調研視窗：2026-10-23 07:00 ~ 2026-10-26 07:00（北京時間，72 小時，覆蓋週五至週一）。

信源：GitHub tile-ai 組織逐倉核查（tilelang / TileOPs / TileFoundry / tilelang-ascend〔ascendc_pto〕/ tilelang-hygon / 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）+ 新增 issue 全量核對 + 提交級 diff 與釋出頁 tag 核查 + PyPI 釋出狀態核查 + 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：72 小時合入 78 筆、在審更新 76 筆；TileOPs 首次 PyPI 釋出只剩最後一項，CHANGELOG 已寫定 0.1.0（10-26）；主倉在審的 TIRx 替換動 1043 個檔案；昇騰倉 situ_glu 合入、每日測試單日 2903 項全通
  • 一、核心專案進展
    • 1.1 主倉：partial-sync 命名屏障 id 在兩類儲存域間重號（#3643）（10-25）
    • 1.2 主倉：clamp 的 NaN 傳播下降被回退，T.clamp 回到 min/max（#3628）（10-23）
    • 1.3 主倉：int64 原子 max/min 與 AtomicStore 的 int64、bf16、fp16 崩潰（#3307）（10-23）
    • 1.4 主倉：VectorizeLoop 不再靜默忽略迴圈步長（#3345）（10-23）
    • 1.5 主倉：NVRTC 命中磁碟快取後自動調優結果寫不回（#3193）（10-23）
    • 1.6 在審：用獨立打包的 TIRx 替換內建 TVM，改動 1043 個檔案（#3666）（10-25）
    • 1.7 在審：sm_100 的 TMEM 釋放缺 CTA 屏障，warp 特化前導語句漂移（#3645 / #3663 / #3664）（10-25）
    • 1.8 新增缺陷：sm_120 上歸約下降失敗、三張注意力示例超共享記憶體（#3647 / #3646）（10-25）
  • 二、多後端適配（昇騰 / 海光 / 新增 CPU 與 ROCm）
    • 2.1 昇騰主倉：DeepGEMM 示例支援 FP4×FP4 打包輸入（#3589）（10-23）
    • 2.2 昇騰主倉：DMA 保留緩衝基偏移、區域界先提升、週期緩衝完整生命週期（#3627 / #3625 / #3606）（10-23）
    • 2.3 昇騰主倉：CI 映象升到 cann9.3.0 周更版（#3630）（10-23）
    • 2.4 昇騰在審：E4M3 的 UB→L1 複製、片上記憶體溢位提前拒絕（#3639 / #3655）（10-24~25）
    • 2.5 昇騰在審：PTO 目標預設走 tvm_ffi 執行後端（#3516）（10-24）
    • 2.6 昇騰倉：situ_glu 運算元合入，對齊 Kimi K3 門控啟用（#1891）（10-23）
    • 2.7 昇騰倉在審：稀疏 MLA、GLM-5.3 kpool 與三張規範化示例（10-23~25）
    • 2.8 昇騰倉：每日測試 2903 項全通，次日測試作業報失敗（#1941 / #1944）（10-25~26）
    • 2.9 海光：主幹三筆合入，暫存器流水線重新進在審（#26 / #18 / #27）（10-23~25）
    • 2.10 新增後端在審：Intel AMX 的 BF16/INT8 GEMM、ROCm 的 FP4 與 E8M0（#3637 / #3665）（10-24~25）
  • 三、生態與採用方（TileOPs / TileFoundry / 發行版）
    • 3.1 TileOPs：首發清理八項完成七項，CHANGELOG 寫定 0.1.0（#2738）（10-25）
    • 3.2 TileOPs：公共名字與路徑一次定稿，打包改後設資料並支援 3.13（#2741 / #2742 / #2746）（10-25）
    • 3.3 TileOPs：寫運算元的入口收口為 authoring，eager 呼叫收斂到單執行器（#2743 / #2744）（10-25）
    • 3.4 TileOPs：運算元的共享語義一次寫清，輸入校驗由清單生成（#2751 / #2758 / #2760）（10-25）
    • 3.5 TileOPs：釋出文件、第三方宣告與 pip 安裝入口（#2753）（10-25）
    • 3.6 TileOPs 效能：GDN 預填充分割槽寬度按呼叫自身長度選，KDA 原生門控進 kernel（#2745 / #2683）（10-23~25）
    • 3.7 TileOPs 效能：合併注意力態、分頁 GQA 與 indexer 尾波（#2739 / #2752 / #2735 / #2730）（10-24~25）
    • 3.8 TileOPs 效能：GEMM 尾波窄瓦片、乒乓 BMM 分級暫存（#2733 / #2734 / #2720）（10-23~25）
    • 3.9 TileOPs 效能：MoE 的 A 箱裝載與原生寬度 WGMMA，逐元素倒數與行廣播（#2711 / #2715 / #2710 / #2725）（10-23~24）
    • 3.10 TileOPs 效能：歸約與歸一化改 16 位元組 evict-last 讀（#2757 / #2759 / #2748 / #2737）（10-25）
    • 3.11 TileOPs 正確性與 CI：SSD 掃描尾部、GLA 段展開、H200 釋出校驗（#2716 / #2750 / #2749 / #2718 / #2713）（10-23~25）
    • 3.12 TileFoundry：sm_89

的 E4M3 warp MMA 與逐指令能力校驗（#261 / #262 / #264）（10-23~24）

  • 3.13 TileFoundry：cp.async 目標佈局定址與 MLA 反向佈局（#263 / #260 / #257）（10-23）
  • 3.14 TileFoundry：拆成 core / nvidia / apple 三個發行包，測試輸入只裝載一次（#268 / #269）（10-25）
  • 3.15 分發版：Sunrise 0.1.15+sunrise.1.2.0 釋出 PR 合入（#9）（10-23）
  • 四、社群、教程與活動
    • 4.1 新倉：PTO-ISA 的 tilelang-puzzles-ascend 做 PTO 對 Ascend 的量化 kernel 教程（10-23）
    • 4.2 新倉：中文 TileLang 運算元面試練習站，9 模組 18 題（10-23）
    • 4.3 社群技能與教程倉繼續推送，文件站四筆跟隨首發改版（10-23~25）
    • 4.4 討論：TileScale 使用者詢問所用 TileLang 版本能否升級（#72）（10-25）
  • 五、趨勢觀察

今日重點

72 小時裡 tile-ai 組織合入 78 筆（TileOPs 51、tilelang 10、TileFoundry 10、文件站 4、tilelang-ascend 1、tilelang-hygon 1、tilelang-sunrise 1），在審更新 76 筆，新開 issue 19 條。最重的一條在釋出佇列：TileOPs 的「首發清理」跟蹤單（#2738）八項完成七項，只剩 TestPyPI 試跑與首個 tag，而 CHANGELOG 已在 10-25 23:17 寫下首條正式版本記錄「0.1.0 - 2026-10-26」，宣告運算元按 tileops.<family>.<Op> 匯入、tileops.backend 與 tileops.authoring 分別供後端方與第三方寫運算元，驗證配置鎖定為 SM90（H200）、Python 3.12/3.13、PyTorch 2.13、TileLang 0.1.12、CUDA 13.2；但 PyPI 上該包最新仍是 2025-10-09 的 0.0.1.dev2，倉庫無任何 tag 與 release，首發處在「文件就緒、製品未上傳」的最後一格。主倉 10 筆合入集中在靜默錯：跨儲存域的命名屏障重號（#3643）、T.clamp 的 NaN 傳播下降被回退（#3628）、int64 原子 max/min 與 AtomicStore 崩潰（#3307）、VectorizeLoop 丟掉迴圈步長（#3345）。在審最值得注意的是 #3666：刪掉 3rdparty/tvm、把前端與下降整體遷到獨立打包的 TIRx，1043 檔案 +71428/-104176。昇騰線同日合入 Kimi K3 門控啟用運算元 situ_glu（#1891），該倉每日測試 10-25 報 2903 項全通、10-26 凌晨又報測試作業失敗（#1944）。

一、核心專案進展

1.1 主倉：partial-sync 命名屏障 id 在兩類儲存域間重號（#3643）

合於 10-25 14:30，2 檔案 +57/-1，修 #3642。ThreadSync 對 shared 與 shared.dyn 各跑一次，每次新建一個改寫器、各自從 kFirstUsedBarrier 重新編號；第二次執行跳過第一次已改寫的同步，卻不知道那些 id 已佔用，於是把同一個 bar.sync id, count 分給互不重疊的兩組執行緒。修法是讓編號跨兩次執行連續，併為跨域複用加斷言。這類缺陷編譯期不報錯、只在大 kernel 偶發。

來源：https://github.com/tile-ai/tilelang/pull/3643

1.2 主倉：clamp 的 NaN 傳播下降被回退，T.clamp 回到 min/max（#3628）

合於 10-23 16:51。回退 #3205 整條鏈路：刪除 tl.clamp 內建、各後端下降註冊、codegen 分支與裝置端輔助函式（含昇騰註冊），T.clamp(x, lo, hi) 恢復為 T.min(T.max(x, lo), hi)，理由是額外 NaN 處理擋住了 min/max 的化簡與向量化。NaN 訴求未消失，同日另開 #3605 以 T.clamp_symmetric 在 CUDA SM86+ 單列實現，分工是「T.clamp 保通用、新介面保語義」。

來源：https://github.com/tile-ai/tilelang/pull/3628

1.3 主倉：int64 原子 max/min 與 AtomicStore 的 int64、bf16、fp16 崩潰（#3307）

合於 10-23 18:44。normalize_atomic_type 自 #1716 起把 int64_t 歸一成 unsigned long long 以支援 atomic add，結果讓 Atomic 的 max/min 及引用形式在 int64 上直接崩，AtomicStore 同樣中招並額外波及 bf16 與 fp16。修復按操作為 int64 單獨選型，AtomicStore 走獨立型別分派。屬「為一個操作改公共歸一化、連帶打斷其餘操作」的典型迴歸。

來源：https://github.com/tile-ai/tilelang/pull/3307

1.4 主倉：VectorizeLoop 不再靜默忽略迴圈步長（#3345）

合於 10-23 19:02，屬 #3301 跟蹤的 F319。向量化器只收到 (loop_var, extent, body)，步長根本沒進去：T.vectorized(0, 8, step=2)（迭代集 0/2/4/6）被下降成覆蓋整個 [0, 8) 的連續訪問。修復在進入向量化前拒絕非單位步長並給診斷。這一批子項的共同特徵是前端接受了無法下降的寫法、後端給出另一個程式的機器碼。

來源：https://github.com/tile-ai/tilelang/pull/3345

1.5 主倉：NVRTC 命中磁碟快取後自動調優結果寫不回（#3193）

合於 10-23 15:04。NVRTC 從磁碟載入 kernel 時不設 adapter.libpath，而調優選中配置後要憑該欄位儲存快取 kernel，於是每次命中都拋 AttributeError、結論被丟棄，使用者看到的是「每次啟動都在重調」。修復在快取載入路徑恢復 libpath，與全新編譯路徑一致，補快取過載與負向對照用例。

來源：https://github.com/tile-ai/tilelang/pull/3193

1.6 在審：用獨立打包的 TIRx 替換內建 TVM，改動 1043 個檔案（#3666）

10-25 19:16 提交，1043 檔案 +71428/-104176。刪掉 3rdparty/tvm 及 submodule 條目（保留 CUTLASS 與 HIP 標頭檔案），把前端、原生張量與作用域 IR、下降 pass、後端流水線、執行適配整體遷到獨立構建釋出的 tvm_tirx，相容層限定在 TileLang 內部，不設全域性 tvm 別名、不保留第二份 TIRx。這把前幾期「tvm fork 先行、主倉跟進」推到終點：底座從 vendored 原始碼轉成外部依賴，此後可獨立發版與回滾，合入影響面覆蓋整倉。

來源：https://github.com/tile-ai/tilelang/pull/3666

1.7 在審：sm_100 的 TMEM 釋放缺 CTA 屏障，warp 特化前導語句漂移（#3645 / #3663 / #3664）

三筆同源，都在自動 warp 特化與 Blackwell 新儲存上。#3645：sm_100 上張量記憶體釋放沒有 CTA 級屏障，生產者 warp 可在消費者 tcgen05.mma/tcgen05.ld 仍讀累加器時將其釋放。#3663：特化會把 T.serial 外層迴圈之外的前導語句搬進迴圈體，本應只執行一次的初始化被每輪重放，輸出錯。#3664：if 內包特化流水且 if 後有語句時，setmaxnreg 相關下降令 ptxas 失敗。三筆合看，「哪些語句屬於哪個 warp、生命週期到哪結束」仍缺完整語義模型。

來源：https://github.com/tile-ai/tilelang/pull/3645、https://github.com/tile-ai/tilelang/issues/3663、https://github.com/tile-ai/tilelang/issues/3664

1.8 新增缺陷：sm_120 上歸約下降失敗、三張注意力示例超共享記憶體（#3647 / #3646）

10-25 09:08 同日兩報。前者是 gdn wy_fast_bwd_split 在 sm_120 上的 ReduceOp 下降失敗——源索引依賴執行緒持有的歸約分段，不在既有規則覆蓋內；後者是 attention_sink、gqa_bwd、block_causal_attention_varlen 三張示例超 101376 位元組單塊共享記憶體上限。對應修復 #3662 已開：按裝置上限選更小瓦片、更少流水級與 128 執行緒，大裝置保持原預設。消費級 Blackwell 的容量約束正成為示例與調優表的硬邊界。

來源：https://github.com/tile-ai/tilelang/issues/3647、https://github.com/tile-ai/tilelang/issues/3646

二、多後端適配（昇騰 / 海光 / 新增 CPU 與 ROCm）

2.1 昇騰主倉：DeepGEMM 示例支援 FP4×FP4 打包輸入（#3589）

合於 10-23 10:26。為 dense、M-grouped、K-grouped 三套 DeepGEMM 介面開啟打包 E2M1 FP4×FP4 輸入，複用既有 MX GEMM kernel 與啟發式，從打包位元組儲存反推邏輯維度並按 FP4 的 64 元素對齊；後端側只改 MX 的 K 尾填充，批式構造器也接受 FP4。公開的 batch/einsum 介面仍保 FP8 以對齊 DeepGEMM-Ascend-Nightly，FP8×FP4 反量化留待後續。

來源：https://github.com/tile-ai/tilelang/pull/3589

2.2 昇騰主倉：DMA 保留緩衝基偏移、區域界先提升、週期緩衝完整生命週期（#3627 / #3625 / #3606）

三筆同於 10-23 合入，都是佈局與生命週期修正。#3627：DMA 規劃丟掉 Buffer.elem_offset，UB 別名以 elem_offset=256 構造時 T.copy(別名, out) 實際從 0 號元素讀；修法是把基偏移算進地址並在跨步切片（含巢狀）保留父偏移。#3625：區域最小值與長度用 Int64Promoter 提升後再構造半開區間，避免 int32 轉型遮住動態尾界、令重疊證明耗盡 Z3 預算，給原地持久化 RoPE 引入多餘跨迭代依賴。#3606：子緩衝生命週期摘要須完整覆蓋訪問才可提升，外部預載的值跨整個父週期存活，防止巢狀與手工流水下的複用覆蓋待讀者。

來源：https://github.com/tile-ai/tilelang/pull/3627、https://github.com/tile-ai/tilelang/pull/3625、https://github.com/tile-ai/tilelang/pull/3606

2.3 昇騰主倉：CI 映象升到 cann9.3.0 周更版（#3630）

合於 10-23 19:20，只改 CI：ascend 作業測試容器從 cann9.3.0-weekly.20260930 提到 cann9.3.0-weekly.20261021-ubuntu22.04-py3.12。它決定昇騰側全部迴歸用例實際驗證的是哪版 CANN 執行時，是判斷該線結論有效期的前提。

來源：https://github.com/tile-ai/tilelang/pull/3630

2.4 昇騰在審：E4M3 的 UB→L1 複製、片上記憶體溢位提前拒絕（#3639 / #3655）

#3639 為 Ascend 950 開啟 float8_e4m3fn 的 UB→L1 複製：ND 輸入經既有 scatter/post-copy 管線重排、預打包 NZ 直接搬運，footprint 與延遲分析補 FP8 元素寬度。#3655 讓 MergeUBAllocations 在下降階段按 UB、L1、L0A、L0B、L0C 各自容量校驗計劃佔用並報診斷，而非生成越界分配——起因是兩個獨立迴圈各自合法地選中 32KB L0A 瓦片的兩個版本、合併後超限。片上記憶體管理正從執行時報錯前移到編譯期拒絕。

來源：https://github.com/tile-ai/tilelang/pull/3639、https://github.com/tile-ai/tilelang/pull/3655

2.5 昇騰在審：PTO 目標預設走 tvm_ffi 執行後端（#3516）

10-24 更新的在審改動：為 pto 支援 tvm_ffi 並設為預設，execution_backend="auto" 現解析到 tvm_ffi。共享宿主機 codegen 負責 MakePackedAPI 與 C 宿主構建，昇騰執行時模組經 aclrtLaunchKernelWithHostArgs 拉起 PTODSL 編譯的 aibin，與 AscendC 路徑一致。與主倉 CPU 側 #3634（統一到 TVM-FFI、移除 CPU 專用 Cython 包裝）同向：執行後端在做減法。

來源：https://github.com/tile-ai/tilelang/pull/3516

2.6 昇騰倉：situ_glu 運算元合入，對齊 Kimi K3 門控啟用（#1891）

合於 10-23 16:04。語義與 dtype/shape/attr 約束逐條對齊 CANN ops-nn 的 activation/situ_glu，精度基準取 CPU fp64 的 PyTorch 金標準；純 Vector 單 kernel，宿主按 dim 把輸入合軸成 (rows, cut*inner) 零複製檢視，非末維切分不跨步。運算元對應 Kimi K3 Stable LatentMoE 的前向門控啟用，與上一期的 situ_glu 梯度、稀疏 MLA 一併，昇騰倉的運算元清單正按具體對話模型結構逐個鋪開。

來源：https://github.com/tile-ai/tilelang-ascend/pull/1891

2.7 昇騰倉在審：稀疏 MLA、GLM-5.3 kpool 與三張規範化示例（10-23~25）

在審 24 筆裡，運算元側代表是 sparse_mla_fwd（#1929，DSA 稀疏 MLA 前向，varlen 打包隨機行 gather + 線上 softmax + QK/PV 雙 GEMM，fast 路徑限定 H=128、G=1、dim/tail=(512,64) 等條件）與 GLM-5.3 kpool 壓縮（#1910，池內逐維 softmax 池化、過 BF16 邊界、Hadamard-128 旋轉、E4M3 量化並把行與 scale 散射進分頁 cache）。示例側補 rms_norm（#1558）、NMS（#1748，成對 IoU 壓 1 bit 進 uint16 點陣圖，N=4096 時 2MB 取代 64MB 矩陣）與 GroupNorm（#1607）。

來源：https://github.com/tile-ai/tilelang-ascend/pull/1929、https://github.com/tile-ai/tilelang-ascend/pull/1910、https://github.com/tile-ai/tilelang-ascend/pull/1748

2.8 昇騰倉：每日測試 2903 項全通，次日測試作業報失敗（#1941 / #1944）

機器人賬號 10-25 05:15 報每日測試 2903 項全部透過、透過率 100%；10-26 04:30 又報 workflow 的 test 作業失敗，10-24 05:08 另有一次失敗記錄。#1944 未附失敗用例明細，但從時間序列看，每日全量已穩定在 2900 量級並承擔迴歸門禁角色，一次失敗即代表某條新合入或環境變更打斷既有用例。

來源：https://github.com/tile-ai/tilelang-ascend/issues/1941、https://github.com/tile-ai/tilelang-ascend/issues/1944

2.9 海光：主幹三筆合入，暫存器流水線重新進在審（#26 / #18 / #27）

主幹在 10-23 17:57 一次性落地三筆（作者日期 10-14、10-16、10-20，屬批次合入）：修正 MLS 槽位與線性 DS 讀取、CI 支援 DTK 26.04/26.10、改用 wave64 shuffle 與向量化 BF16 儲存；合入的 #26 另修 FP4 的 MLS warp 劃分控制代碼。在審 #18 重新引入暫存器流水線（可與共享記憶體流水並存，按流水級插入 commit 與 barrier），並在 warp 數超 4 時啟用 warp diverge，目標把 example_gemm 打到與 ROCm 相當，10-25 06:00 有更新；#27 處理內建下降、精度與整數向量 codegen。與上一期「合併分支移除 enable_register_pipeline」對照，同一能力正以 PR 形式重做。

來源：https://github.com/tile-ai/tilelang-hygon/pull/26、https://github.com/tile-ai/tilelang-hygon/pull/18、https://github.com/tile-ai/tilelang-hygon/pull/27

2.10 新增後端在審：Intel AMX 的 BF16/INT8 GEMM、ROCm 的 FP4 與 E8M0（#3637 / #3665）

#3637 為 CPU 路徑加 Intel AMX 後端：目標探測、編譯選項、GEMM 分派，BF16 與 INT8 kernel 走 AVX-512/VNNI 打包與對齊複用暫存，執行側按 1 核、40 核、120 核自適應 OpenMP。此前 TileFoundry 已在 Apple AMX 上跑通預填充示例，這一筆把 AMX 直接做進主倉 CPU 路徑。#3665 修 HIP 模板兩處缺口：T.cast(x, T.float4_e2m1fn) 在 HIP 上被列印成 (fp4_e2_t)x，而該型別只有顯式建構函式，浮點被截成整數儲存（1.0 變 0.5、2.0 變 1.0），同時補 E8M0 型別並在 gfx94x 上使能軟體 FP4。

來源：https://github.com/tile-ai/tilelang/pull/3637、https://github.com/tile-ai/tilelang/pull/3665

三、生態與採用方（TileOPs / TileFoundry / 發行版）

3.1 TileOPs：首發清理八項完成七項，CHANGELOG 寫定 0.1.0（#2738）

10-25 10:45 建跟蹤單「Release clean-up」，八項已勾選七項：命名、打包與倉庫檔案、Python 3.13、公共 API 與擴充套件點、運算元行為、輸入校驗、文件站；唯一未完成的是「第三方宣告、PyPI 安裝文件、dev 依賴組、CHANGELOG 與釋出步驟，TestPyPI 試跑並打首個 tag，由維護者執行」。CHANGELOG 同期落地首條版本記錄「0.1.0 - 2026-10-26」，註明首次釋出、docs/stability.md 說明何為公開介面。核對 PyPI：tileops 最新仍是 2025-10-09 的 0.0.1.dev2；核對 GitHub：無 tag、無 release。另有 #2756 提前開出「Post-release clean-up」。

來源：https://github.com/tile-ai/TileOPs/issues/2738、https://github.com/tile-ai/TileOPs/blob/main/CHANGELOG.md

3.2 TileOPs：公共名字與路徑一次定稿，打包改後設資料並支援 3.13（#2741 / #2742 / #2746）

#2741 是 739 檔案 +6452/-6740 的一次性改名：tileops、各運算元族模組、tileops.backend、tileops.manifest、tileops.trace 與新增 tileops.authoring 成為公開面，其餘下沉為 _ops、_kernels、_utils、_perf，刪掉 tileops.ops 惰性匯出層，一個運算元只留一條匯入路徑。#2742 修打包後設資料（bench 從 extra 移到 dependency group，dev 去重並補 pre-commit 與 pytest-timeout，宣告 Linux/CUDA 13/Python 3，隨包發 py.typed），新增 CHANGELOG 與缺陷模板。#2746 把 requires-python 定為 >=3.12 並去上界，在 Python 3.13.15 + torch 2.13.0 + PyPI 版 tilelang 0.1.12 的 H200 上跑通全部 43 項打包用例。

來源：https://github.com/tile-ai/TileOPs/pull/2741、https://github.com/tile-ai/TileOPs/pull/2742、https://github.com/tile-ai/TileOPs/pull/2746

3.3 TileOPs：寫運算元的入口收口為 authoring，eager 呼叫收斂到單執行器（#2743 / #2744）

#2743 定擴充套件點：倉外程式碼按 tileops.authoring.Op 子類化寫運算元，把清單條目宣告為類屬性 spec，類建立時由校驗器檢查，隨之獲得簽名檢查、形狀推導、roofline 與編譯邊界；只有 tileops 內部類取同名條目並由後端直接服務。#2744 把每次 eager 呼叫重複推導的簽名判定、呼叫規格、kernel 程式與呼叫記錄收斂為「每個特化一份 plan」，併發下只解析一次、構建失敗回滾已釋出的調優配置。運算元作者與呼叫者的介面都從隱式約定變成顯式契約。

來源：https://github.com/tile-ai/TileOPs/pull/2743、https://github.com/tile-ai/TileOPs/pull/2744

3.4 TileOPs：運算元的共享語義一次寫清，輸入校驗由清單生成（#2751 / #2758 / #2760）

#2751 與 #2758 把「每個概念一種約定」落成文件並逐運算元執行：所有 attention 的 LSE 統一為 float32 自然對數、稠密 [B,H,S] 與打包 [H,T] 按該佈局儲存（GQADenseBwdOp 此前讀的是 2 為底），無可見鍵的行輸出 0 與 -inf；out= 一律為僅關鍵字引數並返回該物件，反向運算元與對應前向成對。#2760 把 validate_inputs 的打包偏移檢查從逐運算元手寫改為由清單生成，順帶修掉四個線性注意力運算元按引數位置取 cu_seqlens 的隱患。

來源：https://github.com/tile-ai/TileOPs/pull/2758、https://github.com/tile-ai/TileOPs/pull/2760

3.5 TileOPs：釋出文件、第三方宣告與 pip 安裝入口（#2753）

11 檔案 +103/-32：THIRD_PARTY_NOTICES 收錄 Qwen 團隊程式碼的 MIT 宣告（兩個 GDN 預填充 kernel 改寫自該處），作為 license 檔案隨 wheel 與 sdist 釋出；README 首屏改為 pip install tileops 並給出核對過的配置（Linux、Python 3.12/3.13、PyTorch 2.13、TileLang 0.1.12、CUDA Toolkit 13.2 與 nvcc、SM90）。提交說明要求打 tag 前一刻合入，與跟蹤單最後一項互為先後。

來源：https://github.com/tile-ai/TileOPs/pull/2753

3.6 TileOPs 效能：GDN 預填充分割槽寬度按呼叫自身長度選，KDA 原生門控進 kernel（#2745 / #2683）

#2745 修 GDNFwdOp 預填充：此前分割槽寬度取 key head 數，q35-397b-tp8-32768 把每條 walk 切成 64 段跨 4 波，夜間基準只有 FlashInfer 的 0.988；改為按呼叫自身序列長度與 value head 求解分割槽後，bf16 從 289.3 降到 200.6 微秒（1.434 倍 FlashInfer）、fp16 從 285.0 降到 195.2 微秒（1.468 倍）。#2683 讓 KDA 前向直接吃原始門控（含可選 dt_bias 與有界門控），16 檔案 +3095/-458，新增 28 條工作負載並在每條 KDAFwdOp 行超過 FLA 基線，強衰減 chunk 改算成對 Gram 項以避免 NaN。

來源：https://github.com/tile-ai/TileOPs/pull/2745、https://github.com/tile-ai/TileOPs/pull/2683

3.7 TileOPs 效能：合併注意力態、分頁 GQA 與 indexer 尾波（#2739 / #2752 / #2735 / #2730）

#2739 給 MergeAttentionStatesFwdOp 加無行守衛的程式與合併後一次性 LSE 儲存，此前在 llama-70b-cascade 上只有 FlashInfer 原生 merge_state 的 0.985、另兩行 0.988 至 0.999。#2752 讓它同時支援自然對數與以 2 為底（exp2/log2），單波 16 行網格改 512 執行緒 CTA 處理 64 行。#2735 修 qwen35 的 RoPE 暫存溢位，head dim 256 的 FP8 快取從單 warpgroup 64 行瓦片改雙 warpgroup 128 行（此前只有最快對比實現的 0.16 至 0.57 倍），flat dim-64 行改三消費者 warpgroup。#2730 把 FP8 indexer 最後不足一波的塊按 2 的冪切到最多 16 個 CTA，但實測長行因 ptxas 的 FMNMX 排序反慢 2 至 7 個百分點。

來源：https://github.com/tile-ai/TileOPs/pull/2739、https://github.com/tile-ai/TileOPs/pull/2735、https://github.com/tile-ai/TileOPs/pull/2730

3.8 TileOPs 效能：GEMM 尾波窄瓦片、乒乓 BMM 分級暫存（#2733 / #2734 / #2720）

#2733 針對持久化網格最後一波：最忙 CTA 的瓦片列數決定整體時間，ds-v3 若干行此前落後 cuBLASLt 或 quack 0.6 至 2.3 個百分點；改法是寬瓦片跑完後用更窄瓦片處理最後一行、按最忙 CTA 列數最少選佈局，176 寬瓦片配 5 級環與雙緩衝 epilogue。#2734 讓 BmmPingPongKernel 的儲存經兩塊緩衝交替分級（K 跨 16 段以上取 16 列、以下取 32 列），避免最後一個瓦片的 epilogue 序列等 cast 與 store。#2720 在兩波以內的短 K 批次 GEMM 改用 128×128 乒乓瓦片，讓換瓦與 epilogue 藏在另一組主迴圈下。

來源：https://github.com/tile-ai/TileOPs/pull/2733、https://github.com/tile-ai/TileOPs/pull/2734、https://github.com/tile-ai/TileOPs/pull/2720

3.9 TileOPs 效能：MoE 的 A 箱裝載與原生寬度 WGMMA，逐元素倒數與行廣播（#2711 / #2715 / #2710 / #2725）

#2711 修解碼期 MoE：一個專家只持 1 至 7 行，但 64 行整塊 TMA 裝載把下一個專家的行也拉進 L2，gpt-oss-120b-decode 的 gate/up 因此 L2 受限（3.56GB DRAM 讀對應 6.11GB L2 流量）；改為按 128 位元組 K 原子切 16 行 A 箱、只發活躍行可達的箱。#2715 讓 192 與 224 寬模板瓦片各發一條 16K 的 WGMMA——此前寬度不整除 256 的 T.wgmma_gemm 被拆成 gcd(width,256) 寬多條、每條重讀 A，慢 27 至 35 個百分點。#2710 把倒數改成一條近似指令加每執行緒一個向量（此前 1600 萬行 fp16/bf16 上落後 torch.compile 1 至 1.4 個百分點）。#2725 在網格只佔一波時讓一執行緒走四行、共用一份 bias 向量。

來源：https://github.com/tile-ai/TileOPs/pull/2711、https://github.com/tile-ai/TileOPs/pull/2715、https://github.com/tile-ai/TileOPs/pull/2710

3.10 TileOPs 效能：歸約與歸一化改 16 位元組 evict-last 讀（#2757 / #2759 / #2748 / #2737）

#2759 把只讀一次的 16 位元組裝載統一走 tileops::load16_evict_last（argreduce 共享記憶體段、逐執行緒整向量 argreduce、InstanceNorm 行歸一化、8MiB 以內行摺疊），超過閾值才回 evict-first。#2757 讓 leading-axis 歸約下行 pass 改由 1024 執行緒各持一個 16 位元組向量，ProdFwdOp 在 (4,128,4096) fp16 的 dim 0 上從 3.33 微秒降到與 torch.compile 持平。#2748 讓 LayerNorm 執行緒數按行數選（8192 以上且每 SM 不超過一塊時 256、否則 128），同一運算元服務解碼與預填充各編譯一次。#2737 停掉 AdaptiveMaxPool2d 的調優——按 CUDA 事件計時選出的配置輪次間可慢 1.7 倍，改跑派生預設配置並新增暫存器版全域性池化 kernel。

來源：https://github.com/tile-ai/TileOPs/pull/2759、https://github.com/tile-ai/TileOPs/pull/2757、https://github.com/tile-ai/TileOPs/pull/2748

3.11 TileOPs 正確性與 CI：SSD 掃描尾部、GLA 段展開、H200 釋出校驗（#2716 / #2750 / #2749 / #2718 / #2713）

#2716 在 CUDA codegen 前展開 SSD chunk 掃描流水的固定尾部，修掉非同步複製等待引數裡殘留算術表示式導致的整型下溢編譯錯（Mamba 用例此前無法編譯）。#2750 顯式展開打包 GLA 的兩段流水，避開新版 CUDA 程式碼生成器拒絕符號化等待計數。#2749 在向量化因果卷積預填充裝載前對齊可選 bias 儲存——連續檢視可能保留未對齊首址。#2718 收緊 H200 釋出校驗：用例缺失、報告為空、測試未成功或整行未核驗都判失敗，每次裝輪驗證用獨立快取，CUDA Graph 覆蓋 23 個測試、9 個運算元。#2713 讓夜間基準在獨佔 GPU 上序列採集——此前提前預熱會在另一基準佔用獨佔裝置時初始化 CUDA 上下文，致一次夜間 1061 個用例報錯。

來源：https://github.com/tile-ai/TileOPs/pull/2716、https://github.com/tile-ai/TileOPs/pull/2718、https://github.com/tile-ai/TileOPs/pull/2713

3.12 TileFoundry：sm_89 的 E4M3 warp MMA 與逐指令能力校驗（#261 / #262 / #264）

#261 宣告 sm_89 上的 FP8 warp MMA（mma.sync 的 m16n8k32 E4M3 形式）：此前 #259 建立的 sm_89 目標只能選 BF16，暫存器裡的 E4M3 乘積無指令可落。#262 把能力校驗從「只查 MMA」擴到每條指令：sm_89 上用 bulk copy、TMA copy 或 mbarrier 事務屏障形式此前能透過驗證、到 codegen 或 ptxas 才失敗且報錯不提缺失硬體，改後 admit_fields 在接入階段逐條對照目標能力。#264 用一條 16×8×128 的 E4M3 乘積把該 atom 從排程跑到 GPU、K 切片經共享記憶體暫存——正是這條用例暴露了隨後 #263 修的 cp.async 定址缺陷。

來源：https://github.com/tile-ai/TileFoundry/pull/261、https://github.com/tile-ai/TileFoundry/pull/262、https://github.com/tile-ai/TileFoundry/pull/264

3.13 TileFoundry：cp.async 目標佈局定址與 MLA 反向佈局（#263 / #260 / #257）

#263 修 ops::copy_async 按元素下標定址目標、源按向量遍歷的不一致：執行緒切片含多個向量且連續段不在第一個模式上時，後續向量落到錯誤地址——sm_89 E4M3 GEMM 中每執行緒切片 (2,1,1,8)、步長 (256,-,-,1)，第二個 8 位元組向量寫到了第 4 位元組而非第 256 位元組。#260 收口 MLA 反向的佈局與分析缺口（保留作者仿射對映、用 CuTe 圖元做切片與指令投影、補 StMatrix 與累加式 CopyReduceAsyncTensor 語義），關掉 #251。#257 修下降後 TIR 訪存路徑三處缺陷：ops::reduce 把執行緒軸誤判為 cta 級，warps_per_group 取成整個網格例項數（RMSNorm 教程裡 256 而非 8），跨 warp 工作區索引讀越界。

來源：https://github.com/tile-ai/TileFoundry/pull/263、https://github.com/tile-ai/TileFoundry/pull/260、https://github.com/tile-ai/TileFoundry/pull/257

3.14 TileFoundry：拆成 core / nvidia / apple 三個發行包，測試輸入只裝載一次（#268 / #269）

#268 是 739 檔案 +5489/-4518 的結構調整：核心與廠商發行版拆開、共用一套版本契約，CUDA 與 AMX 的實現、硬體文件、規格、模板、執行時標頭檔案各自打包，發射與連結實現經 target 繫結解析，安裝後的目標在核心初始化之後載入；模型資源歸 target、共享因果語言模型編排歸 core，評審後淨減 274 行。#269 針對測試耗時（主幹 314 至 509 秒、執行時標頭檔案變動 651 秒），把同一輸入經 CLI 裝載器只跑一次——此前一份排程 HIR fixture 被裝載 12 次、校驗 9 次、每族分析一次，且測試私有裝載器接受了 CLI 會拒絕的程式。

來源：https://github.com/tile-ai/TileFoundry/pull/268、https://github.com/tile-ai/TileFoundry/pull/269

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

10-23 10:43 合入。該 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，源匯入與合併適配分開提交，最終適配 TANG 後端 wheel 並修正切片 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）。上一期記錄過該 PR 在 S2 上裝包後 import 冒煙在 tangGetDeviceCount 處失敗；本視窗該倉無後續提交，未見針對該失敗的修復記錄。

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

四、社群、教程與活動

4.1 新倉：PTO-ISA 的 tilelang-puzzles-ascend 做 PTO 對 Ascend 的量化 kernel 教程（10-23）

10-23 推送，自述為「PTO 對 Ascend 的量化 kernel 教程與練習」，格式沿用 tile-ai/tilelang-puzzles。同組織的 tilelangGym 用於測不同基準與微基準在 PTO 下降下的效能敏感度，已於上一期收錄。兩倉同屬 PTO-ISA 組織，與主倉在審的 PTO 向量化（#3512，把 T.Parallel 向量化成 PTO VMI 指令）形成「編譯器—練習—敏感度」三件套，說明 PTO 這條昇騰指令線正在補齊開發者入口。

來源：https://github.com/PTO-ISA/tilelang-puzzles-ascend

4.2 新倉：中文 TileLang 運算元面試練習站，9 模組 18 題（10-23）

10-23 建倉，自述為中文運算元面試練習站：9 個模組、18 道題、21 份教學示例，含互動練習、題解與效能分析。此前社群內容以 cookbook 與技能包為主，這是首次出現「按面試/課程組織」的產物。

來源：https://github.com/zhachar14h-cell/tilelang-operator-interview

4.3 社群技能與教程倉繼續推送，文件站四筆跟隨首發改版（10-23~25）

sablin39/tilelang-cuda-skills（146 星）、RuneFang/tvm_tilelang_cookbook（36 星）、cc-c122/TileLang-Remote-Autotuning-Agent（10-24 推送）繼續更新；kevin3113/models-tilelang 於 10-23 建倉，其作者同期向主倉提交昇騰跨核同步的 schedmode 支援（#3614）。文件側，TileOPs 文件站四筆跟隨主倉改版：#79 刪掉已退休的 GQAPrefillPagedWithKVCacheFwdOp 並在首頁掛釋出公告，#81 跟隨 26 個運算元類改名與內部包加下劃線，#82 跟隨公共 API 契約與 bench 依賴組變更，#83 為首次 PyPI 釋出整理首頁與安裝頁。

來源：https://github.com/tile-ai/TileOPs.github.io/pull/83、https://github.com/sablin39/tilelang-cuda-skills、https://github.com/cc-c122/TileLang-Remote-Autotuning-Agent

4.4 討論：TileScale 使用者詢問所用 TileLang 版本能否升級（#72，10-25）

10-25 05:17 有使用者在 tile-ai/tilescale 提問能否升級 TileScale 依賴的 TileLang 版本。該倉最後推送停在 08-25，文件與示例仍指向較早版本。這類提問通常出現在上游介面進入快速改名期之後——本視窗主倉在審的 TIRx 替換（#3666）與 TileOPs 的 26 個運算元類改名，都會放大下游跟版成本。

來源：https://github.com/tile-ai/tilescale/issues/72

五、趨勢觀察

釋出工程成了主戰場。 78 筆合入裡 TileOPs 佔 51 筆，其中十餘筆屬改名、打包、語義統一、文件與 CI 門禁——不是效能也不是新運算元，而是把介面凍住。跟蹤單七成、CHANGELOG 寫定 0.1.0 並標註 10-26，此後 0.x 的相容承諾開始生效；同期 TileFoundry 做成 core/nvidia/apple 三包、Sunrise 合入 0.1.15 分發版，三條線在同一周做同一件事：把「能跑」變成「能發」。

正確性重心從形狀校驗轉向新硬體與新排程。 上週主倉合入多是形狀與幾何校驗，本視窗換成生命週期與屏障：跨儲存域屏障重號、sm_100 張量記憶體釋放缺 CTA 屏障、warp 特化搬錯前導語句、setmaxnreg 觸發 ptxas 失敗。共同點是編譯透過而結果偶發錯，且都落在自動 warp 特化與新架構儲存上——把排程權交給編譯器之後必然要付的賬。

昇騰線從跑通走到按模型鋪運算元加每日迴歸。 situ_glu 對齊 Kimi K3 Stable LatentMoE 門控啟用，在審的 sparse_mla_fwd 與 GLM-5.3 kpool 同樣是特定模型結構的部件。每日全量 2903 項全通、次日又報失敗，說明用例規模已足以當門禁；配合 CI 映象追到 cann9.3.0 周更版，這條線的結論有效期以周計。

執行後端做減法，後端清單做加法。 CPU 統一 TVM-FFI、PTO 預設 tvm_ffi，加 CuTeDSL 修復與 NVRTC 編譯，方向一致：減少執行路徑分叉。後端清單反向擴張——Intel AMX 進 CPU 路徑、ROCm 補 FP4 與 E8M0、海光重提暫存器流水線。分發形態正從「一套程式碼多後端分支」變成「一套 IR、多個打包」，與 #3666 把 TVM 變外部依賴同路。

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 11 個；合入 78 筆，在審更新 76 筆，新增 issue 19 條
tilelang 主倉 10 筆合入（9 筆在 10-23、1 筆在 10-25）；VERSION 仍 0.1.15，無新 tag；在審 50 筆更新，含 TIRx 替換（#3666）
TileOPs 51 筆合入，圍繞首發清理與效能；無 tag、無 release；PyPI 最新仍為 0.0.1.dev2（2025-10-09）
TileFoundry 10 筆合入（#257 至 #269）；v0.0.3 釋出說明已在 10-22 那期收錄，本視窗無新 tag
tilelang-ascend 1 筆合入（situ_glu，預設分支 ascendc_pto），在審 24 筆更新；每日測試 2903 項全通後次日作業失敗
tilelang-hygon 主幹 3 筆合入（作者日期 10-14 至 10-20，屬批次合入）；在審 2 筆（#18 / #27）
tilelang-sunrise 1 筆合入（0.1.15+sunrise.1.2.0 釋出 PR），合入後無後續提交
tilelang-mlir-ascend 預設分支 main 視窗內 0 筆提交；推送發生在 update0.1.15 / ci-0.1.15 / probe-ci 三個分支，屬版本適配與 CI 試探
tilelang-metax / musa 視窗內無推送，分別停在 10-16 / 09-30
TileRT / tilescale / DeepStack 無推送；tilescale 收到一條版本升級詢問（#72）
採用方 TileKernels / FlashQLA 均停在 10-14，無推送
CANN 社群 ops-tilelang 運算元倉 預設分支最後提交為 10-22，視窗內無新增
Google News（中英文多組，走代理） 精確命中 1 條（SGLang 部落格），核對原文全文未提 TileLang，按無關剔除
Hacker News 命中 2 條，均為 AI 投資類討論，與主題無關
arXiv 以 TileLang 為標題或摘要關鍵詞檢索，最新為 2026-07，視窗內 0 條
PyPI tilelang 0.1.15（09-30）、tilefoundry 0.0.3（10-21）；tileops 仍為 0.0.1.dev2
社群新倉 2 個新倉（tilelang-puzzles-ascend、tilelang-operator-interview）與 4 個活躍倉，均已核對建倉日期與推送時間

完整信源清單

4]** TileOPs 釋出文件與第三方宣告（#2753）— https://github.com/tile-ai/TileOPs/pull/2753