調研視窗:2026-11-13 07:00 ~ 2026-11-16 07:00(北京時間,72 小時,覆蓋週五至週一;上一期截點為 11-13 07:00)。

信源:GitHub tile-ai 組織逐倉核查(30 倉庫,視窗內推送 8 個)+ 組織級合入與在審真值檢索(視窗內合入 30 筆、在審更新 102 筆其中 59 筆視窗內新開、新開 issue 406 條)+ 主分支逐筆核查(TileOPs 15 筆、tilelang-ascend 9 筆、TileFoundry 3 筆、tilelang 1 筆、hygon 1 筆、mlir-ascend 0 筆)+ 非預設分支核查(TileOPs stats 1 筆、TileOPs-nightly snapshots 2 筆)+ 釋出頁核查(六個倉庫視窗內無新 tag)+ Google News 中英文查詢 + Hacker News + arXiv。RISC-V 四源專項巡檢本期有變化。


本期索引

  • 今日重點:TileOPs 三日十五筆把重心從編譯器挪到運算元庫;一次效能合入在同一天引出掛死並當天修掉;三小時裡組織收到 172 條昇騰審計 issue

  • 一、核心專案進展
    • 1.1 主倉 72 小時只有一筆文件合入,版本仍停 v0.1.15(11-13)
    • 1.2 TileOPs:11-13 四筆效能合入,MoE、GQA、softmax、W4A16 各一條線(11-13)
    • 1.3 TileOPs:11-15 單日十一筆,W4A16 解碼瓦片再快 10–20%(11-15)
    • 1.4 TileOPs:ping-pong 三連,MoE 共享專家在每個重複裡壓過 FlashInfer-CUTLASS(11-15)
    • 1.5 TileOPs:#2901 修 #2896 帶來的掛死,屏障落進了 warpgroup 分支(11-15)
    • 1.6 TileOPs:#2918 讓編譯圖跨程序複用,一次 pyupgrade 改 1926 處(11-15)
    • 1.7 TileOPs:manifest 補四個 spec-only 運算元,從 Embedding 到 RoPE 餘弦正弦(11-15)
    • 1.8 TileOPs:#2951 自適應池化按 lane 拆分,主分支三種池化在窄長形狀上編譯不過(11-15)
    • 1.9 TileFoundry:#325 用一種 FunctionRef 統一全部被調者命名(11-13)
    • 1.10 TileFoundry:維度算術收進標量渲染器,Mesh 選擇切片不再丟(11-13)
  • 二、多後端適配(昇騰 / 海光 / 沐曦 / 摩爾執行緒)
    • 2.1 昇騰:DSA 稀疏注意力三件套同日合入,前向、反向、topk 歸約齊備(11-13)
    • 2.2 昇騰:KDA chunk 三件套同日合入,狀態遞推全留 UB(11-13)
    • 2.3 昇騰:catlass 升到 v2.2.0,舊版 fp32 GEMM 靜默 NaN 被修掉(11-13)
    • 2.4 昇騰:bitwise 四合一,uint8 PTO wrapper 的尾位元組越界踩壞哨兵(11-13)
    • 2.5 mlir-ascend:22 筆 TLIR 方言 PR 在審,一元運算元與跨 pipe 同步一起補(11-13 ~ 11-15)
    • 2.6 mlir-ascend:RTTI 連結配置不一致成為這批 PR 的共同堵點(11-15)
    • 2.7 海光:#37 合入 ds_read_vector Alt2 與 LDS 佈局推斷,#38 在審(11-13)
    • 2.8 沐曦與摩爾執行緒:視窗內無提交(11-06 / 11-10 最近)
  • 二·五、RISC-V 後端與社群(專項觀察)
    • 2.9 kubuds TVM 路線新增 hikari 分支,五筆給出 K3 移植驗證與 RVV 解碼網格(11-13 ~ 11-15)
    • 2.10 社群索引頁 PR #1 把 kubuds fork 寫進 README(11-14)
    • 2.11 RuyiAI 的 MLIR 路線與算能 TPU 兩條線引用未變(11-16)
  • 三、生態與採用方
    • 3.1 TileOPs-nightly:兩輪快照對應兩次 run,最新一輪測的是 #2955(11-15)
    • 3.2 TileFoundry 在審:NCCL 通訊語義與 Qwen3-MoE 訓練示例(11-13)
    • 3.3 TileFoundry 在審:int8 矩陣乘在 H200 上被定價為零計算時間(11-15)
    • 3.4 採用方:TileKernels 與 FlashQLA 視窗內無推送(11-16)
  • 四、社群、教程與活動
    • 4.1 三日 406 條新 issue,兩個賬號貢獻其中 314 條(11-15)
    • 4.2 cn-sys:1 小時 46 分鐘內連開 172 條,編號從 #4208 到 #4381 連續(11-15)
    • 4.3 ilovexsir:142 條 issue 配五個 batch 修復 PR,前端校驗成體系補(11-15)
    • 4.4 在審佇列 102 筆更新、59 筆視窗內新開,主倉佔 51 筆(11-16)
    • 4.5 新聞側:中英文查詢與 arXiv 視窗內零命中(11-16)
  • 五、趨勢觀察

今日重點

這個視窗的重心換了位置。上一期主倉一天五筆合入、全部落在昇騰;本期主倉 72 小時只有一筆文件提交(LSP 倉庫連結),而 TileOPs 三天十五筆、TileFoundry 三筆,加上昇騰適配倉九筆——程式碼量幾乎全部轉移到了運算元庫與排程器上。TileOPs 在 11-15 一天之內合入十一筆,其中解碼側的 W4A16 瓦片從單 consumer warpgroup 擴到兩個,七條解碼行快 10–20%,對 marlin 的領先拉到 1.20 倍以上。這不是零散修補,而是按「運算元 + 選擇器 + 代價模型」三層一起改:先讓選擇器在更多形狀上選中雙 warpgroup 的瓦片,再給瓦片補上按 K 切片的後設資料載入,最後用 nightly 的 32 行迴歸確認沒有一行變慢。

同一天裡出現了本期最值得記的一條因果鏈。11-13 的 #2896 把 128 行 W4A16 瓦片換成手寫 warp-specialized 主迴圈,在 H200 上把 chunked-prefill 從 37.3 微秒壓到 31.6 微秒;36 小時後,#2901 在修它——sliced_pair 的 out_shared 暫存被寫在 i // wg_rows == bz 的條件分支裡,而 TileLang 有時會把守護這次寫操作的、覆蓋全部 256 個消費執行緒的屏障放進同一個分支,另一個 warpgroup 永遠走不到那個屏障,兩個 warpgroup 停在同一屏障的不同例項上,核心掛死。更麻煩的是屏障落點在同一 cache key 的兩次編譯之間並不穩定,而 CI 的持久化核心快取會把壞構建一直重放下去,於是 main 上的 gpu-smoke 直接掛了。修法本身很樸素——讓兩個 warpgroup 都做暫存,各自只存自己那一半——但它說明了一件事:自動 warp specialization 的正確性已經不只取決於 pass 順序,還取決於屏障被插在哪個分支裡,而這個位置對編譯過程不透明。

第二件事在 issue 側,量級比程式碼側更醒目。72 小時內 tile-ai 組織新開 406 條 issue,其中 cn-sys 一個賬號在 11-15 傍晚 1 小時 46 分鐘裡連開 172 條(編號 #4208–#4381 連續,無一條夾帶其他來源),ilovexsir 三天分三批開了 142 條,兩人合計 314 條,佔全量的七成七。cn-sys 這一批的覆蓋面從 examples 與 README 的具體數字(flash-attention 號稱前向誤差低於 0.5%、而同目錄五個檢查器全用 5%;deepgemm 的 benchmark 用 8192 當 cache_size,而該引數單位是 MB,等於分配 8 GiB 去刷 128 MiB 的 L2)一直延伸到編譯器本體:auto-schedule 的 IR 結構訪問器漏欄位、PTO codegen 的指標元素型別取了個硬編碼 bfloat16 兜底。ilovexsir 那一批更成體系:142 條 issue 對應五個 batch PR(#4201–#4205,同一分鐘開出),每個 PR 修一組「本該報錯卻沒報錯」的入口,比如 T.copy(transpose='False') 因為字串 ‘False’ 是真值而靜默開啟了轉置、_make_ascend_target() 用 dict(target_dict or {}) 把所有 falsy 配置鍵丟掉。審計與修復之間開始形成流水線,代價是在審佇列堆到 102 筆。

第三件事是昇騰側的運算元遷移進入了「按演算法家族成批落地」的階段。11-13 一天裡,tilelang-ascend 合入九筆:DSA 稀疏注意力的前向流水版、反向、topk 歸約三件套,KDA 的 chunk_delta 三件套,加上 bitwise 四合一、alloc API 文件與 catlass 子模組升級。這些不再是單點補洞,而是按模型走:DeepSeek V3.2 的 sparse MLA 把 DQK 合成 512+64=576 一次 GEMM、Kimi 系 KDA 把門控衰減吸收到 host 端預計算的 M 矩陣裡、反向運算元把 79395 微秒壓到 27388 微秒。與此同時 catlass 從 v1.0.0-6 升到 v2.2.0,順帶修掉一個此前完全靜默的缺陷:舊版 CopyL1ToL0A/L0B 沒有 float 特化,fp32 GEMM 直接輸出 NaN 或負無窮而不報錯。

RISC-V 側本期首次打破靜默。kubuds 的 TVM 路線從 mahiru、karen 之外新開 kubuds-riscv-hikari 分支,五筆提交裡有 K3 移植與驗證報告、rv64gc 構建解鎖(USE_LLVM=ON 的連結問題與八執行緒構建)、解碼 4 瓦片與預填充 8 瓦片的網格劃分、以及 XSMTVDotII/vmadot 公開規格的溯源記錄;同一時間,社群索引頁收到第一筆 PR,把 kubuds fork 的專案說明寫進 README。MLIR 路線(RuyiAI-Stack/tilelang-riscv)與算能 TPU 倉的引用則一動不動,兩條路線仍要分開看。


一、核心專案進展

1.1 主倉 72 小時只有一筆文件合入,版本仍停 v0.1.15(11-13)

tile-ai/tilelang 的 main 在 72 小時視窗內只有一次提交:11-13 16:20(UTC)的 210611dc,內容是把文件裡的 TileLang LSP 倉庫連結更新到新地址(#4052)。沒有新運算元、沒有後端改動、沒有釋出——最新 tag 仍是 09-30 的 v0.1.15,版本號已在原地停了六週。

對照上一期主倉一天五筆昇騰合入、合計 +1903/−617,這個視窗的主倉幾乎靜止。但靜止只發生在 main 上:主倉有 51 筆 PR 在視窗內更新、27 筆視窗內新開,其中 #4201 到 #4205 五個 batch PR 與 #4138、#4207 的 cast 生命週期修復都是實質改動,只是還沒跨過 review 門檻——這一期主倉的產出形態是「審計 + 提 PR」,不是「合入」。

來源:https://github.com/tile-ai/tilelang/pull/4052

1.2 TileOPs:11-13 四筆效能合入,MoE、GQA、softmax、W4A16 各一條線(11-13)

視窗首日 TileOPs 連合四筆,覆蓋四類不同負載。MoE 分組 GEMM 的 FP8 前向把 A 的 scale 從生產者暫存改成走 TMA box(#2894),讓 ds-v3-ep8-prefill-up 與 -down 的 128 行瓦片把 stage_scales 從 1 降到 0,H200 上分別從 269.3 微秒降到 262.0、從 142.2 降到 137.2,對 DeepGEMM 的比值升到 1.096 與 1.157。W4A16 的 128 行瓦片改成手寫 warp-specialized 主迴圈,在上一塊 WGMMA 還在跑的時候解碼下一塊 K(#2896),chunked-prefill 從 37.3 微秒降到 31.6。軟歸約把 16 位 softmax 行放到兩個 256 執行緒 CTA 的叢集上而不是四個 128 執行緒 CTA,fp16 項用一條 FFMA 完成「按縮放後的最大值平移」(#2898)。分頁 GQA 的切分上界同時被視窗內的 key 瓦片數與 combine 的讀量卡住(#2892),順帶關閉了 #2496 那條懸了很久的標定請求。

來源:https://github.com/tile-ai/TileOPs/pull/2894、https://github.com/tile-ai/TileOPs/pull/2896、https://github.com/tile-ai/TileOPs/pull/2898、https://github.com/tile-ai/TileOPs/pull/2892

1.3 TileOPs:11-15 單日十一筆,W4A16 解碼瓦片再快 10–20%(11-15)

11-15 一天十一筆合入,其中 #2955 是當日的收口:W4A16 選擇器把「至多 32 行」的延遲縮放挑法從一個 128 執行緒 consumer warpgroup 挪到兩個,按權重行數分攤、按 K 切片拆分以保住 CTA 數,stream-K 仍留單 warpgroup。理由是解碼瓦片被指令發射卡住而代價模型偏愛單 warpgroup 的做法——實測那條路徑上 issue slot 佔用 49.5%、DRAM 只有 54%。結果七條解碼行比 main 快 10–20%,對 marlin 領先至少 1.20 倍,prefill-mlp-up 未變且仍落後 torch 0.7%。同一天還有 #2952 把目標側核心的兩張表併成一張、讀取前先複製以避免併發下「迭代中字典改變大小」,#2904 修掉一次「沒有裝置、沒有具名 target、沒有程序預設」的呼叫丟擲 _Unresolved object is not callable 的問題。

來源:https://github.com/tile-ai/TileOPs/pull/2955、https://github.com/tile-ai/TileOPs/pull/2952、https://github.com/tile-ai/TileOPs/pull/2904

1.4 TileOPs:ping-pong 三連,MoE 共享專家在每個重複裡壓過 FlashInfer-CUTLASS(11-15)

同一主題三筆遞進。#2919 先讓分組 GEMM 選擇器自己挑出的 64x256 單 warpgroup 緊緻瓦片改跑雙 warpgroup 的 ping-pong,使每個瓦片的收尾落在另一組的 mainloop 之下,ds-v3-grouped-t2048 的下投影 GEMM 從 1818 微秒降到 1707。#2953 把同一手法推到選擇器自己的 64 行緊緻瓦片上,覆蓋融合 gate/up 與短分組瓦片,並明確「短分組瓦片仍留一個 warpgroup,因為它的收尾太短、藏不住東西」;結果是 FusedMoESharedExpert 的 ds-v3-grouped-t2048 在每次重複裡都壓過 FlashInfer-CUTLASS(中位 5674 對 5744 微秒),32 行六運算元的程式變化沒有一行變慢。#2915 則把未融合的 ping-pong 分組 GEMM 輸出按 64 列 TMA box 暫存,換來第五個環級(64x256 瓦片多出 40 KiB 一檔)。

來源:https://github.com/tile-ai/TileOPs/pull/2919、https://github.com/tile-ai/TileOPs/pull/2953、https://github.com/tile-ai/TileOPs/pull/2915

1.5 TileOPs:#2901 修 #2896 帶來的掛死,屏障落進了 warpgroup 分支(11-15)

這是本期最值得讀的一筆。#2896 合入後,main 上的 gpu-smoke 掛了:sliced_pair 在 i // wg_rows == bz 這個條件下暫存 out_shared,經佈局 lowering 後只有「保留那半個瓦片」的 consumer warpgroup 會執行暫存迴圈;TileLang 有時會把守護這次寫操作的、覆蓋全部 256 個消費執行緒的屏障插進這個分支,另一個 warpgroup 永遠走不到,兩組停在同一屏障的不同例項上,核心死等。#2899 先前加的那道顯式屏障並不足以阻止它——編譯器仍可自行在分支內插屏障。修法是把暫存挪出條件:兩個 consumer warpgroup 都寫自己的那一半。真正刺眼的是後半句:屏障落點在同一 cache key 的兩次編譯之間會變化,而持久化的 CI 核心快取會把壞構建一直重放,於是一次不穩定插樁變成了穩定失敗。

來源:https://github.com/tile-ai/TileOPs/pull/2901、https://github.com/tile-ai/TileOPs/pull/2899、https://github.com/tile-ai/TileOPs/pull/2896

1.6 TileOPs:#2918 讓編譯圖跨程序複用,一次 pyupgrade 改 1926 處(11-15)

#2918 把編譯邊界的鍵從「每程序一個 uuid」換成「運算元類 + 引數摘要 + 構造期張量佈局 + 該例項在類內的序號」,於是後啟動的程序可以直接複用 Inductor 的 FX 圖快取與 AOT autograd 快取;代價是引數一旦被賦新值就要重追蹤,被就地修改則在追蹤期直接拒絕。同一筆還把 tileops.backend、authoring、manifest 三個包的 pyright --verifytypes 拉到 100%(此前為 100%/50%/21%),並把 ruff 的 UP 規則全倉應用——307 個檔案 1926 處。這類提交不產生效能數字,但它決定了 nightly 與 CI 的等待時間,也決定了新人能不能靠型別提示讀程式碼。

來源:https://github.com/tile-ai/TileOPs/pull/2918

1.7 TileOPs:manifest 補四個 spec-only 運算元,從 Embedding 到 RoPE 餘弦正弦(11-15)

#2920 給試點的五個模型缺的四個運算元補了「只有規格、沒有實現」的清單條目:EmbeddingFwdOp(含整數表,對應 DeepSeek-V4-Flash 的雜湊路由)、MaskedScatterFwdOp、RMSNormGatedFwdOp(帶 sigmoid 門控的啟用引數)、RoPECosSinFwdOp(按 token 給角度,允許 x 是帶步長的檢視以支援尾列旋轉)。同時新增 tileops.indexing 家族、給每條補 torch 參考實現到 tests/test_spec_reference.py、按讀取行數為 embedding、masked scatter 與 RoPE 定價(兩個 roofline 函式加一個內聯 bytes,各配手寫 oracle)。這套做法的意義在於:先把介面與定價釘死,實現可以是後來者補的。

來源:https://github.com/tile-ai/TileOPs/pull/2920

1.8 TileOPs:#2951 自適應池化按 lane 拆分,主分支三種池化在窄長形狀上編譯不過(11-15)

AdaptiveAvgPool2dLanesKernel 把每個 bin 拆到 2 的冪個 lane 上(至多一個 warp),每個 lane 用帶 clamp 的無條件向量載入讀自己的 tap,再用 shfl_xor 摺疊。驅動這條規則的是根因:原實現一個輸出一個執行緒走完整 bin,未批處理的 ResNet 頭只有 8 個 CTA,DRAM 佔用低於 3%。附帶修掉一個更硬的問題——adaptive_bin 在乘積越過 int32 時沒有拓寬到 int64,於是三個自適應池化運算元在 main 上對 (1, 1, 150001, 16) -> (100000, 1) 這個形狀全部構建失敗。

來源:https://github.com/tile-ai/TileOPs/pull/2951

1.9 TileFoundry:#325 用一種 FunctionRef 統一全部被調者命名(11-13)

IR 裡此前有五種命名被調者的方式——繫結的 Function/PrimFunction 物件、槽繫結的例項呼叫、保留呼叫、啟動目標、變體標籤——每個消費者各按自己的方式解析,求值器甚至從「載入的讀法」而不是模組作用域裡挑定義。#325 把它們收成一個靜態葉子 FunctionRef(path, name):路徑相對呼叫者,None 段表示執行期索引、作為前導運算元傳入,core.resolve(scope, ref) 成為唯一解析器;解析器同時把「@module 裡後宣告的名字」定義為錯誤(DeclarationOrderError)。連帶的清理包括 StoragePlan.scratch 改為發射前算好、刪掉 relaunch、host 入口宣告並轉交 scratch。

來源:https://github.com/tile-ai/TileFoundry/pull/325

1.10 TileFoundry:維度算術收進標量渲染器,Mesh 選擇切片不再丟(11-13)

#324 把 DimAdd、DimSub、DimMul、DimFloorDiv、DimMod、DimMin、DimMax 收進 codegen/scalar_expr.py 的 render_dim_call,此前三個 CUDA 發射器各自維護一份 + - * / % 表,於是「迴圈邊界來自 mesh 座標」的寫法(range(cta.i * 32, cta.i * 32 + 32))在 CUDA 上直接報「no codegen handler for DimMul」。#323 修另一類靜默錯誤:Mesh(threads[0:16], layout=(16,)) 這類重標號選擇在偏移 0 時丟了切片,lowering 於是不發射 contains 守衛,該層的每個執行緒都跑了整段區域;現在重標號選擇在任何起點都是切片,整層選擇仍是不切片的 mesh。

來源:https://github.com/tile-ai/TileFoundry/pull/324、https://github.com/tile-ai/TileFoundry/pull/323


二、多後端適配(昇騰 / 海光 / 沐曦 / 摩爾執行緒)

2.1 昇騰:DSA 稀疏注意力三件套同日合入,前向、反向、topk 歸約齊備(11-13)

tilelang-ascend 在視窗首日 03:25 與 09:49 兩個時段合入 DSA(DeepSeek 稀疏注意力)的三個運算元。前向流水版 #1870 面向 V3.2 的稀疏 MLA 預填充:每個 query 塊按 top-K 選 KV 行,把 DQK 合成 512+64=576 的單一 K 維做一次 GEMM(不再是三段 wgmma),持久化網格 20 核、combineCV 自動切 Cube/Vector。反向 #1928 走兩遍結構,dKV 用 fp32 GM 原子散射寫出(考核形狀下每行平均被約 448 個 token 貢獻),累計 79395 降到 27388 微秒,減幅 65.5%。#1884 補的是 topk 機率質量歸約,Expert 模式、T.Scope("C") 與兩個 AIV 的 T.Scope("V") 雙流、手動跨核 flag。

來源:https://github.com/tile-ai/tilelang-ascend/pull/1870、https://github.com/tile-ai/tilelang-ascend/pull/1928、https://github.com/tile-ai/tilelang-ascend/pull/1884

2.2 昇騰:KDA chunk 三件套同日合入,狀態遞推全留 UB(11-13)

同一天的 03:26 與 08:19 合入 KDA(Kimi Delta Attention)三筆。#1895 是 chunk_delta_bwd 的 dhu 路徑:每個 (b, h) 塊的 fp32 狀態 [DK, block_DV] 全程留在 UB 裡做反向 chunk 遞推,不回 GM,GEMM 用 T.mma 且每個 GEMM 單獨命名 L0 暫存以切斷名字粒度上的假依賴。#1896 是 chunk_delta_h_fwd:把 h_new = M@h + K^T@U 的 M 形式重構到 host 端預計算 M = diag(exp2(gk_last)) - K^T@W,門控完全被吸收,核心裡零超越函式。#1799 是 Chunk Delta H 本體,明確放棄 fp32 GEMM 轉 bf16——理由是門衰減讓遞推特徵值始終小於 1,1-ULP 的 bf16 誤差在 512 步遞推裡不會放大。

來源:https://github.com/tile-ai/tilelang-ascend/pull/1895、https://github.com/tile-ai/tilelang-ascend/pull/1896、https://github.com/tile-ai/tilelang-ascend/pull/1799

2.3 昇騰:catlass 升到 v2.2.0,舊版 fp32 GEMM 靜默 NaN 被修掉(11-13)

#1989 把 3rdparty/catlass 從 v1.0.0-6(67fd282)升到官方 tag v2.2.0(6c0a3242),並對 src/tl_templates/ascend/common.h 做六處 TLA API 適配(39+/48-),所有 helper 對外簽名不變、codegen 與 Python 層零改動。升級的第一動機是修缺陷:舊版 CopyL1ToL0A/L0B 沒有 float 特化,T.gemm_v0 的 fp32 輸入會輸出 NaN 或負無窮且不報任何錯,升級後同一核心逐位一致。其餘收益是收編 17 個月的社群修復(zN 分形填充洞、跨核標誌位卡死、GM→L1 小 M 的區間 DataCopy),並開啟 HF32、GEMM+Bias 融合、量化隨路輸出與 FP8 四條後續通道。作者報告四個獨立環境全量回歸、升級引入的迴歸為 0。

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

2.4 昇騰:bitwise 四合一,uint8 PTO wrapper 的尾位元組越界踩壞哨兵(11-13)

#2000 把 bitwise_and/or/not/lshift 四個 PR 合成一筆(因共享 common.h 與 elementwise.py 衝突)。核心是 PTO 的 uint8 tand/tor 包裝:最初用 ceil(ColValid / 2) 修「奇數列尾位元組不被處理」,但 review 指出這在 256 位元組緩衝區上的 buf[0:255] 會處理跨界的 uint16 對,把 c[255] 踩成 a[255] | b[255]——受控實測哨兵 0xA5 變成 0x03;最終方案是 floor(ColValid/2) 個安全配對加末尾有效位元組的標量處理,前後用 PtoSetWaitFlag 做雙向跨管同步。同一筆還補了前端 binary_op 對 src1 的尺寸斷言:此前 dst=64、src0=64、src1=32 能編譯能跑,src1 被按 64 元素讀取,越界讀 32 個。

來源:https://github.com/tile-ai/tilelang-ascend/pull/2000

2.5 mlir-ascend:22 筆 TLIR 方言 PR 在審,一元運算元與跨 pipe 同步一起補(11-13 ~ 11-15)

tilelang-mlir-ascend 的 main 在視窗內零提交,但開出 22 筆 PR,全部由五位貢獻者按同一套「六觸點」模板推進:TLOps.td 定義運算元、TLOps.cpp 寫 verifier、codegen_tlir.cc/.h 做 TIR→TLIR、ConvertTLToHIVM.cpp 做 TLIR→HIVM、兩處 FileCheck 測試、CMakeLists.txt 註冊。補齊的運算元跨四類:一元標量函式(tl.not、abs、sqrt、rsqrt、rec、exp、ln、cos)、張量操作(tl.flip、tl.pad、tl.gather、tl.transpose、vbitcast)、歸約(reduce_sum/max/min/reduce)與同步原語(tl.set_flag + tl.wait_flag 才能構成完整的生產者/消費者對)。tl.flip 是第一個帶屬性的 TL 運算元,因此順帶在方言級設了 usePropertiesForAttributes = 0 以繞開 TableGen 的 Properties 儲存。記憶體側另有 TL_L0A/L0B/L0C/L1 地址空間與 local/local.var 的顯式對映。

來源:https://github.com/tile-ai/tilelang-mlir-ascend/pull/236、https://github.com/tile-ai/tilelang-mlir-ascend/pull/247、https://github.com/tile-ai/tilelang-mlir-ascend/pull/248、https://github.com/tile-ai/tilelang-mlir-ascend/pull/259

2.6 mlir-ascend:RTTI 連結配置不一致成為這批 PR 的共同堵點(11-15)

幾乎每筆新 PR 的說明裡都附了同一段:本地構建 tilelangir-opt 時連結失敗,報 undefined reference to typeinfo for mlir::ConversionPattern/Dialect/Pass,原因是專案要求 -frtti 而本地 AscendNPU-IR 用 LLVM_ENABLE_RTTI=OFF 編譯。作者們一致表示沒有在本 PR 裡改動任何 RTTI 相關開關,其中一位註明「同一專案上的同事沒有遇到,可能是本機環境特有」。這條不影響程式碼評審,但它正在拖慢整批方言補齊的驗證——22 筆 PR 裡有若干只能靠 ctest 的 dialect 級測試證明,無法跑完整的 HIVM 下降。

來源:https://github.com/tile-ai/tilelang-mlir-ascend/pull/252、https://github.com/tile-ai/tilelang-mlir-ascend/pull/253、https://github.com/tile-ai/tilelang-mlir-ascend/pull/250

2.7 海光:#37 合入 ds_read_vector Alt2 與 LDS 佈局推斷,#38 在審(11-13)

tilelang-hygon 的主分支在 11-13 12:03 合入一筆 #37,主題是 HCU 上 ds_read_vector 的 Alt2 形式與推斷出的 LDS 佈局——屬於 HIP 系後端裡比較底層的指令選擇與共享記憶體佈局工作。另一筆 #38 在 11-13 09:47 開出、仍在審,內容是融合 AllGather-GEMM 的本地 panel 複製跳過:不再把本 rank 擁有的面板複製進接收緩衝,同時收窄 FlattenBuffer 的索引化簡以保證通訊偏移與源表示式等價,並更新了基準與正確性檢查。

來源:https://github.com/tile-ai/tilelang-hygon/pull/37、https://github.com/tile-ai/tilelang-hygon/pull/38

2.8 沐曦與摩爾執行緒:視窗內無提交(11-06 / 11-10 最近)

tilelang-metax 最近一次推送是 11-06,tilelang-musa 是 11-10,兩者在 72 小時視窗內均無提交,也無新 PR、無新 issue。按往期節奏(沐曦與摩爾執行緒通常以周為單位跟進上游),這一視窗的空檔屬正常區間,未見停滯跡象。

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


二·五、RISC-V 後端與社群(專項觀察)

2.9 kubuds TVM 路線新增 hikari 分支,五筆給出 K3 移植驗證與 RVV 解碼網格(11-13 ~ 11-15)

kubuds/tilelang-riscv-kubuds 在視窗內新開 kubuds-riscv-hikari 分支(此前只有 mahiru 與 karen),並落了五筆提交,構成一條「能編、能跑、有資料」的鏈路:11-13 三筆先是定位公開的 XSMTVDotII / vmadot 規格線索、給出 54 筆提交的逐筆日誌(做了什麼、為什麼、實測資料),再把 RISC-V LLM 的網格改成解碼 4 瓦片、預填充 8 瓦片、單流執行;11-14 一筆解鎖 rv64gc 構建(USE_LLVM=ON 的連結問題與八執行緒構建);11-15 一筆提交 K3 移植與驗證報告,對三項既有結論做了複驗。這是 TVM 後端路線的延續,與 MLIR 改寫那條線是兩套實現,不能合併表述。

來源:https://github.com/kubuds/tilelang-riscv-kubuds/commit/bf019bbe24e477d77aa06111a69ef816d347884d、https://github.com/kubuds/tilelang-riscv-kubuds/commit/c3111b8b316f81938a42f7829f74101d122e9f9d、https://github.com/kubuds/tilelang-riscv-kubuds/commit/8401be05da264db5ded98a3b119ff590396bbfc2

2.10 社群索引頁 PR #1 把 kubuds fork 寫進 README(11-14)

TongmingLAIC/tilelang-riscv(TileLang for RISC-V 的社群入口頁)收到建頁以來的第一筆 PR:#1,由 lazyparser 在 11-14 開出,標題是「Add tilelang-riscv-kubuds project details to README」,即把 kubuds fork 的專案說明補進「社群專案」表。索引頁自身的文案改動不算技術進展,但這條 PR 說明 TVM 路線這一支第一次被社群入口正式登記,此前表裡只有 MLIR 路線與算能 TPU 兩個子專案。

來源:https://github.com/TongmingLAIC/tilelang-riscv/pull/1

2.11 RuyiAI 的 MLIR 路線與算能 TPU 兩條線引用未變(11-16)

RuyiAI-Stack/tilelang-riscv 的 main 仍是 57c548cc(MLIR 改寫路線,target="riscv",TIR→MLIR Linalg/SCF/MemRef/Vector→LLVM IR),TongmingLAIC/tilelang-tpu 的 18 個分支引用(含 feature/sg2260e-rv-support、CGO2027-submission)與上一期逐一相同,無新提交、無新分支、無新 PR。四源裡三源有動靜、兩源靜默,本期只有 kubuds 一側在推進。

來源:https://github.com/RuyiAI-Stack/tilelang-riscv、https://github.com/TongmingLAIC/tilelang-tpu


三、生態與採用方

3.1 TileOPs-nightly:兩輪快照對應兩次 run,最新一輪測的是 #2955(11-15)

snapshots 分支在視窗內落了兩筆:11-15 02:33 的 49330f29 對應 run 43654108754、被測提交 abe2086e(即 #2892 合入後的主幹),11-15 22:07 的 a0566322 對應 run 43738645759、被測提交 e4444654(即 #2955)。stats 分支 16:38 的 52e51373 同步重新整理了 manifest 統計。這條鏈是本期若干效能結論的來源,也是 #2946 到 #2954 五個「把領先幅度拉開」issue 的依據——它們都引用了 run 43654108754 裡不足 1% 的比值。

來源:https://github.com/tile-ai/TileOPs-nightly/commit/a0566322、https://github.com/tile-ai/TileOPs/issues/2954

3.2 TileFoundry 在審:NCCL 通訊語義與 Qwen3-MoE 訓練示例(11-13)

#327 是 TileFoundry 從「排程器」向「訓練編譯器」延伸的一筆,仍在審:新增帶型別的 Collective 與 Exchange 通訊語義、host 側流與事件協議、通訊提供者選擇、原生 NCCL/CUDA 降級;並引入位元組區域生命週期分析、完成感知的工作區規劃與含被調者與物理繫結的 JIT 身份。示例側給了帶 PP/CP/EP 與 DMuon FSDP/HSDP 的 Qwen3-MoE 訓練配置、數值參考、操作時間線與通訊標定。

來源:https://github.com/tile-ai/TileFoundry/pull/327

3.3 TileFoundry 在審:int8 矩陣乘在 H200 上被定價為零計算時間(11-15)

#334 報的是 roofline 的缺口:目標描述裡只有 bf16、f16、f32、fp8e4m3 的吞吐,沒有 i8,instruction.compute_dtypes 也不含 i8;於是 analyze --roofline 把 i8 的 flops 數對了(2061 億),卻報 compute_ns: 0 並判「受限於記憶體」——而 H200 的稠密 INT8 張量算力是 1979 TOPS,與 FP8 同檔。第二處是 T.cuda.sm90.Wgmma 不接受 s8 運算元,而 SM90 的 wgmma.mma_async 本身有 .s8 形式。兩條都屬於「硬體能力沒被寫進目標描述」。

來源:https://github.com/tile-ai/TileFoundry/issues/334

3.4 採用方:TileKernels 與 FlashQLA 視窗內無推送(11-16)

deepseek-ai/TileKernels(2074 星)最近一次推送是 10-14,QwenLM/FlashQLA(758 星)是 10-30,兩者在 72 小時視窗內均無提交、無釋出、無新 issue。上游 TileOPs 這三天正在密集改動 manifest 與運算元簽名(#2920、#2944、#2958),採用方通常會滯後一到兩個版本週期再跟進,下一視窗值得留意是否出現對齊提交。

來源:https://github.com/deepseek-ai/TileKernels、https://github.com/QwenLM/FlashQLA


四、社群、教程與活動

4.1 三日 406 條新 issue,兩個賬號貢獻其中 314 條(11-15)

72 小時視窗內 tile-ai 組織新開 406 條 issue,按倉分佈:tilelang 351 條、TileOPs 44 條、TileFoundry 8 條、tilelang-ascend 3 條;按日分佈:11-13 五十條、11-14 七十六條、11-15 二百八十條。按賬號:cn-sys 172 條、ilovexsir 142 條、lcy-seso 54 條、oisdoaiu 16 條,其餘七位合計 22 條。含「Ascend」字樣的有 313 條,佔七成七,與上週「審計第二波」同向,只是規模升了一個量級。

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

4.2 cn-sys:1 小時 46 分鐘內連開 172 條,編號從 #4208 到 #4381 連續(11-15)

cn-sys 的 172 條全部落在 11-15 傍晚 18:41 到 20:27(北京時間)之間,編號連續無缺口,全部標註同一環境:Ascend 950PR、CANN 9.0.0-beta.2、Linux 6.6.0-13、Python 3.12、原始碼構建 main @ 210611d。內容分三類。一是文件與實現漂移:flash-attention 的 README 寫「前向相對誤差低於 0.5%」,而同目錄五個檢查器一律用 5%;deepgemm 的 benchmark 傳 cache_size=8192,該引數單位是 MB,等於分配 8 GiB 去刷 128 MiB 的 L2。二是示例與測試:flash-attention 的正確性測試直接沿用了效能測試的全尺寸輸入、三個 flash-attention 測試缺 requires_ascend 門、GEMM 示例在七個用例的四個裡白佔 64–128 KiB UB。三是編譯器本體:auto-schedule 的 ControlNode::GetPipeMask 不把自己的 task 算進去、SubstituteVar 重寫了迴圈邊界卻漏掉迴圈變數與 For 註解、memory detector 的 SBlockRealize 訪問器是空的。

來源:https://github.com/tile-ai/tilelang/issues/4381、https://github.com/tile-ai/tilelang/issues/4331、https://github.com/tile-ai/tilelang/issues/4328

4.3 ilovexsir:142 條 issue 配五個 batch 修復 PR,前端校驗成體系補(11-15)

ilovexsir 的 142 條分三批:11-13 四十一題、11-14 五十一題、11-15 五十一題,主題高度集中——「本該報錯卻沒報錯」。這批 issue 的落點是修復:11-15 07:03 同一分鐘開出 #4201 到 #4205 五個 batch PR,分別管執行時與 target 構造、語言前端註解與同步守衛、copy/GEMM 提示與 padding 值、SIMD 的 mode/part/dist 預設值與目的 dtype、VMI 的 pmode/saturate/lane 契約與排程器輸入。每個 PR 都列出它關閉的 issue 號,並附獨立可復現的純 Python 指令碼(不需要 NPU 與 TVM 構建)。舉例:T.copy(transpose='False') 因為字串 ‘False’ 是真值而靜默開啟了 GM→L1 的 dn2nz 轉置;_make_ascend_target() 用 dict(target_dict or {}) 把所有 falsy 配置鍵丟掉;annotate_buffer_versions 的 isinstance(int) 守衛沒有排除 bool。

來源:https://github.com/tile-ai/tilelang/pull/4201、https://github.com/tile-ai/tilelang/pull/4202、https://github.com/tile-ai/tilelang/pull/4203

4.4 在審佇列 102 筆更新、59 筆視窗內新開,主倉佔 51 筆(11-16)

視窗內在審 PR 共 102 筆有更新,其中 59 筆是視窗內新開:tilelang 27 筆、tilelang-mlir-ascend 22 筆、TileOPs 4 筆、TileFoundry 3 筆、TileOPs.github.io 與 tilelang-ascend 與 tilelang-hygon 各 1 筆。按作者計,Areeshh 8 筆、ghostrider0470 與 HadiaSaqib 各 7 筆,另有六人各 5 筆。合入 30 筆對在審 102 筆,這個比例說明當前瓶頸不在寫程式碼而在評審——尤其 mlir-ascend 那 22 筆同構 PR,本質上是一批需要同一位熟悉 TLIR 的人依次過。

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

4.5 新聞側:中英文查詢與 arXiv 視窗內零命中(11-16)

Google News 中文三組查詢(TileLang、TileLang RISC-V、tile-ai TileOPs)返回的最新命中仍是 10-28 與 09-30 的舊稿,英文查詢最新為 10-14,均在視窗之外;Hacker News 只撈到一條與 TileLang 無關的 profiler 工具帖;arXiv 上含 TileLang 的最新論文停在 11-03(KV 壓縮與分片服務方向),視窗內無新稿。外部的 TileLang 敘事仍停留在 9 月底「DeepSeek 開源昇騰版工具箱」那一輪,本期沒有任何新報道可交叉驗證。

來源:https://news.google.com/search?q=TileLang


五、趨勢觀察

一是主倉靜、運算元庫動,重心位移已經連續兩個視窗。上一期是主倉一天五筆全昇騰、TileOPs 連續零提交;這一期反過來,主倉 72 小時一筆文件,TileOPs 三日十五筆、TileFoundry 三筆。把兩期並起來看,TileLang 的開發重心正從「編譯器本體」移到「運算元庫 + 排程器」:編譯器本體的改動集中在修迴歸(PTO 那條線的善後期),而新增能力更多以運算元庫的瓦片、選擇器、代價模型的形式出現。判斷依據不只是合入數,還有依賴方向——TileOPs 的效能結論要引用 TileFoundry 的 roofline 與排程,而 TileLang 主倉這一期沒有給它們任何新東西。

二是自動 warp specialization 的正確性已經成為一等風險。#2896 到 #2901 這條鏈說明:當一個效能改動把同步責任交給編譯器自動插樁時,插樁位置就成了正確性的一部分,而它對上層不透明——同一個 cache key 兩次編譯,屏障可能落在分支內也可能落在分支外。再疊上 CI 的持久化核心快取,偶發的壞插樁會被固化成穩定失敗。這一問題目前沒有結構性解法,只有「把寫操作挪出條件分支」這類區域性規避;如果後續更多瓦片走 ping-pong,同類掛死大機率會再出現。

三是審計已經從「發現問題」變成「流水線生產問題」。三天 406 條 issue、兩個賬號 314 條,其中 cn-sys 的 172 條在 1 小時 46 分鐘內寫完,ilovexsir 的 142 條直接對應五個 batch 修復 PR。這套模式確實在壓縮「缺陷發現到修復」的週期(同一天內 issue 與 PR 並存),但它把壓力轉移到了評審端:在審 102 筆、合入 30 筆,其中 22 筆 mlir-ascend 同構 PR 只能由極少數人過。下一階段的瓶頸會是評審頻寬,而不是發現速度。

四是昇騰的運算元遷移進入「按模型家族成批落地」。DSA 三件套對應 DeepSeek V3.2,KDA 三件套對應 Kimi 系線性注意力,一天之內九筆都指向具體模型的完整鏈路,而不是零散運算元。這對下游是好訊息——模型遷移的成本從「逐個運算元湊」變成「按家族批次搬」;但也意味著底層模板庫的質量權重上升,catlass 那個 fp32 GEMM 輸出 NaN 而完全不報錯的舊缺陷就是例證:它藏在第三方 submodule 裡,靠運算元層測試發現不了。

五是RISC-V 四源首次出現實質推進,但只有一支在動。kubuds 的 TVM 路線新開 hikari 分支並給出 K3 移植驗證與 RVV 網格資料,社群索引頁第一次收錄該 fork;而 MLIR 路線(RuyiAI)與算能 TPU 倉引用未動。兩條路線的分工已經明確:TVM 路線在做「能跑起來、有實測資料」,MLIR 路線停在「有設計、無提交」。判斷不變——這條線目前仍屬小規模投入,值得按視窗跟,但不宜按周計算進度。

侷限說明:本期結論來自 GitHub 檢索介面與倉庫原子流,未做程式碼級複核;PR 的效能數字取自作者在 PR 描述裡給出的基準表(H200、CUDA 13.2、PyTorch 2.13),未在本機複測。issue 統計依賴 search 介面的 total_count 與五頁翻頁結果(406 條與逐條彙總一致),標題分類只按關鍵詞粗分。tilelang-ascend 的預設分支是 ascendc_pto 而非 main,首次查詢按 main 取提交返回 404,已改正後重查。mlir-ascend 的 harness 與 hygon 的 tilelang-tileops-fix 分支視窗內均無提交。新聞側零命中,無外部報道可交叉驗證。


附錄:素材與核查說明

信源 核查結果
tile-ai 組織逐倉(30 倉庫) 視窗內推送 8 個:TileOPs-nightly、TileOPs、TileOPs.github.io、tilelang-mlir-ascend、tilelang-hygon、tilelang、tilelang-ascend、TileFoundry
主倉 tile-ai/tilelang 合入 1 筆(#4052 文件),main 僅一次提交;新開 issue 351 條,在審 PR 51 筆
tilelang-ascend 預設分支 ascendc_pto 合入 9 筆,全部集中在 11-13;新開 issue 3 條,在審 PR 18 筆
TileOPs main 合入 15 筆(11-13 四筆、11-15 十一筆);新開 issue 44 條,在審 4 筆
TileFoundry main 合入 3 筆;新開 issue 8 條,在審 3 筆
tilelang-mlir-ascend main 零提交;22 筆 PR 視窗內新開且全部在審
tilelang-hygon main 合入 1 筆(#37),#38 在審
非預設分支 TileOPs stats 1 筆、nightly snapshots 2 筆;mlir harness、hygon tileops-fix 均零
釋出頁 六倉視窗內無新 tag;tilelang 最新 v0.1.15(09-30)、TileOPs v0.1.0(10-27)、TileFoundry v0.0.3(10-21)、tilelang-ascend v0.1.2.000(09-09)、mlir-ascend v0.1.2.020(06-11)
在審佇列 102 筆視窗內更新,59 筆視窗內新開(主倉 27、mlir-ascend 22、TileOPs 4、TileFoundry 3、其餘 3)
issue 側 406 條新開:cn-sys 172、ilovexsir 142、lcy-seso 54、oisdoaiu 16、其餘 22
採用方 TileKernels(最近 10-14)、FlashQLA(最近 10-30),視窗內無推送
TileLang×RISC-V 四源巡檢 有變化:kubuds 新增 kubuds-riscv-hikari 分支 5 筆、社群索引頁 PR #1;RuyiAI 與算能 TPU 引用未變
新聞側 Google News 中英文、Hacker News、arXiv 視窗內均零命中(arXiv 最新 11-03)

完整信源清單

ileFoundry #334(int8 張量核心定價) — https://github.com/tile-ai/TileFoundry/issues/334

ubuds/tilelang-riscv-kubuds rv64gc 構建修復 — https://github.com/kubuds/tilelang-riscv-kubuds/commit/c3111b8b316f81938a42f7829f74101d122e9f9d