調研視窗:2026-11-09 07:00 ~ 2026-11-10 07:00(北京時間,24 小時;上一期截點為 11-09 07:00)。

信源:GitHub tile-ai 組織逐倉核查(30 倉庫,視窗內推送 4 個)+ 合入與在審真值檢索(視窗內合入 21 筆、在審更新 45 筆、新開 issue 6 條)+ 主分支逐筆提交核查(tilelang 1、TileOPs 18、TileFoundry 1、tilelang-musa 1)+ 釋出頁核查(tilelang / TileOPs / TileFoundry / tilelang-musa 四倉,視窗內無新版本)+ 採用方兩倉 + Google News 中英文兩組查詢(走代理)+ Hacker News + arXiv。RISC-V 四源專項巡檢 24 小時無變化。


本期索引

  • 今日重點:TileOPs 以三批各 6 筆的節奏合入 18 筆,11 筆效能項裡 10 筆自評未達目標條;TileFoundry 按原始碼規範重排 1491 個檔案;昇騰主分支三日無合入、在審集中補工具鏈

  • 一、核心專案進展
    • 1.1 主線:dense 檢視恢復精確邏輯區域,跨行依賴細化到行(#3890)(11-09)
    • 1.2 主線:0.1.16 版本號 PR 在審,視窗內無新 tag(11-09)
  • 二、多後端適配
    • 2.1 昇騰:主分支無合入,在審集中補 torch.compile、L2 刷寫與 L0C 反量化(11-09)
    • 2.2 昇騰:chunk 系列六個運算元在審,catlass 升到 v2.2.0(11-09)
    • 2.3 沐曦:文件把 SDK 配套正式版推到 v0.1.12+musa.5,glibc 門檻提到 2.34(11-09)
    • 2.4 海光:視窗內無合入,停在 11-06 的 scaled cast 與 lane swap(11-09)
    • 2.5 mlir-ascend:無合入,harness 加固兩筆在審(11-09)
  • 三、生態與採用方
    • 3.1 TileOPs:18 筆合入,三批各 6 筆,效能項 10 筆自評未達目標條(11-09)
    • 3.2 TileOPs:三處邊界輸入修好,K=0 空收縮、變長 GQA 掛死、GLA 反向共享記憶體(11-09)
    • 3.3 TileOPs:Softmax 整行駐暫存器,每元素一次指數,指令數降 21% 至 23%(11-09)
    • 3.4 TileOPs:RMSNorm 窄塊向編譯器要常駐上限,短行 warp 活躍度止跌(11-09)
    • 3.5 TileFoundry:1491 個檔案按原始碼規範重組,規則進 pre-commit(11-09)
    • 3.6 第三方:CANN 社群出現昇騰 TileLang 運算元倉 ops-tilelang(11-09)
  • 四、社群、教程與活動
    • 4.1 新聞側:中英文兩組查詢視窗內零命中,HN 同名噪音 8 條(11-09 至 11-10)
    • 4.2 新 issue:浮點標量引數內聯丟 1 ulp,roofline 上界與 CTA 數耦合(11-09)
  • 五、趨勢觀察

今日重點

這個視窗只有 21 筆合入,是近半個月最少的一天,但結構很清楚:18 筆在 TileOPs,1 筆在 TileFoundry,1 筆在 tilelang 主倉,1 筆在 tilelang-musa。TileOPs 的 18 筆按時間分三批,每批恰好 6 筆,集中在 3 至 14 分鐘內落完(03:10 至 03:13、05:41 至 05:55、14:46 至 14:58),說明夜間跑分到合入的佇列仍在自動運轉。代價是達標率:11 筆效能 PR 裡 10 筆自己標註 Result: below bar,只有 #2882 的 BMM ping-pong 標註 bar met。這批提交的價值不在分數,而在根因寫清楚了——暫存器溢位、TMA 零填充、dispatch 次數過多,每一條都能被下一位作者接著改。

第二個變化在結構。TileFoundry 用一筆 #312 重排了 1491 個檔案(+41324 至 −42379),把「匯入、匯出、命名、可變狀態、分層」五類規則寫成文件 S1 至 S11 與 C1 至 C11,並用 lint 指令碼、ruff 與 import-linter 在 pre-commit 裡強制。同一視窗裡 tilelang 主倉出現 #3887 的 0.1.16 版本號 PR。大重構與版本號 bump 同時出現,通常是釋出前的組合:規則先落地,版本再跟上。

第三件事是昇騰的節奏斷了。tilelang-ascend 預設分支 ascendc_pto 最新合入仍是 11-06 的七筆,視窗內零提交;但主倉與 tilelang-ascend 在審的昇騰 PR 有 20 餘筆在 11-09 集中更新,主題從「補運算元」轉向「補工具連結口」:torch.compile 支援、L2 刷寫 API、L0C 累加器反量化、catlass 升到 v2.2.0。評審頻寬是這條線的瓶頸,不是開發量。

來源:https://github.com/tile-ai/TileOPs/pull/2882
https://github.com/tile-ai/TileFoundry/pull/312
https://github.com/tile-ai/tilelang/pull/3887


一、核心專案進展

1.1 主線:dense 檢視恢復精確邏輯區域,跨行依賴細化到行(#3890)

#3805 之後,顯式 stride 檢視的多元素指標訪問一律回退到整個 buffer,即便該檢視是 dense row-major。後果很具體:一個形狀 (2, 128) 的 BF16 檢視讀第 0 行,被當成讀兩行,於是對第 1 行的後續 DMA 寫產生了一條虛假的 V 到 MTE2 依賴。在 TileKernels 的 engram_gate_bwd 裡,這抹掉了 FP32 儲存上 BF16 檢視兩個 slot 的區別,精確區域的 assume_no_conflict 提示匹配不上,同步把下一個 slot 的 DMA 卡在上一 head 的向量計算後面。

#3890 的做法是先證明顯式 stride 描述的確實是 dense row-major 檢視,再複用 #3805 的 offset 感知重建(含跨行 carry,無法表達時保守回退),物理生命週期與複用分析不動,把改動限定在邏輯依賴精度上。間接訪問依舊保守:gather/scatter 索引與帶 offset 的 vld2 可以越過緊湊的 access_ptr 範圍,無論 buffer 是 dense 檢視、隱式佈局還是一維,這類消費者面前保留整個邏輯 buffer,從而保住 DMA 覆蓋間接可達行之前必須的 V 到 MTE2 同步。新增迴歸測試區分「重疊 slot」與「相鄰 slot」兩種情形。

來源:https://github.com/tile-ai/tilelang/pull/3890

1.2 主線:0.1.16 版本號 PR 在審,視窗內無新 tag

#3887([Release] Bump version to 0.1.16)在 11-09 11:07 更新,仍在審。視窗內四個倉都無新版本:tilelang 仍是 09-30 的 v0.1.15,TileOPs 是 10-27 的 v0.1.0,TileFoundry 是 10-25 的 v0.0.4rc1,tilelang-musa 是 09-30 的 v0.1.15+musa.1。若 0.1.16 在本週落地,將是從 09-30 之後第一個功能版本,值得作為下一期的觀察點。

來源:https://github.com/tile-ai/tilelang/pull/3887

二、多後端適配

2.1 昇騰:主分支無合入,在審集中補 torch.compile、L2 刷寫與 L0C 反量化

tilelang-ascend 的預設分支是 ascendc_pto,最新合入停在 11-06 的七筆(#1959 位運算 workspace 形狀、#1953 fla_chunk_o、#1802 chunk_o_bwd、#1869 Sparse MLA 前向 SeeSaw、#1866 Chunk O 前向等),視窗內零提交。在審側集中在主倉 tilelang:#3892 給 AscendC 與 PTO 加 torch.compile 支援;#3893 在 L0C 到 GM 的複製里直接反量化 int32 累加器,省一次搬移;#3891 用 aclrtDeviceL2CacheFlush 刷 benchmark 的 L2,替代此前的取巧做法;#3894 修 PTO 的 VMI descriptor,並去掉重複的邏輯覆蓋檢查。

來源:https://github.com/tile-ai/tilelang/pull/3892 、 https://github.com/tile-ai/tilelang/pull/3893

2.2 昇騰:chunk 系列六個運算元在審,catlass 升到 v2.2.0

tilelang-ascend 的在審佇列在 11-09 集中更新:#1952 fla_chunk_intra_token_parallel、#1994 fla_chunk_inter、#1799 Chunk Delta H、#1884 sparse_mla_topk_reducesum、#1917 indexer_topk_reducesum;另有 #1989 把 catlass 升到 v2.2.0、#2000 修 PTO 位運算的 uint8 包裝與 src1 校驗、#1999 與 #1998 開啟複製測試核心的自動同步。這批與 11-06 已合入的 chunk_o 前向、反向屬同一條 FLA chunk 家族搬遷移的延續,說明昇騰側的運算元覆蓋面正在向長上下文注意力補齊。

來源:https://github.com/tile-ai/tilelang-ascend/pull/1989 、 https://github.com/tile-ai/tilelang-ascend/pull/1952

2.3 沐曦:文件把 SDK 配套正式版推到 v0.1.12+musa.5,glibc 門檻提到 2.34

#11 只改四份文件(24 增 24 刪),但把渠道關係說清了。第一,MUSA SDK 配套正式版從 v0.1.12+musa.2 升到 v0.1.12+musa.5。第二,C 執行時要求從 glibc 2.28 提到 2.34,理由是配套的摩爾執行緒 TVM FFI wheel 有此要求。第三,MUSA SDK 從「推薦 5.2.0 及以上、相容 4.3.8」改為「與 GPU、驅動和 torch_musa 配套」,不再給固定版本號。文件同時強調 SDK 配套包與開源 release 屬兩個渠道,不能互相替代:開源 release 頁仍以 v0.1.12+musa.1 與 v0.1.13+musa.1 作對照,而倉庫最新 tag 已是 0.1.15+musa.1(09-30)。三個版本號需要分別核對,不能只看主版本。

來源:https://github.com/tile-ai/tilelang-musa/pull/11

2.4 海光:視窗內無合入,停在 11-06 的 scaled cast 與 lane swap

主分支最新仍是 11-06 的 #33(scaled cast)與 #34(HCU reduce lane swap 佈局推導),視窗內無提交、無 release、無新 issue。前一視窗記錄的 gfx928 宣告支援但後端缺分支一事沒有新進展。

來源:https://github.com/tile-ai/tilelang-hygon/pull/34

2.5 mlir-ascend:無合入,harness 加固兩筆在審

mlir-ascend 預設分支最新為 11-04 的 #209(把 BishengIR 工具鏈介面卡移進 contrib),視窗內無合入。在審兩筆 11-09 有更新:#219 加固執行與評測流水線,並給 harness 加知識庫與 search@2 依賴;#217 加固知識記錄與冷卻校驗。屬工程化補強,不涉及前端運算元覆蓋。

來源:https://github.com/tile-ai/tilelang-mlir-ascend/pull/219

三、生態與採用方

3.1 TileOPs:18 筆合入,三批各 6 筆,效能項 10 筆自評未達目標條

視窗內 TileOPs 合入 18 筆,佔全組織 21 筆的 86%:11 筆效能、6 筆缺陷與測試、1 筆維護(#2881 精簡變長 RoPE 與目標快取修復留下的敘述性註釋)。時間上三批各 6 筆,每批在 3 至 14 分鐘內落完,與夜間跑分到差距佇列的流水線吻合。11 筆效能 PR 都帶 Op、Benchmark、Result 三行,其中 10 筆寫 Result: below bar(未達目標條),只有 #2882(BMM ping-pong 按每 CTA 的瓦片數而非 M、N 定頻寬,方形 512 也走 ping-pong)寫 Result: bar met。達標不是合入前提,寫清根因與 A/B 才是——這一點與上一期一致。

來源:https://github.com/tile-ai/TileOPs/pull/2882 、 https://github.com/tile-ai/TileOPs/pull/2881

3.2 TileOPs:三處邊界輸入修好,K=0 空收縮、變長 GQA 掛死、GLA 反向共享記憶體

三筆缺陷的共同形態是「預設引數下不出現,邊界輸入才炸」。#2878:K=0 的空收縮在 SM89 上此前報 OpNotAvailableError,因為 cp.async 核心的窄行規則按 4 位元組單位守護最內維載入,而 K=0 時主迴圈根本不跑 K 步;修後 test_gemm.py -m "smoke or sm89" 從 63 passed 6 failed 變為 66 passed 4 failed,餘下四項是 SM90 專用用例。#2876:變長 GQA 前向的融合 RoPE 在旋轉半寬被 padding 到不能整除執行緒數時掛死(rotary width 10、5 個 chunk 補到 6、128 執行緒),根因是 CI 的 TileLang 把 barrier 放在 guard 內,padding chunk 上的執行緒跳過它;新增 split_reads 讓「讀加旋轉」與「寫回」分兩輪,只有變長 GQA 核心啟用。#2880:float32 GLA 反向在 chunk 64 下需 114688 位元組共享記憶體,SM89 只有 101376;改為在 dA 乘積之後、v 最後一次使用處再組 dv 的狀態項,讓衰減後的 key 頂替 v 的位置,壓到 98304 位元組,且梯度與預設順序逐位一致。

來源:https://github.com/tile-ai/TileOPs/pull/2878 、 https://github.com/tile-ai/TileOPs/pull/2876 、 https://github.com/tile-ai/TileOPs/pull/2880

3.3 TileOPs:Softmax 整行駐暫存器,每元素一次指數,指令數降 21% 至 23%

#2886 讓 SoftmaxClusterSplitKernel 也服務最長 8 個 16KB 份額的 16-bit 行:每個 CTA 把份額整行放在暫存器,128 執行緒一個 CTA,每元素只做一次指數。原來的分段程式每元素兩次指數、一半份額經共享記憶體,16-bit 行比 quack 多 52% 指令,65536 元素行落後 3%。#2871 把兩個暫存器駐留 softmax 的指數換成裸 MUFU.EX2 加一次行倒數,新增共享原語 exp_shifted_scaled 先乘 2 的 24 次方,保證可舍入到非零 float32 的項仍是正規數,倒數的抬升因子自動抵消。執行指令在 512 列降 23%、2048 列降 21%;bf16 512 列 16.67 微秒對 quack 16.35,2048 列 62.99 對 62.21。

來源:https://github.com/tile-ai/TileOPs/pull/2886 、 https://github.com/tile-ai/TileOPs/pull/2871

3.4 TileOPs:RMSNorm 窄塊向編譯器要常駐上限,短行 warp 活躍度止跌

#2884 的成對 RMSNorm 64 執行緒塊(一行 1024 個 16-bit 元素、每執行緒兩向量)改為向編譯器請求 SM 的 32 塊常駐上限;不設限時 ptxas 給到每執行緒 40 個暫存器,H200 的一個 SM 只保住 32 塊上限中的 24 塊,短行載入的 warp 活躍度掉到 64%。更寬的成對塊不改暫存器配置,避免影響大行吞吐。

來源:https://github.com/tile-ai/TileOPs/pull/2884

3.5 TileFoundry:1491 個檔案按原始碼規範重組,規則進 pre-commit

#312 是本視窗唯一的大改動:1491 個檔案、+41324 至 −42379,關閉 #296。做法是把此前沒有強制約束的東西寫成規則:新增 docs/spec/code-organization.md,寫明 S1 至 S11 與 C1 至 C11 的 Python 原始碼規則及分層表,配 scripts/code_organization_lint.py、ruff 與 import-linter 在 pre-commit 裡執行,規則對每個 .py 檔案生效,唯一配置是 src 與按檔案豁免,__init__.py 只做再匯出、不寫 __all__。結構上 ir/ 拆成 expr、types、dim、utils、core、pattern、clause、hir、tir;visitor_registry 與 evaluator 合併為 interfaces 下的 valuation、typeinfer、verify、cost、access、evaluator、schedule 七塊;根目錄 compile.py 移入 compiler/,script.py 與 module.py 移入 parser/,裝配邏輯進 bootstrap.py;改用 Go 風格限定名(types.TensorType),Options 仿 clang 的 CompilerInvocation 按階段切分。對下游的意義是:TileFoundry 的內部匯入路徑這一版會變,引用私有符號的指令碼需要跟著改。

來源:https://github.com/tile-ai/TileFoundry/pull/312

3.6 第三方:CANN 社群出現昇騰 TileLang 運算元倉 ops-tilelang

Atlas-Ascend-Fork 組織(10-20 建,88 個公開倉)下的 ops-tilelang 自述為「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,目標是把運算元做成可複用、可驗證的資產。該倉 10-20 建、11-09 19:57 有一次推送、暫無 star。它與官方 tilelang-ascend 的定位不同:官方倉交付編譯器與運算元遷移,這個倉交付運算元資產與基線,屬於第三方把 TileLang 當交付格式的訊號,值得後續觀察是否會與官方倉形成分叉。

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

四、社群、教程與活動

4.1 新聞側:中英文兩組查詢視窗內零命中,HN 同名噪音 8 條

Google News 中文「TileLang」返回 29 條、英文「TileLang OR tile-ai」返回 25 條,按釋出時間看最新命中仍是 10-28 的財富號文章(DeepSeek 與昇騰 950 的 TileLang、DeepEP、DeepGEMM、FlashMLA 協同)與 10-21 的 SemiAnalysis(The Huawei-DeepSeek Symbiosis),視窗內零命中。Hacker News 的 8 條命中全為同名噪音(Emma 實時影片人格、Vibe Slopped Cryptography 等),與 TileLang 無關。arXiv 上 TileLang 相關最新為 11-03 的 KV 壓縮論文 v2,同樣超窗。

來源:Google News 中英文各一組查詢(走代理)、Hacker News、arXiv,視窗內無相關條目。

4.2 新 issue:浮點標量引數內聯丟 1 ulp,roofline 上界與 CTA 數耦合

視窗內新開 6 條 issue。#3885 報 float 標量引數被內聯成 7 位有效數字,與 float32 差 1 個 ulp,屬靜默精度損失。TileFoundry #313 認為 roofline 上界應當與 mesh 的 CTA 數無關,或者明確寫出它有關,屬分析器建模口徑問題。另有 TileFoundry #308 至 #311 四條分析器缺口(多波 grid 的拆分輸入只計價一次、常駐 CTA 與 cluster 計價、排程儲存被 reshape 時的寫出、ping-pong 批次 GEMM 的四處缺口),已在 11-09 15:05 至 15:06 關閉。

來源:https://github.com/tile-ai/tilelang/issues/3885 、 https://github.com/tile-ai/TileFoundry/issues/313

五、趨勢觀察

第一,效能佇列的產能與達標率已經脫鉤。三批各 6 筆、一天 18 筆,產能是穩定的;但 10 筆標 below bar 說明當前流水線的目標不是「這輪變快」,而是「這輪把差距定位到可改的程度」。#2887 的根因寫得最典型:基礎瓦片按 256 位元組分片跨行讀 B,DRAM 的流式效率低於少行長跑,於是換成 64 行塊加深環。這類改動即使分數未達標,也把下一步的方向定死了。讀者判斷一筆效能 PR 的成熟度,應當先看 Result 行,再看根因是否可復現。

第二,暫存器與 dispatch 成為這一批的共同瓶頸。#2884 是暫存器配額壓住了 block 常駐數(40 個暫存器導致 32 塊上限只保住 24 塊),#2870 是 6272 個 128 執行緒塊對 1568 個 512 執行緒塊的 dispatch 次數差四倍,#2885 是 192 寬的瓦片填充率更高但行掩碼儲存的除以 192 溢位了暫存器。三筆指向同一件事:在 H200 這類 SM 上,運算元效能已經不由算術量決定,而由「每執行緒多少暫存器、每 SM 多少塊、每塊多少 dispatch」這組二階引數決定。

第三,昇騰線的瓶頸從開發量轉到評審頻寬。預設分支三天沒有合入,在審卻堆了 20 餘筆,且主題從運算元遷移轉向工具連結口(torch.compile、L2 刷寫、L0C 反量化)。#3890 那筆 dense 檢視修復也在同一方向:不新增能力,而是讓已有的依賴分析在更多形狀上成立。對使用者而言,昇騰路徑的可用性提升會先體現在「更多形狀能編譯且依賴正確」,而不是新運算元名單變長。

第四,版本與結構在同一視窗動。tilelang 的 0.1.16 版本號 PR、TileFoundry 的 1491 檔案重組、沐曦文件把 SDK 配套包推到 musa.5 並提高 glibc 門檻,三件事都屬「釋出前的準備」。下游若要跟版,需要同時核對三處:主倉 tag、後端倉的 musa.* 或 ascendc_pto 分支、以及構造期依賴(glibc、apache-tvm-ffi)。前一視窗出現過「只升 tilelang_musa 不升 tvm-ffi」的坑,本期文件把它寫成了顯式規則。

最後是 RISC-V 線。四源巡檢 24 小時無變化,kubuds/tilelang-riscv-kubuds 的兩個 kubuds- 分支、RuyiAI-Stack/tilelang-riscv 的 MLIR 路線、TongmingLAIC/tilelang-riscv 索引頁與 TongmingLAIC/tilelang-tpu 的 SOPHGO 分支都停在原引用,這已是連續第三個視窗(11-07、11-09、11-10 留檔)無變化。與 GPU 側「一天三批」的節奏對照,RISC-V 側仍是人工推進的周級節奏,差距不在工程量,而在有沒有一條自動發現差距、自動驗證、自動排隊的迴路。


附、素材與核查說明

信源核查表

信源 核查結果
tile-ai 組織(30 倉庫) 視窗內推送 4 個倉庫:tilelang、TileOPs、TileFoundry、tilelang-musa
tilelang 主倉 主分支 1 筆合入(#3890);在審更新 24 筆;新開 issue 1 條(#3885)
TileOPs 主分支 18 筆合入(11 效能、6 缺陷與測試、1 維護);在審更新 4 筆;無新 issue
TileFoundry 主分支 1 筆合入(#312,1491 檔案);新開 issue 5 條(#308 至 #311 已關閉、#313 未決)
tilelang-ascend 預設分支 ascendc_pto 視窗內無合入(最新 11-06);在審更新 15 筆
tilelang-hygon 視窗內無合入(最新 11-06 #33、#34);無 release、無新 issue
tilelang-metax 視窗內無推送(主分支僅同步上游,最新 #3760)
tilelang-musa 合併 1 筆文件改動(#11);release 頁無新版本
tilelang-mlir-ascend 視窗內無合入(最新 11-04 #209);在審更新 2 筆
釋出頁(tilelang / TileOPs / TileFoundry / musa) 視窗內無新版本: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 版本號 PR 在審
採用方 TileKernels / FlashQLA 視窗內無推送(10-14 / 10-30)
第三方 ops-tilelang 10-20 建倉,11-09 19:57 有推送,暫無 star
TileLang×RISC-V 四源巡檢 無變化(四個上游引用與上期快照一致,24 小時視窗)
Google News(中英文兩組)/ Hacker News / arXiv 新聞側視窗內零命中(最新相關為 10-28 與 10-21);HN 8 條均為同名噪音;arXiv 最新相關為 11-03

完整信源清單

核查說明

本期視窗為 24 小時(週二)。GitHub 組織級 API 在本期首次呼叫時命中匿名限額(每 IP 60 次每小時),組織推送清單改以倉庫級 atom feed 與網頁抓取補齊,主分支提交標題、合併時間與 PR 正文均來自 atom 與 .patch 原文,未使用二手轉述。合入數、在審數與新 issue 數取自 GitHub 檢索真值(is:merged、is:open、created 三類查詢),與逐倉提交數交叉核對後一致:21 筆合入 = tilelang 1 + TileOPs 18 + TileFoundry 1 + tilelang-musa 1。效能項的 Result 判定直接摘自各 PR 正文的 Result: 行,未作二次解釋。新聞側兩組 Google News 查詢走代理,返回條目按釋出時間過濾後視窗內為零,故本期無新聞條目,報道主體為倉庫動態。RISC-V 四源巡檢指令碼輸出為空,按既定口徑記為「無變化」,不視為採集失敗。