樣兩個 key/value tile，一個 CTA 只做一個（query tile, head）；新 kernel 一個 CTA 對（query tile, KV head）把 band 的兩個 key/value tile 只裝一次，依次對該組 query head 做歸約，同時讓下一個 head 的 query tile 在飛。針對的是滑窗行數不超過 128 個 key 的場景。

來源：https://github.com/tile-ai/TileOPs/pull/2696

3.5 TileOPs：分頁 decode 自動調優此前共用一張 block table（#2703）

4 檔案 +24/-13。分頁 decode 的 autotune 供給讓每個請求拿到同一張 block table，等於只測了一個請求的頁、且其頁常駐 L2，候選排名反映的是被服務批次實際付出的流量。實測在 1500 MHz H200 上，MHA decode 調優器在 opt-1.3b-b16 上選了 block_N 128（冷 80.0 us）而放棄 block_N 64（72.5 us），掉到 flashinfer 的 0.994。修復讓調優按請求各自讀不同 cache 頁。

來源：https://github.com/tile-ai/TileOPs/pull/2703

3.6 TileOPs：masked softmax 的 FMA 溢位與 varlen RoPE 奇數半寬（#2699 / #2700）

#2699（4 檔案 +54/-6）修 dense GQA 滑窗前向的 NaN 行：因果窗下的 128x64 調優瓦片讓每個 query tile 從首行視窗開始走，最後幾行會連續遇到兩個全遮蔽 key tile；第一塊之後兩個 running maxima 都在 -1e38 鉗位上，fast math 把 prev * scale - curr * scale 融合成 FMA，舍入誤差（約 2 的 99 次方）溢位成 NaN，修法是在縮放重定標前先減 running maxima。#2700 修 varlen query RoPE 在奇數半旋轉寬度（rotary_dim 10、14 等）下的迴圈邊界：並行度 rows 乘 chunks 不能被旋轉分支的執行緒數整除時 TileLang 丟掉了迴圈上界，warp 特化路徑的後續 query 行算錯，通用路徑（dim 256）直接掛死。

來源：https://github.com/tile-ai/TileOPs/pull/2699

3.7 TileOPs：FP8 grouped GEMM 分級暫存 scale 與 gate/up 乒乓 warp group（#2704 / #2693）

#2704 新增配置鍵 stage_scales：讓生產者用 cp.async 把每一級的 A/B scale 拷進共享記憶體並在落地時到達該級 barrier；stage_scales=0 仍生成舊 kernel。背景是 masked FP8 grouped GEMM 在數學 warpgroup 裡從全域性讀每步 K 的 A scale，環加深會壓縮 L1 並讓這些 load 停住，ds-v3-e8-up-masked 因此只有 DeepGEMM 的 0.979。#2693 給 GemmTemplate 加乒乓形態：兩個數學 warpgroup 各跑完整的 64 行 tile、輪流取 CTA 的 tile，一個組的 epilogue 落在另一個組的 mainloop 下，靠輪轉 barrier 排序。

來源：https://github.com/tile-ai/TileOPs/pull/2704

3.8 TileOPs：謂詞廣播與布林運算元改 16 位元組向量讀（#2702 / #2697）

#2702 讓行廣播謂詞（Eq/Ne/Gt/Lt/Ge/Le 與 LogicalAnd/Or）把每 1024 列整塊的 stride-1 運算元按 16 位元組向量經 load16_evict_last 讀，部分塊與其他 staged body 保留 fragment 複製；linear-bias-float32（1024x4096 對 1x4096）六種比較從 0.99 提到 1.06，邏輯運算元 1.04。#2697 把比較與邏輯的二值 kernel 中全尺寸運算元改為 16 位元組 evict-first 向量讀，float32 行此前只在 torch.compile 的 0.99 到 1.00。

來源：https://github.com/tile-ai/TileOPs/pull/2702

3.9 TileOPs：SM89 三條路徑同日推進（#2705 / #2691 / #2690）

#2705 把 SM89 的 SSD chunk scan 預設流水級數降到兩級，減少 scan kernel 的緩衝需求，六個形狀的 FP16/BF16 實測取三輪、每輪 200 次 CUPTI 取樣的中位數。#2691 在現有規劃器選擇多分割槽時拆分 SM89 的 paged DSA key 區間，複用既有 FP32 部分輸出與 log-sum-exp 的 merge；單分割槽時保持 BF16 輸出與單 kernel，並把編譯目標納入 merge 快取標識、為每個目標建獨立 JIT builder。#2690 在 SM89 上對 query head 組 32/64、head dim 64/128 的 NSA top-k 選擇改用 32 列 tile，保留 64 行 tile 與同一套打分排序實現，八個 FP16/BF16 用例的 GPU busy 中位數降 2.1% 到 15.0%。

來源：https://github.com/tile-ai/TileOPs/pull/2691

3.10 TileOPs：歸約摺疊單次發射與空 DSA 選擇校驗（#2689 / #2698）

#2689 新增 ReduceFoldKernel，把每個保留索引的 lead 段連續字尾在一次發射裡摺疊（此前對軸字首與字尾的歸約要兩次發射），並讓 ReduceEdgeKernel 與 VectorNormEdgeKernel 把行能被 512 執行緒塊在飛持有的呼叫都交給它；背景是 Sum 在 3d-multidim-float16（0.977）與 mlp-intermediate-float32（0.990）上落後 torch-compile。#2698 修分頁 DSA 校驗：query 行沒有任何有效選中 key 時參考實現返回零輸出與負無窮 LSE，而減參考 LSE 會得到 NaN 誤差界、把正確結果判錯；修復給空行精確的零 LSE 界，並補”全部行皆空”時校驗器必須拒絕非零輸出與有限 LSE 的控制用例。

來源：https://github.com/tile-ai/TileOPs/pull/2689

3.11 TileOPs：基準參考改在 float32 上計算（#2692）

ref_program 此前既當正確性參考、又是 torch 基線計時的物件，許多參考直接以 16 位輸入 dtype 調 torch，結果取決於裝置側 torch 每一步怎麼舍入。CUDA 掩蓋了這個差異，CPU torch 與 torch_musa 不掩蓋——GroupNorm 與 InstanceNorm 在 MTT S5000 上失敗，而同一 kernel 對 float64 參考是透過的。修復讓 ref_program 在 float32 或更寬上計算，torch 基線則按輸入 dtype 計時。這是少見的一筆由國產 GPU 後端暴露出、但要先在參考實現層修的問題。

來源：https://github.com/tile-ai/TileOPs/pull/2692

3.12 TileFoundry：安裝 sm_89 架構與 RTX 6000 Ada 裝置（#259）

11 檔案 +392/-22。新增 nvidia_sm89.toml 與 nvidia_rtx_6000_ada.toml 兩個目標描述（分別 114 與 124 行），docs/spec/target.md 同步補 42 行。這一筆把 TileFoundry 的裝置建模從 Hopper 擴到 Ada，與同日 #256 暴露的”按 sm_90 目標編譯的測試在 sm_89 單卡上只錯值”是同一件事的兩面；配套還加了 sm_89 的 e4m3 warp mma 宣告（#261，在審）。

來源：https://github.com/tile-ai/TileFoundry/pull/259

3.13 TileFoundry：gmem 計價改按足跡與執行 mesh，並繫結被調方維度（#258）

當日改動面最廣的一筆：74 檔案 +1128/-553，修 #239、#252、#253。原先 132 個 CTA 只探 40 個時，計價按”每個視窗每個位置移動一次”算，under-fill 根本看不出來；只能由被調方宣告的維度綁不上；analyze 的輸出目標與逐函式記憶體行含義不清。修復把 check 與 analyze 的維度繫結集中到 instantiate，被調方或子模組宣告的維度現可繫結。提交由社群貢獻者發起、維護者接手改寫。

來源：https://github.com/tile-ai/TileFoundry/pull/258

3.14 TileFoundry：裝置拒絕啟動 kernel 時必須拋錯（#256）

7 檔案 +69/-11。此前啟動器發出 kernel<<<grid, block, smem, nullptr>>>(...) 後從不讀啟動狀態，裝置拒絕啟動時呼叫照常返回，輸出保持舊內容，錯誤到不了呼叫方；在 sm_89 單卡上，按捆綁 sm_90 目標編譯的測試只表現為值不對，compute-sanitizer 才顯示 cudaLaunchKernel 返回 cudaErrorNoKernelImageForDevice。修復讓 CUDA 啟動器在讀 cudaGetLastError() 後拋錯，CPU 側 module 同步改，規格文件與測試一併更新。

來源：https://github.com/tile-ai/TileFoundry/pull/256

3.15 分發版：Sunrise 打出 0.1.15+sunrise.1.2.0 釋出 PR（#9，在審）

10-22 16:48 建 candidate/sunrise-0.1.15-1.2.0-20261019 分支並開 PR，把 Sunrise 分發版更新到 0.1.15+sunrise.1.2.0，納入 TileLang 0.1.15 及配套評審過的 TileOPs、TileKernels、TVM、tvm-ffi 變更；源匯入與合併、分發適配分開提交，最終適配配置 TANG 後端的 Sunrise wheel 並修掉切片 GEMM 迴歸（兩個累加器標誌都對公開模板校驗，保留 stride、origin 與 offset 斷言）。自報驗證：本機契約測試 55 透過、TANG 流水線 codegen 測試 54 透過、兩個 lint job 與信任邊界檢查透過；但 S2 wheel 構建出包後，裝後 import 冒煙檢查在 tangGetDeviceCount 處失敗。分支上三筆分別是 0.1.15 分發適配、CI 收窄到 TANG 後端與切片 GEMM 累加器標誌測試。

來源：https://github.com/tile-ai/tilelang-sunrise/pull/9

3.16 採用方：TileKernels 與 FlashQLA 視窗內無推送（10-22）

deepseek-ai/TileKernels 最後推送停在 10-14，QwenLM/FlashQLA 同樣停在 10-14，兩家採用方在本視窗均無提交。

來源：https://github.com/deepseek-ai/TileKernels

四、社群、教程與活動

4.1 CANN 社群開設 ops-tilelang 運算元倉（10-22）

Atlas-Ascend-Fork/ops-tilelang 於 10-20 建倉，定位是 CANN 社群面向昇騰 NPU 的 TileLang 高效能運算元倉：統一管理 Kernel 實現、自動化測試用例、標準工作負載與效能基線，目標是形成可複用、可驗證、可持續演進的運算元資產。倉內已有 src、tests、scripts、docs 四層與 OAT.xml、SECURITY.md 等開放原子社群規範檔案，10-22 推送一筆修復”合法上界種子與用例雜湊組合後溢位導致 CPU 測試失敗”；更早的提交裡有”把 Ascend A5 引用替換為 Ascend 950”與”benchmark 失敗或中斷的會話仍覆寫效能基線”。以單一 DSL 為唯一實現語言的社群級運算元倉此前未見，這條線值得按周跟蹤。

來源：https://github.com/Atlas-Ascend-Fork/ops-tilelang

4.2 tilelang/agent：把運算元最佳化寫成 agent 的 SKILL 工作流（10-22）

tilelang/agent（建倉 08-28，3 星）10-22 推送，README 本身是一段可執行的 prompt 模板：以 @tilelang-operator-dev/SKILL.md 注入領域知識，輸入只有運算元名、GPU/CPU 參考實現、shape 與”tilelang npu 交付、中文交付”約束；註釋寫明 agent 需在 A5 環境執行、載入後按 10 步閉環走，Skill 內含選型決策樹、8-CSV 規則、L0 到 L4 策略與 11 條陷阱。把 4.1 的運算元倉、3.15 的指令級排程與本倉合看，昇騰側正在形成”人寫規則、agent 調優、倉裡沉澱基線”的分工。

來源：https://github.com/tilelang/agent

4.3 社群新倉：Sail 包裝、遠端自動調優 agent 與教程倉（10-22）

flytiger-eco/tilelang-wrapper-for-sail 於 10-21 建倉、10-22 推送（Python，無說明）；cc-c122/TileLang-Remote-Autotuning-Agent（Python，10-22 推送）與 easy-tilelang/tilelang-devkit、easy-tilelang/tilelang-tutorials 同日推送。數量多、單倉星標低，屬教程與工具層的自然生長，尚無可以判斷的技術方向。

來源：https://github.com/flytiger-eco/tilelang-wrapper-for-sail

4.4 文件與版本：文件站更新三次，VERSION 仍 0.1.15（10-22）

tilelang.github.io 三次 Update docs，TileFoundry.github.io 一筆 render TileFoundry v0.0.3，TileOPs.github.io 一筆。主倉 VERSION 停在 0.1.15，最近釋出仍是 09-30 的 v0.1.15；倉庫 8742 星、915 fork、開放 issue 389 條。

來源：https://github.com/tile-ai/tilelang.github.io

五、趨勢觀察

一，主倉的缺陷型別換了層。 上一週主倉清的是”形狀與幾何校驗”——cast 舍入註解被靜默丟棄、無 arch 的 CUDA target 靜默退到 sm_50、稀疏後設資料形狀不校驗。這一視窗九筆裡有四筆落在分析器與原始碼位置這類編譯期狀態上：analyzer 在改寫後被複用、切分後變數重繫結、eager 前端丟失 Python 位置。這類缺陷的共性是”生成的 kernel 可能仍然正確，但編譯器對你說的和它實際做的不一致”，而 TileLang 正在接入 agent 自動寫 kernel（4.2），編譯期狀態一致性會直接決定 agent 迭代閉環能不能收斂。

二，昇騰側的進展從運算元數量轉到底層資料通路上。 #3530 一筆 18 檔案，做的是 NZ 壓縮佈局在部分 UB→L1 複製中的行距表達；#3581 與 #3523 分別修編譯期謂詞爆炸與 SIMT 向量區域性變數的分配語義。三筆都不新增運算元，都是讓既有路徑在更多形狀上可編譯、可正確執行。配合 CANN 社群另起 ops-tilelang 運算元倉（4.1），可以讀出分工：運算元資產由社群倉承載，主倉專注後端語義與 codegen。

三，TileOPs 兩天連續 20 筆，工作重心在 SM90 特化與 SM89 補位。 視窗內新增三個 SM90 warp 特化 kernel（dense decode、因果滑窗 band、FP8 varlen 重疊），同時把 SM89 的 SSD chunk scan、paged DSA、NSA top-k 三條小規模路徑一併推進。值得注意的是兩筆 NaN 修復（#2708、#2699）都出現在 warp 特化路徑上：共享記憶體規劃器的活躍期判斷和 fast math 下的 FMA 融合，是這類手工編排 kernel 最容易出錯的兩種地方，而這恰好是 TileLang 承諾要替使用者管住的部分。

四，一個反向指標是基準層。 #2692 把參考實現改到 float32 計算，起因是 MTT S5000 上 GroupNorm 與 InstanceNorm 失敗——問題出在參考實現跟著輸入 dtype 走，而不是 kernel 本身。同日 TileFoundry #256 讓”裝置拒絕啟動”從靜默變成拋錯。兩筆都在同一個方向：把”看起來透過了”變成”確實透過了”，對依賴這些工具做晶片適配的團隊，這類修復的實際價值高於幾條效能數字。

五，分發與產業兩條線在加速。 Sunrise 分發版把 0.1.15 與 TANG 後端的 wheel 打包成釋出 PR，說明 TileLang 已經出現不止一個下游分發形態；產業側 SCMP 轉載 SemiAnalysis 的判斷，把”六倉中只有 TileLang 可用”推到主流媒體。技術節奏上這仍是平靜的一天（主倉無釋出、無 breaking change），但生態層的組織動作明顯多於程式碼層。

附錄：素材與核查說明

信源核查表

信源 核查結果
tile-ai 組織倉庫 29 倉，視窗內推送 10 個；合入 35 筆，在審更新 71 筆
tilelang 主倉 9 筆合入，1 筆單行修復，1 筆 18 檔案昇騰改動；VERSION 0.1.15，無新發布
TileOPs 20 筆合入，全部為 Attention / MoE / Elementwise / Reduction 的 kernel 與測試
TileFoundry 3 筆合入，另 4 筆在審；0.0.3 於 10-21 釋出的說明已在上一期收錄
tilelang-ascend 2 筆合入（1 新增示例、1 回退示例），11 筆在審
tilelang-hygon main 無提交；合併分支 gcy_merge_main 一筆開關清理
tilelang-sunrise 新建 candidate 分支並開 0.1.15+sunrise.1.2.0 釋出 PR，未合入
tilelang-metax / musa / mlir-ascend 視窗內無推送，分別停在 10-16 / 09-30 / 10-19
TileRT / tilescale / DeepStack 視窗內無推送
採用方 TileKernels / FlashQLA 均停在 10-14，無推送
Google News（中英文多組，走代理） 命中 3 條，2 條為同一份 SemiAnalysis 報告的媒體轉載，1 條為 DeepSeek 融資與主題無關已剔除
Hacker News 無 TileLang 相關討論
arXiv 以 TileLang 為標題或摘要關鍵詞檢索，視窗內 0 條
社群新倉 5 個新倉或活躍倉，均已核對建倉日期與推送時間
會員或廠商官網 本主題不適用

完整信源清單

cale（#2704）— https://github.com/tile-ai/TileOPs/pull/2704