報告週期:2026 年 11 月 9 日(週一)至 11 月 13 日(週五),5 個工作日、5 期日報;另含釋出日(11 月 14 日)對 tile-ai 組織 30 倉庫的 168 小時補充核查


第一部分 · 簡報

本節為本週要點篩選,預設 800 字以內(本期 613 字);完整條目、逐筆清單與信源見第二部分存檔。

本週五期日報記錄合入 71、21、9、6、5 筆,主倉節奏由周初的 CUDA 原語轉向週末清一色的昇騰善後。

  • PTO 善後期佔據主倉:11-12 與 11-13 兩期共八筆合入全部落在昇騰,+1903/−617,四筆在收 #3512 的尾;PTO 預設執行後端切到 tvm_ffi,全核同步自動置批排程以避死鎖。
  • 兩波審計把「靜默失效」掃到指令層:11-12 一日 30 條 issue 中 26 條指昇騰,11-13 換人再開八條,落點從引數校驗下探到 T.simd 謂詞工廠;十餘筆校驗類 PR 同步在審。
  • ROCm 首次成系列:11-13 一小時內連開七筆、22 檔案 +624/−19,覆蓋編譯引數、啟動界、佔用率與暫存器駐留。
  • TileOPs 由「一天三批」轉為「等評審」:五期合入 33、18、4、0、0 筆,效能項多數自評未達目標條,預算約束壓到 SM89 的 101376 位元組。
  • 版本一週未動:0.1.16 版本號 PR #3887 全周無推進,v0.1.15 已滿 44 天;TileFoundry 完成 1491 檔案重組。
  • RISC-V 四源連續六個視窗靜默:四源之外的 Weft 線以 553/553 收尾,但口徑當日換表,不能與上期 0.0580 倍並讀。

本週判斷:昇騰已是主場合入的絕對主體,瓶頸從開發量轉到評審頻寬與「宣告與實現不一致」;1900 行昇騰改動與 7632 行 harness 內容都停在分支上,0.1.16 不發,下游就拿不到。


第二部分 · 存檔

以下為本週完整正文,結構、口徑與往期週報一致;簡報中的每條判斷都可以在這裡找到逐條依據與信源。

素材來源:本刊每日 TileLang 社群動態 5 期(11-09、11-10、11-11、11-12、11-13)。11-09 期為跨週末 72 小時視窗(11-06 07:00 至 11-09 07:00,含週六週日),其餘四期為 24 小時首尾相接,故五期行為事實區間為 11-06 07:00 至 11-13 07:00;11-09 期與上一期週報(截至 11-06 07:00)不重疊。釋出日另做一次 tile-ai 組織 168 小時視窗補充核查(30 倉庫,視窗內推送 12 個),用於確認各倉推送與版本狀態,不改動日報已記錄的事實。

編制說明:按本週要聞、核心專案進展、多後端適配、生態與採用方、社群教程與活動、趨勢觀察、附錄七個維度組織。合入口徑以各期日報記錄的視窗為單位:11-09 至 11-12 期為組織級計數,11-13 期為主倉計數(該期另有三筆落在 mlir-ascend 的 harness 分支,未計入主倉數)。新開 issue 五期依次為 50、6、10、35、18 條,合計 119 條。非預設分支的合入(hygon distributed、mlir-ascend harness)在正文中逐筆註明分支,不與預設分支混計。


一、本週要聞

  • PTO 向量化改造的善後期貫穿全周,後兩期八筆合入清一色落在昇騰(11-11 至 11-12):#3512 把 PTO 的向量化與整數型別體系一併換掉之後,主倉的合入連續四個視窗都在付迴歸賬。11-12 期三筆為 #3516(PTO 目標預設執行後端切到 tvm_ffi,20 檔案 +1549/−182)、#3776(AutoSchedule 用三條必要條件收緊週期下界,Z3 求解時間降 10.04%)、#3794(整數原子適配 signless 載體);11-13 期五筆為 #3614(跨核同步 mode=0 強制批排程,修全核屏障與多流搶核的死鎖)、#3894(VMI 描述符與邏輯覆蓋校驗收口,+925/−550)、#3793(標量 cast 事實加保護)、#3796(保留顯式 SIMD 並行迴圈)、#3792(整數原子符號相容包裝),合計 +1903/−617、22 處檔案改動。四類問題的共同形態不是「新功能算錯」,而是「改造之後原本合法的程式不再合法」,排查成本高在報錯位置常落在一個與故障無關的標量或地址上。來源:https://github.com/tile-ai/tilelang/pull/3516、https://github.com/tile-ai/tilelang/pull/3614、https://github.com/tile-ai/tilelang/pull/3894

  • 昇騰前端兩波系統性審計,把「靜默失效面」從引數校驗掃到指令編碼(11-11 至 11-12):11-12 期一日新開 30 條主倉 issue,其中 26 條標題直接帶昇騰字首,來自兩個賬號成串提交(cn-sys 12 條、JINITAIMEI121 13 條);共性不是「算錯」而是「不該透過卻透過」——T.Kernel 接受零或負 block 數、T.alloc_l1 接受 2 GiB 分配、T.unroll 接受 −1 並吐出 #pragma unroll -1、負張量維度直接把編譯器打崩、hf32 的 nearest_zero 編譯成 NEAREST_AWAY、同型 ND 轉 NZ 散射因掩碼計數不回退而死迴圈。11-13 期換成 NebulaMao 在十幾分鍾內連開八條,落點更靠下:any_sync/all_sync 匯出後留下未解析呼叫、int64 跨 warp reduce_sum 發出未定義的 HwReduce<SumOp,long>、update_mask/pintlv/pdintlv 不校驗謂詞寬度、T.simd.pge 悄悄退化成 pset_bXX、T.ascend_pipe_barrier("PIPE_V") 被靜默丟棄。兩輪合起來,昇騰前端的健全性缺口被從引數層一直襬到指令層。來源:https://github.com/tile-ai/tilelang/issues/3920、https://github.com/tile-ai/tilelang/issues/3992、https://github.com/tile-ai/tilelang/issues/3993

  • ROCm 側一小時內成系列開出七筆,是本刊記錄 ROCm 以來第一次成體系出現(11-12):七筆在 07:56 至 07:57 由同一作者連續開出,全部基於 72d986e1,22 檔案 +624/−19:#3954 讓 compile_flags 真正進 hipcc(此前只進快取鍵);#3955 修 8 位整型向量廣播發出 hipcc 拒收的 make_uint2/make_uint4;#3956 給小瓦片 T.gemm 補可讀報錯;#3957 讓「每 SM 最小塊數」在 HIP 上從丟棄變成按每 EU wave 數發啟動界(gfx90a 上一個 fp16 GEMM 因 143 VGPR + 128 AGPR 被鎖在一 CU 一塊);#3958 給佔用率報告補 blocks per CU 換算;#3959 修 wave64 上 64 執行緒歸約白分配一塊從不碰的 LDS;#3960 讓 fp16 片段真正留在暫存器(HIP 中 uint2/uint4 是結構體,SROA 後每 lane 吃 80 位元組 scratch)。六層覆蓋,此前 ROCm 長期是「偶有一筆」。來源:https://github.com/tile-ai/tilelang/pull/3960、https://github.com/tile-ai/tilelang/pull/3957、https://github.com/tile-ai/tilelang/pull/3959

  • TileOPs 的產能與達標率徹底脫鉤,共享記憶體預算成為硬約束(全周):五期合入依次 33、18、4、0、0 筆,其中 11-10 期 18 筆按時間分三批、每批 6 筆、每批 3 至 14 分鐘落完,11 筆效能 PR 裡 10 筆自評 Result: below bar,只有 #2882 的 BMM ping-pong 標 bar met——達標不是合入前提,寫清根因與 A/B 才是。11-11 期四筆全在 DeltaNet,圍繞 SM89 的 101376 位元組共享記憶體做分流與緩衝複用:#2891 前向按 walk 下界分流、#2890 反向加 reuse 開關把 114944 壓回 98560、#2889 測試按 cluster 與共享記憶體事實分流使 SM89 失敗從 9 條降到 3 條。11-12 與 11-13 兩期主線連續零提交,視窗內只剩五筆效能 PR 與一次 stats 分支重新整理,處於「等評審」而非「在開發」。來源:https://github.com/tile-ai/TileOPs/pull/2882、https://github.com/tile-ai/TileOPs/pull/2890、https://github.com/tile-ai/TileOPs/pull/2891

  • TileFoundry 把不變數寫成可檢查物件,再用 1491 檔案重組把規則強制下來(11-06 至 11-12):11-09 期三筆合入分別定義放置值語義(Split / Broadcast / Varying / Partial 四種狀態與 B ⊔ V = V 合併規則,#293)、把 TMA 複製的共享運算元納入 async-proxy 語義(#291)、把「排程覆蓋舊資料之前仍需讀舊資料」的順序記進 LivenessMetadata.orders(#301,排不出順序就拋 AnalysisError)。11-10 期的 #312 用一筆重排 1491 個檔案(+41324/−42379),把匯入、匯出、命名、可變狀態、分層五類規則寫成 S0 之外的 S1 至 S11 與 C1 至 C11,配 lint、ruff 與 import-linter 在 pre-commit 強制。代價是內部匯入路徑這一版會變,引用私有符號的指令碼需跟著改。來源:https://github.com/tile-ai/TileFoundry/pull/293、https://github.com/tile-ai/TileFoundry/pull/301、https://github.com/tile-ai/TileFoundry/pull/312

  • 後端矩陣從「一家獨進」變成多點同時開工,四種投入深度並存(全周):海光 distributed 分支合入 #36 分散式三件套(Block-Push 的 GEMM+AllReduce、Block-Push 的 GEMM+ReduceScatter、Block-Pull 的 AllGather+GEMM,6 檔案 +2022/−0),另一條 tilelang-tileops-fix 分支一日十筆補 hipRAND 隨機數與 cache_warmup;mlir-ascend 的 harness 分支一日三筆合入 +7632/−24(Ascend950 模擬 trace 工作流、運算元設計指南與 Roofline 計算器、BMM 與 w4a8 示例),同期 #222 把 PR 門禁收為 Ascend 950 AscendC 單一基線;沐曦把 SDK 配套正式版推到 v0.1.12+musa.5、glibc 門檻提到 2.34;第三方 xwhzz/tilelang-hexagon 把 TileLang 推到高通 Hexagon NPU,LFM2-1.2B 在驍龍 8 Elite 的 v79 cDSP 上端到端跑通。廠商倉跟版本、發行版跟主線、fork 跟自己的硬體,分化本身就是依賴程度的指標。來源:https://github.com/tile-ai/tilelang-hygon/pull/36、https://github.com/tile-ai/tilelang-mlir-ascend/pull/221、https://github.com/xwhzz/tilelang-hexagon

  • 版本一週未動,1900 行昇騰改動與 7632 行 harness 內容都停在分支上(11-09 至 11-13):#3887([Release] Bump version to 0.1.16)自 11-09 03:07 更新後全周無任何推進,仍未合併;主倉 tag 最新仍是 09-30 的 v0.1.15,至本週五已滿 44 天。四個倉視窗內均無新版本:TileOPs 為 10-27 的 v0.1.0、TileFoundry 為 10-25 的 v0.0.4rc1、tilelang-musa 為 09-30 的 v0.1.15+musa.1。本期合入的昇騰執行後端與迴歸清理,最早也要等下一個 tag 才能進下游發行包。來源:https://github.com/tile-ai/tilelang/pull/3887、https://github.com/tile-ai/tilelang/releases

  • RISC-V 四源連續六個視窗靜默,四源之外的 CPU 線以口徑切換收尾(11-07 至 11-13):kubuds/tilelang-riscv-kubuds 的兩個 kubuds- 分支、RuyiAI-Stack/tilelang-riscv 的 MLIR 路線、TongmingLAIC/tilelang-riscv 索引頁、TongmingLAIC/tilelang-tpu 的 SOPHGO 分支連續六個視窗全部停在原引用。四源之外,Tianchen-ai/tilelang-weft 在 11-11 把釋出標籤換成 weft-parity,553 項全部有匹配的 Triton 原生對照且滿足「不超過 1.03 倍」,四平臺 133/137/136/147 合計 553/553;對 543 例外部分參考的倍率中位為 SG2044 1.3598、K1 1.3176、K3 A100 1.6569、x86 1.2917。需要強調:這組數字不能與上一期的舊錶(41 例快於參考、SG2044 中位 0.0580 倍)並讀,跳變來源是被測物件從「作者手寫程式」換成「共享 Canonical 編譯器產物」。來源:https://github.com/Tianchen-ai/tilelang-weft、https://github.com/Tianchen-ai/tilelang-weft-bench


二、核心專案進展(主倉 tilelang)

版本與釋出

  • 主倉最新標籤與釋出仍為 v0.1.15(09-30 釋出),五期日報與釋出日核查均未發現新 tag,至本週五已滿 44 天。
  • #3887([Release] Bump version to 0.1.16)在 11-09 11:07 更新後即無動靜,11-10、11-11、11-12、11-13 四期均記為「仍掛起」。
  • 組織內另三倉視窗內無新版本:TileOPs v0.1.0(10-27)、TileFoundry v0.0.4rc1(10-25)、tilelang-musa v0.1.15+musa.1(09-30)。
  • 版本相關的結構側觀察:#3490、#3605 兩筆 CUDA 原語直接進主分支,#3903(程序並行編譯)、#3897(CPU 側 cumsum/cummax)仍在審,說明 0.1.16 的功能面還在增厚而不是收口。

編譯器、語言層與執行路徑

  • PTO 執行後端換代(#3516,11-11 合入,20 檔案 +1549/−182):target="pto" 配 execution_backend="auto" 時解析為 tvm_ffi,共享 host codegen 負責 MakePackedAPI 與 C host,昇騰執行時用 aclrtLaunchKernelWithHostArgs 啟動 PTODSL 編出的 aibin,路徑與 AscendC 核心一致。裝置構建側新增模組級工具鏈回撥,把整個 PTODSL 模組一次編譯完成(ptodsl → ptoas → bisheng fatobj-link → 抽取 .aicore_binary),快取鍵把 ptoas 引數、ptoas 版本與 CANN 身份一併算進去。舊路徑保留為 execution_backend="pto",兩套產出逐位一致;驗證面含動態形狀、多裝置核心、cube/vector 混合 GEMM、快取命中與損壞條目拋錯等四組新測試。
  • AutoSchedule 收緊週期下界(#3776,1 檔案 +20/−1):原先從一個固定下界起二分,改為取三條必要條件的最大值——單任務界用各任務啟動間隔的最大值,資源團界對成對沖突任務按殘餘值排序後由相鄰差與首尾差推出週期不小於團內啟動間隔之和,自依賴界由 S_u - S_u >= wait - d*P 反解出 ceil(wait/d),版本相關距離按 num_stages 折算。實證在 Ascend 950PR、CANN 9.3.0 周版本上:昇騰示例全部編譯透過且排程結果不變,Z3 求解階段累計耗時降 10.04%。沒有引入額外的下界探測,也沒有改排程模型。
  • 跨核同步強制批排程以防死鎖(#3614,5 檔案 +102/−1,其中 78 行為迴歸):mode=0 是「有可用核就啟動」,mode=1 是「等運算元所需全部核資源到位再整體啟動」。做全核同步的運算元若在普通模式啟動,可能只拿到部分核就先跑到全核屏障上等待,而它等的核正被另一條流佔著——資源成環,裝置掛死。改法是在 codegen 側識別出「帶常量 0 的跨核同步」後自動置 __schedmode__(1),並把該標誌按函式重置以防洩漏。順帶把跨核 set/wait 的整數 mode_id 收窄到 0/1/2/4,並寫明三個目標的模式集合並不一致(910B/910C 支援 0/1/2,950 才多出 4)。
  • VMI 描述符與邏輯覆蓋校驗一併收口(#3894,6 檔案 +925/−550):修 typed view 的 gather/scatter 與單元素載入兩類形態在構造描述符時基址與步長取錯;同時刪掉前端冗餘的邏輯覆蓋拒絕——刪校驗不是放鬆,而是共享記憶體檢測器的修復(#3805)已落地,前端再攔一遍會誤傷跨行、轉置與動態檢視。
  • CUDA 側補兩組指令級原語(11-10 合入):#3490(6 檔案 +185/−1)補 L1 預取、uniform L1 預取與 L2 預取,並把驅逐優先順序做成一等引數 EvictPriority(預設、普通驅逐、優先驅逐、最後驅逐、不改變、不分配六檔),非預設優先順序要求計算能力 8.0 以上;#3605(7 檔案 +203/−1)新增 T.clamp_symmetric(x, limit),在 SM86 及以上把 FP16/BF16/FP32 統一鉗到 [-limit, limit]、保留帶符號零與次正規數,任一運算元為 NaN 時返回規範 NaN,實現直接降到單條 min.NaN.xorsign.abs,並以 SASS 裡三種標量與打包形態的出現作驗收證據。
  • TIRx 側兩筆先手加固(11-11 在審):tile-ai/tvm 的 #94([Fix][TIRx] Make ceildiv exact for signed divisors)與 #93([Arith] Guard negative scales in canonical split div/mod)在修同一類問題的兩端——符號進入整除與取模後規範化的改寫前提不再成立。同日主倉新開 #3937(巢狀 floor division 在負乘數下產出錯誤整數)指向同一處,區別是 #3937 為使用者側復現、#93/#94 為編譯器側先手。

正確性與缺陷修復

  • 靜默錯程式碼仍是主倉最重的一類:11-09 期新開 issue 群集中在「算錯但不報錯」——#3842(開啟 warp specialization 後 pipeline 兩輪之間的變數更新只在 consumer 分支生效)、#3870(被複制的並行迴圈裡 fragment 的原子操作與讀改寫每個副本各做一次)、#3871(tvm_ffi 呼叫結束不恢復呼叫方裝置)、#3877(NVRTC 路徑下單引數 kernel 無法啟動)、#3881(cython 路徑動態共享記憶體超 48 KB 在第二臺裝置失敗);CuTeDSL 的無符號語義連開三條(#3874/#3875/#3876),與上一視窗的 #3808、#3800 同型。
  • CuTeDSL 的功能覆蓋與正確性邊界反向拉開:#3685 一次補 63 個檔案(+7075/−394),含 warp vote、塊謂詞屏障、顯式寬度載入儲存與快取提示、TMA 與 cluster 複製、SM120 塊縮放 MMA 與 NVFP4 GEMM 示例,並順手修了 warp specialization 下夾在 pipeline 前的 T.fill 每輪重跑的老問題;同期的缺陷卻全在邊界上——多流併發下的 grid barrier(#3868,改用每次 cooperative launch 的 grid workspace 裡的 barrier 字)、有符號整除(#3551,改按 arith.divsi 語義發 tl.truncdiv)、無符號原子與無符號緩衝。
  • Metal 從補運算元轉向補正確性邊界:#3907 報一處靜默越界——把 8x8 metal.simdgroup 矩陣拷到 8x1 輸出時,編譯器發射行步長為 1 的完整 simdgroup_store,覆蓋輸出之後的七個元素(Apple M4、tvm_ffi、關閉編譯快取,用備用儲存作哨兵檢出)。修復 #3912 不加執行時檢查,而是在發射每條 SIMD-group 儲存前要求算術分析器證明完整 8x8 足跡同時落在目的緩衝與請求區域內,證不出就在下沉期拋可讀 ValueError。
  • 昇騰 PTO 的結構性限制:#3901 報同一核心裡宣告多個顯式 Cube/Vector 區域時出現重複物理段錯誤,尚無修復 PR;#3909 把 #3802 在 CUDA 側建立的 host-mapped 緩衝契約擴充套件到昇騰(14 檔案 +529),此前 Ascend kernel 一律拒絕 CPU 張量引數。
  • CUDA 側三筆新 issue 各有代表性(11-12):#3988 報 fp16 T.gemm 在 M=1、K 為奇數時走流水 cp.async 仍發出非法的 2 位元組傳輸,0.1.15 與主幹均可復現,而 #2365 當初修的迴歸形態是透過的;#3987 報 tl.LayoutInference 與 tl.LowerTileOp 耗時隨 T.Parallel 中複用子表示式呈指數增長(對應修復 #3997 已在佇列,同一迴歸從 34.89 秒、超 10 秒編譯上限變為透過);#3996 報 T.Pipelined 帶顯式 order/stage 且複製經片段中轉時報「Fragment buffer access with non-zero index [1]」,而該下標並不在使用者程式裡。
  • TileFoundry 的定價偏差被運算元側反覆頂回(11-10):#318 用逐元素 clamp 在 H200 上做放置定價,指出 CTA 網格超出一波之後拆分輸入的足跡被乘上波數,並註明同一行為在四條已關閉 issue 裡報過、均被標 not planned、當前構建仍復現;#319 排一個 4096×7168×16384 的常駐 SM90 NT GEMM 一次給五條發現,最硬的一條是 check --help 說 bf16 有 8 位顯式尾數、舍入界 2^-9,而 bf16 實際是 7 位顯式尾數、單位舍入 2^-8,按它推出的 rtol 只有應有值的一半。分析器定價偏 26%(962.1 對 1213.6 GFLOP)不會讓單個運算元變慢,但會讓自動選排程在邊界網格上系統性選錯。

CI、測試與工具鏈

  • CI 反饋迴路的兩處整修:#3911(1 檔案 +2/−2)把 labeled/unlabeled 兩類事件從觸發器移除——CodeRabbit 會給新 PR 一次性打多個標籤,此前會在幾秒內產生多次完全相同的全量 CI 執行並被併發組逐個取消,而沒有任何 CI 作業讀取 PR 標籤;同一筆把 ROCm runner 看門狗提到工作流超時之上,使 AMD 作業不再在 40 分鐘被強殺。
  • 昇騰每日測試規模上到 3060 項:11-09 期四份報告為 3032 項全過(#1993)與 3060 項全過兩份(#1995、#1996),另有一份工作流作業層失敗(#1997,非用例失敗);11-11 07:58 一次 3060 項全過(#2003);11-10 11:38 一次 3060 項全過(#2001)。測試規模上到 3060 項而合入連續多視窗為零,瓶頸在評審而不在開發。
  • 告警去重缺口:11-12 的 #2006(10:23)與 #2010(15:48)指向同一個 workflow run 43124767679,兩條狀態均為「測試遇到錯誤」,說明告警去重沒按 run 號做。對照 11-11 那次 3060 項全過,本條只能記為「昇騰倉 CI 當日有一次失敗並重覆上報」,失敗清單尚不可讀。
  • 快取命中路徑的缺陷:#2002([Bugfix] Restore adapter library path when loading cached kernels)在審,修的是從快取載入核心時 adapter 庫路徑未恢復,屬「第一次跑對、第二次從快取載入就找不到庫」這類只在命中路徑上出現的問題。

三、多後端適配

昇騰(tilelang-ascend 與 PTO)

  • 倉側節奏:預設分支 ascendc_pto 自 11-06 七筆之後,11-09 至 11-12 四個視窗零合入,在審佇列持續增厚(11-09 期 20 餘筆、11-10 期 15 筆、11-11 期 9 筆、11-12 期十筆以上)。
  • 在審主題從「補運算元」轉向「補工具連結口與語義一致性」:#3892(AscendC 與 PTO 的 torch.compile 支援)、#3893(L0C 到 GM 複製里直接反量化 int32 累加器)、#3891(用 aclrtDeviceL2CacheFlush 刷 benchmark 的 L2)、#3894(PTO VMI descriptor 修復);運算元側為 #1970(PTO 與 AscendC 兩條線補多頭 Gated MLA 前向)、#1994/#2004/#1952(fla_chunk 的 inter、intra、intra_token_parallel 三件套)、#1605(Kimi Delta Attention 解碼與分塊預填充前向,目標 910B)、#1989(catlass 升到 v2.2.0)。
  • 示例與文件側在補運算元基準:#1558(rms_norm,20 例 cann-bench)、#1748(NMS,20 例)、#1607(GroupNorm,20 例)、#1677(sin/cos 文件串與測試)、#1732(兩條後端支援 in-place 的 T.tile.silu/sigmoid)。
  • 11-09 期已合入的七筆仍在 ascendc_pto 上:#1949 張量移位量、#1959 PTO bitwise_xor uint8 workspace 形狀、#1866 Chunk O 前向、#1802 Chunk O 反向、#1869 Sparse MLA Forward 的 SeeSaw、#1953 fla_chunk_o 示例與測試、#1990 每日測試 CI 通知接收人。

海光(tilelang-hygon)

  • #36 分散式三件套在 11-12 16:20 合入 distributed 分支而非 main:Block-Push 的 GEMM+AllReduce、Block-Push 的 GEMM+ReduceScatter、Block-Pull 的 AllGather+GEMM,6 檔案 +2022/−0,效能資料與實現說明寫在 README;選哪條路徑取決於通訊域大小與重疊視窗。main 與 v0.1.15-release 同引用,distributed 已單獨走出 11-03 的 signal 原語、10-29 的 push-wave reduce-scatter 示例與本期的三件套。
  • #37([HCU] Support ds_read_vector Alt2 and inferred LDS layouts)11-12 11:21 開出,補 ds_read_vector 的第二種編碼形態與可由約束推導的 LDS 佈局,與 11-06 合入的 #34(reduction 側 XOR shuffle 與佈局約束傳播)同一條線。
  • tilelang-tileops-fix 分支 11-12 15:41 至 21:14 落十筆:hipRAND 隨機數、cache_warmup 內建、buffer loads rebase、執行時 trip count 下的收尾展開、8 位整型向量廣播、cos/sin 內建分派、shuffle lowering 與 full-wave shuffle 歸約,另有 __builtin_bit_cast 尺寸不等、fp64 截斷、hexp 二義三筆編譯期修復。這十筆即長期在審的 #27([Fix] Fix intrinsic lowering, precision, and integer vector codegen)的分支內容——海光側目前是「一個長期 PR 承載一條開發線」的形態。
  • 11-09 期已合入兩筆單卡能力:#33 scaled cast、#34 reduction 的 lane swap 與佈局推斷;同視窗 #35 報架構級問題——K500SM_AI(gfx928)在 HCU_MCPU_SET 裡被宣告支援、determine_target("auto") 也能識別,但 src/hcu/ 的 C++ 端普遍沒有 gfx928 分支,於是「宣告支援、實際編譯不過」;報告者指出 gfx928 無 FP64、部分 Matrix Core 指令與 INT4。
  • 倉現有 15 個分支:feat/hcu-* 系列六條、distributed 一條、tilelang-tileops-fix 一條,工作面覆蓋指令、通訊、運算元相容三層。

mlir-ascend(MLIR 改寫路線)

  • harness 分支一日三筆合入(11-12),合計 +7632/−24、64 處檔案改動,全部不落 main 也不落 master:#220(14 檔案 +1014/−12)Ascend950 模擬 trace 工作流(msprof 採集、MindStudio Insight 檢視、同一次執行 dump 補 GET/RLS 事件、匯出 npusim SQLite 做時間線,38 項既有測試在 WSL 上全過);#221(45 檔案 +5178/−12)運算元設計指南的可安裝版本(階段分解、SIMD/SIMT 選擇、儲存預算、瓦片流水,附 Cube MFU 與條件 Roofline 計算器,並把上游九份 TileLang Skill 資料另存快照以便離線讀);#226(5 檔案 +1440/−0)BMM 與 w4a8 的 Gemm 量化示例,同批另進一個 conv 示例。
  • #222(五個工作流檔案 +7/−9)10:27 合入 master:只改每個工作流檔案的 on: 塊,把 PR 門禁收為「清潔程式碼 lint + Ascend 950 的 AscendC 一條線」,其餘自建 NVIDIA、AMD gfx942、macOS 腿全部撤下。對下游的含義是該倉准入基線從此只有一代硬體,舊代昇騰的迴歸不再作為合併條件。
  • TL 方言一日補五個運算元(11-12 17:49 至次日 05:45):#228 tl.xor、#229 tl.pow、#231 tl.print、#232 tl.sort、#233 tl.reshape,均建在 #203 引入的 TL_BinaryOp<...> 基類上,照 #218(and)與 #225(or)的模板鋪開。分工上 tl.reshape 是純檢視運算元(不帶走目的運算元,落到 memref.reinterpret_cast)、tl.sort 落到 hivm.hir.vsort、tl.print 落到 hivm.DebugOp。
  • 11-10 期 #217(4 檔案 +140/−16)合入 harness 分支:記錄 hot 知識時同時儲存證據快照、禁止同一審批編號批准不同條目、cooled 知識儲存在臨時工作區之外、知識目錄出現損壞檔案時提示並允許繼續檢視;驗證口徑 25 項 CPU 測試透過。11-11 期 #219 合入 harness,#223/#224 關閉、#225 以同內容重新提審(本地 ctest 14/14)。
  • 方言補面的意義在覆蓋率:MLIR 路線要能承接上游 TIR 的全部常見運算元,缺一個就得在 TIR 層繞開,繞開的地方就是與主倉行為分叉的地方。

沐曦(tilelang-metax)

  • 11-09 期唯一一次推送把 main 從 a35f8ddf 推到 64b52b4b,但 tip 提交是上游 #3760([Language] Reuse macro transformation templates,committer 日期 11-05),屬上游同步、無自有適配提交——這是沐曦連續第四個視窗沒有自有改動。11-10 至 11-12 視窗內均無合入、無 release,最近推送為 11-06(main 上一筆把上游 main 合進 dev 的 #162)。

摩爾執行緒(tilelang-musa)

  • tilelang-musa 視窗內無提交,最後推送 11-10;最新標籤仍是 v0.1.14+musa.1(09-11)。但生態側已進入實際工具鏈:11-06 摩爾執行緒的 Kimi-K3.1 Pro Day-0 公告裡,遷移路徑明確寫著「透過 MATE 運算元庫、Triton-MUSA、TileLang-MUSA 及 MTCC 編譯器,完成新架構關鍵計算路徑的遷移與接入」。
  • 文件側兩筆改動值得記:#11 把 MUSA SDK 配套正式版從 v0.1.12+musa.2 推到 v0.1.12+musa.5、C 執行時要求從 glibc 2.28 提到 2.34(配套的 TVM FFI wheel 有此要求),並明確 SDK 配套包與開源 release 屬兩個渠道、不能互相替代;#12 把 README 安裝段收斂為一組命令(+10/−49),修的是「重複的單包安裝命令會讓使用者只裝 TileLang-MUSA 而漏掉 TVM FFI」。三個版本號(開源 tag v0.1.15+musa.1、SDK 配套 v0.1.12+musa.5、release 頁對照 v0.1.13+musa.1)需分別核對,不能只看主版本。

ROCm(HIP 後端)

  • 見「一、本週要聞」第三條。七筆中 #3957 的實測前提最值得留檔:gfx90a 上一個 256×128×32 的 fp16 GEMM 編出 143 個 VGPR 加 128 個 AGPR、佔用率 1,無論 LDS 還剩多少都只能一 CU 一塊;#3960 的根因是 HIP 裡 uint2/uint4 是結構體,向量複製進或出區域性陣列退化成 memcpy,SROA 之後陣列仍留在棧上,clang 18 / ROCm 6.2.4 上一個跨迴圈駐留、每執行緒持 2 行 K 與 V 的 fp16 片段每 lane 吃 80 位元組 scratch。

Metal

  • #3906([Metal] Resolve the auto execution backend to tvm_ffi)與 #3804(2D simdgroup fill 的區域偏移)在審,#3912 修 #3907 的靜默越界。Metal 側本月已是第三次出現在視窗內,從補運算元轉向補正確性邊界,通常意味著開始有人真在 Apple 晶片上跑非玩具形狀。

Sunrise(獨立發行版)

  • 後端發行版倉 main 仍停在 10-23 的 fb7d3d62,視窗內動作只有一次 CI 分支的建立與刪除:18:17:24 建 ci/sunrise-0.1.15-1.2.1-r6,18:18:44 刪除,間隔 80 秒。分支命名給出的是版本組合:0.1.15 對應上游基線、1.2.1 從 10-19 候選分支名裡的 1.2.0 升上來、r6 為第 6 次修訂。說明該後端仍在跟主線走並按自己的節奏出修訂版,只是本期停在構建而非提交。

RISC-V 後端與社群(專項觀察)

  • 四源連續第六個視窗無變化(11-07、11-09、11-10、11-11、11-12、11-13 留檔):kubuds/tilelang-riscv-kubuds(TVM 後端路線)兩個 kubuds- 字首分支停在 kubuds-riscv-karen fc62939、kubuds-riscv-mahiru 33e0c89,main 僅為上游同步;RuyiAI-Stack/tilelang-riscv(MLIR 改寫,target="riscv")main 停在 57c548c;TongmingLAIC/tilelang-riscv(社群索引頁)main 停在 4499c2a、表內專案無增刪;TongmingLAIC/tilelang-tpu(算能 SOPHGO TPU)main 停在 303759f、feature/sg2260e-rv-support 停在 122bc59。按既定口徑,指令碼輸出為空記為「無變化」,不視為採集失敗;11-13 期查索引頁 PR 時撞上匿名 API 限流,降級為僅比對引用。
  • 四源之外的 Weft 線(Tianchen-ai/tilelang-weft):上游 tilelang v0.1.15 的 fork,加入 Weft CPU 程式設計模型——在 TileLang 原生 AST 上增加 Encoding 欄位與位層、邏輯軸與瓦片域、Level 與分階段快照、有限位寬的分組 partials 與顯式轉換、每迴圈流水深度五類作者資訊,再由一套共享物理 pass 同時覆蓋 RISC-V 與 x86(同一份原始碼構造分別進入 RVV/IME 或 x86 SIMD/AMX 的落地路徑)。11-10 視窗內該倉提交 17 筆、基準倉 tilelang-weft-bench 再提交 23 筆,集中在打包行解碼(Q1/Q2/Q4_K/Q6_K/IQ3/IQ4)、IME1/IME2 記錄級收縮、執行時 K 維歸約與動態 rotary 遍歷;11-11 把釋出標籤換成 weft-parity 並重寫結果表與手冊。
  • 兩套口徑必須分開讀:11-10 期的舊錶是「150 個運算元 ID 構成 553 個平臺用例、543 例有外部參考,數值檢查 553/553 全過,快於參考實現僅 41 例,SG2044 中位 0.0580 倍」;11-11 的新表是「553 項全部有匹配 Triton 原生對照、逐項滿足不超過 1.03 倍(SG2044 133/133、K1 137/137、K3 A100 136/136、x86 147/147),對外部參考的倍率中位 SG2044 1.3598、K1 1.3176、K3 A100 1.6569、x86 1.2917」。跳變來源寫在提交標題裡——「四平臺共享編譯器的效能繼承」,即被測物件從「作者手寫程式」換成了「共享 Canonical 編譯器產物」,而不是同一份實現在一天內提速二十倍。引用時須寫清這一點。
  • 對照本身出錯的一處披露:K3 的兩項 Q1 對照此前用的是保留的 Triton Canonical 程式,該程式在對 −128 取負時溢位——邊界輸入得到 −2048,正確結果應為 0。修復精確 I8 歸約的共享編譯器重新生成之後兩種前端的產物都透過該輸入;歷史耗時保留在 triton_historical_us,修正說明寫在 triton_control_note。
  • 技術路線仍需分清:Weft 走的是 TileLang 原生 AST 早期匯入到自有 Canonical IR 的 CPU 路線,與 kubuds- 字首分支延續的 TVM 後端、RuyiAI-Stack/tilelang-riscv 的 MLIR Linalg/SCF 改寫都不是同一條實現,三者不可混為一談。

四、生態與採用方

TileOPs

  • 節奏:五期合入 33、18、4、0、0 筆,是全組織最活躍的倉庫,但後兩期主分支連續零提交(頭停在 9bf4bf56,11-10 09:59),視窗內唯一寫入是 23:17 的 stats 分支重新整理(chore(stats): refresh manifest stats from 9bf4bf56...)。上一期記錄的五筆效能 PR(#2894 至 #2898)在 11-13 視窗內未出現在在審更新列表,說明既未合入也未繼續推進。
  • 11-09 期 33 筆的能力分佈:逐元素與歸約側 #2869(float32 倒數每執行緒兩個 16 位元組向量,1600 萬行在 16 個記憶體放置裡原本 12 個落後 torch.compile、最差比值 0.9917,改後一個都不落後)、#2867(比較行廣播拆兩輪、塊數減半,16 位 ne 改單條 __hneu,修掉 logical_and/or 把 NaN 讀作假,作者標註低於目標條)、#2851、#2862;歸一化與注意力側 #2866(8192 寬 RMSNorm 長啟動改讀兩遍、每 warp 四行 256 寬)、#2846、#2848/#2854/#2843;GEMM 與量化側 #2863、#2864、#2865、#2853、#2844、#2842;儲存與池化側 #2868(相鄰 lane 交換 16 位元組 int64 位置使每次 16 位元組儲存填滿 32 位元組 sector——vgg-block 原本 501760 個寫入發出 900444 個 sector 並在 warp 退出時被 drain 卡住)。
  • SM89 支援面集中補齊(11-09 期):#2855 開啟普通 FP8 變長 GQA kernel(warp specialization 實現仍限 SM90)、#2840 prefill sinks、#2845 dense decode sinks、#2841 對齊的 FP8 grouped GEMM;這批改動意味著 SM89(RTX 6000 Ada、L40S 一類)不再是「只能跑 CUDA 參考實現」的架構。作者對 #2855 主動宣告「候選總在 Torch 之前跑,未控制執行順序效應」。
  • 11-10 期 18 筆的邊界修復:#2878 K=0 空收縮在 SM89 上報 OpNotAvailableError(test_gemm.py -m "smoke or sm89" 從 63 passed 6 failed 變為 66 passed 4 failed);#2876 變長 GQA 融合 RoPE 在旋轉半寬被 padding 到不能整除執行緒數時掛死(新增 split_reads 把「讀加旋轉」與「寫回」分兩輪);#2880 float32 GLA 反向在 chunk 64 下需 114688 位元組、SM89 只有 101376,改為在 dA 乘積之後組 dv 的狀態項壓到 98304,梯度與預設順序逐位一致。
  • 效能口徑的寫法本身在變:#2886(Softmax 整行駐暫存器,每元素一次指數)與 #2871(指數換裸 MUFU.EX2 加一次行倒數,新增 exp_shifted_scaled 保證可舍入到非零 float32 的項仍是正規數)給出執行指令在 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;#2884(RMSNorm 64 執行緒塊向編譯器請求 SM 的 32 塊常駐上限,否則 ptxas 給 40 個暫存器、H200 只保住 24 塊、短行 warp 活躍度掉到 64%)與 #2870、#2885 三筆共同指向「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。
  • 11-11 期四筆的共享記憶體閉環:#2891 前向在 chunk 128、dim_v 64 時 walk 的下界需 114688(dim_v 128 需 131072)、SM89 只給 101376,改為裝不下就走只需 98560 的 recurrence;#2890 反向 w/u 加 reuse 開關,S、du、Aw 在最後一次讀後接管 dh、v_new、Au 的緩衝,114944 壓到 98560,另補算 _parallel_live_bytes 後 refusal 會讓 SM90 也拒絕三筆主分支放過去卻跑不起來的呼叫;#2889 先把 check_held_launch 放在按架構打叉之前,SM89 上四個測試檔案從 40 透過 9 失敗 3 跳過變為 35 透過 3 失敗 14 跳過,單張 SM90 上 46 項全過。效能數字如實記錄:#2891 在 SM89 上比 FLA chunk_delta_rule 慢 9% 至 41%,#2890 反向 1.530 毫秒對

FLA 1.554 毫秒(比值 0.98)。

  • 11-12 與 11-13 期的效能 PR:#2895 把沿 K 兩分的 W4A16 瓦片改成一對 CTA 的 cluster,透過 st.async 在對端共享記憶體收 FP32 partial,chunked-prefill-tile 從 37.3 微秒降到 34.7;#2896 在其上疊手寫 warp 特化主迴圈,降到 31.6 微秒、為 torch 反量化矩陣乘的 1.19 倍;#2894 把 DeepSeek-V3 prefill 的 stage_scales 從 1 改回 0,上投影 269.3 → 262.0 微秒、下投影 142.2 → 137.2 微秒;#2898 softmax 兩 CTA cluster 標 bar met;#2897 long-K NT GEMM 選擇器標 below bar,把「功耗牆下不能用週期數當判據」量化——176 寬瓦片比 DeepGEMM 少 2.7% 週期,但多 21% 的操數字節搬進 SM,於是跑在更低的時鐘上。
  • 夜間佇列已固化成看板:11-09 期三筆 CI 改動把跑分結果變成可執行佇列——#2849 把效能差距佇列寫進 wiki 的 Perf Tracker、#2852 同步成 GitHub 專案看板、#2856 在運算元追平後自動移到 Done;11-11 19:52 該倉 wiki 的 Perf Tracker 頁被建立(對應一次夜間同步)。11-13 04:33 的 snapshots 分支落在 bench: 9bf4bf56... (run 43264767627),基準提交與當前主線頭一致,因此這一夜測的是同一份未變程式碼,連續兩晚的快照差異只可能來自環境波動。

TileFoundry

  • 11-09 期五筆合入之外,#290(isl 關係在常數乘積除子上保持精確,避免排程分析因整數近似誤判)與 #288(把「已完成的部分歸約」計入代價,修正此前按未完成計價的偏差)修的是分析器自己的近似。在審的 #292 要支援跨 CTA 的 Partial 歸約與 split-K 排程,正好接上 #293 定義的放置語義——#293 已把跨 CTA Partial 限定在分配分析內,歸約 lowering、多份 gmem 副本的執行時讀取與 split-K 排程留給 #292;這條線若合入,TileFoundry 就能表達「一個張量按 CTA 切開、各寫一份部分和、最後合併」這類分散式 GEMM 的常見形態。
  • 11-10 期原始碼規範重組後,zhen8838 在 02:42 一分鐘內連開四條(#314 至 #317),全部按「讀程式碼發現、未用程式復現」標註:JIT 快取鍵只列印入口函式與拓撲、被調函式只以名字出現,兩個入口文字相同而被調不同的 Module 會拿到同一個鍵;topology_level 未給時預設取第一個有效拓撲而不問目標哪些層級宣告瞭 max_physical_units;深度小於 4 的迴圈按一次迴圈體時長推進遊標而非整個迴圈跨度,迴圈之後的作業不等迴圈結束;passes.md §7.1 寫明片上記憶體的被調返回值必須拷進呼叫方緩衝否則以 LoweringError 失敗,但 convert_hir_to_tir 裡沒有對應的拒絕實現。
  • 11-12 期兩筆修復在審:#323 修解析器丟掉起始為零的切片(用 Mesh 把 threads[0:16] 按 layout=(16,) 重標號時,若選擇從偏移 0 開始,解析器構造新 mesh 時會把切片丟掉,下沉之後不再發 contains 守衛,於是該層每個執行緒都跑了這段區域;而直接寫 with threads[0:1] as writer: 的形態保留切片、行為正確);#324 修 codegen 裡的維度算術(迴圈邊界來自 mesh 座標時報 no codegen handler for DimMul on cuda.Target,共享標量渲染器處理比較但不處理維度算術,而三個 CUDA 發射器各自維護一份 + - * / % 表)。

topa(自治 kernel 工程流水線)

  • 11-09 期兩天 15 筆合入,把「一輪」固化成命令:topa hunt 從 wiki 取最新一夜的效能差距佇列,topa round start <Op> 起一輪「一個 agent、一塊 GPU、一個運算元」,topa round status 看每輪的 agent 與 PR,topa review prepare <PR> 按檢查清單做評審。配套改動含 PR 體限制為 squash 提交攜帶的 Summary、給佇列輪次帶上該運算元此前的嘗試記錄、PR 開啟前用檢查清單評審整份 diff、round stop --rm 清理本輪 worktree、CI 跑 Python 3.11 與 3.13 的單測與 ruff。這不是編譯器改動,但它解釋了 TileOPs 的 perf PR 為何能在兩天裡排到 33 筆。

採用方與第三方

  • 官方採用方兩倉全周無推送:deepseek-ai/TileKernels 停在 10-14(2072★)、QwenLM/FlashQLA 停在 10-30(755★)。
  • 第三方倉:Index4NekoMeteor/Tilelang-AttnRes 用 TileLang 實現 Kimi K3 的 Attention Residual 架構(僅前向,測試環境 Windows 11 / 9800X3D / RTX 5080);kevin3113/models-tilelang 放 DeepSeek V4.1 Flash 的模型片段示例,其中 L0 的「Attention 輸出 + FFN 前處理」由 7 個 ops-tilelang 運算元串成;Atlas-Ascend-Fork/ops-tilelang(10-20 建,88 個公開倉)自述為「CANN 社群面向昇騰 NPU 的 TileLang 高效能運算元倉」,11-09 19:57 與 11-12 14:23 各有一次推送,賬號名帶 Fork、非 tile-ai 組織也非昇騰官方組織,官方屬性無法從倉庫本身判斷,只作線索記錄。
  • Hexagon NPU 後端(第三方 fork):xwhzz/tilelang-hexagon 為高通 Hexagon NPU 增加 TileLang 後端,在驍龍 8 Elite 手機的 v79 cDSP 上開發與驗證,把 T.copy、T.gemm、T.Parallel、T.reduce_*、T.Pipelined 編譯成 HVX 向量程式碼、HMX 矩陣乘、VTCM 緩衝與 DMA 流,經 FastRPC 在 NPU 上執行。LFM2-1.2B 在 batch 1 下端到端跑在 NPU 上,prefill、decode 與取樣全部由 TileLang 寫成;投影為 4 位 GPTQ(每 64 列一個 fp16 scale),繫結的 embedding 與 head 為 8 位;裝置上 WikiText-2 困惑度 16.68,bf16 參考 16.29。效能:decode 128 token 80.1 token/s(界 83 token/s,達界 96%)、prefill 1024 token 176.2 毫秒即 5813 token/s(界 129 毫秒,達界 73%),取 bench.py 五次執行中位,計時含 FastRPC 呼叫開銷、不含分詞與 PC 往返。README 另寫明這套後端與模型是「在維護者指導下由一個 AI 編碼 agent 重寫的」,2026-10-26 至 10-29 之間提了 75 個 PR,佔當前程式碼、測試與文件的八成以上。

五、社群、教程與活動

  • 文件站:tilelang.github.io 在 11-06 至 11-08 有六次 Update docs(對應主倉本輪的 kernel 命名、多源快取與 CuTeDSL 示例),釋出日核查顯示其最近推送為 11-11;TileOPs.github.io 11-09 與 11-10 各有一次推送。TileOPs-nightly 的 snapshots 分支按夜自動寫入,與真正的程式碼提交在「視窗內推送」統計里長得很像,需按分支區分。
  • 新聞側全週五期零命中:Google News 中英文查詢(含「TileLang」「TileLang OR tile-ai」「TileOPs 或 TileRT」等組)按釋出時間過濾後視窗內均為零,最新命中仍停在 10-28 的財富號文章與 10-21 的 SemiAnalysis;Hacker News 的命中全為同名噪音(Emma 實時影片人格、Vibe Slopped Cryptography、Senior Pipeline Crisis、LimbaKit、Monoprint、VoxaDub、tag 分類工具、專案排行站等);arXiv 上 all:"TileLang" 共 10 條,最新一條仍是 11-03 的分離式推理 KV 壓縮論文 v2。新聞側連續多日零命中屬 TileLang 的常態:專案傳播主要走 GitHub 與開發者社群,不在新聞索引裡。
  • 11-06 摩爾執行緒完成 Kimi-K3.1 Pro Day-0 適配:基於 MTT S5000 與 MUSA 完成 3 萬億引數、100 萬上下文的適配,打通模型載入、服務啟動與文字/圖片推理鏈路;官方說明寫明用 SGLang-MUSA 承接上游實現,並用 MATE 運算元庫、Triton-MUSA、TileLang-MUSA 與 MTCC 編譯器完成關鍵計算路徑遷移,稀疏注意力 DSA 的索引選擇、KV 快取佈局與 Prefill/Decode 路徑也在適配範圍內。公開報道提到驗證配置為 6 臺伺服器、每臺 8 張 S5000 共 48 卡,公告本身未披露吞吐與併發數字。
  • 同日的傳聞需標註:Foro3D 11-06 的英文稿稱 DeepSeek 計劃在華為昇騰 950DT(Atlas SuperPoD)上從零訓練約 8 萬億引數的 V5,並稱軟體棧用 TileLang、DeepGEMM-Ascend 與 FlashMLA 把 MFU 提到 45%、採購規模 16 萬片。DeepSeek 官方並未公佈 V5 計劃,公開可查的最新仍是 V4.1 系列(V4.1-Flash 與 10-17 的 V4.1-Flash-1017),第三方追蹤站也把 V5 標為未釋出,只能作為傳聞記錄。
  • 鄰近技術動態(11-10):Meta 工程部落格釋出《How We Built TLX: A Hardware-Native GPU Compiler for Production ML at Scale》,講的是 Triton Low-Level Extensions——在 Triton 的塊式程式設計模型之上補顯式 warp-group 與 cluster 級編排,讓開發者用到 warp 特化、非同步搬移、tensor memory 這類執行側能力而不放棄 Triton 的開發速度;文中給出三條已在生產執行的去向(推薦系統訓練、推薦系統推理、大規模 LLM 預訓練)與一張 10 個月內 Meta 內部核心數量增長的圖(Triton 核心數增長約 3.8 倍、CUDA 約 2.0 倍)。它與 TileLang 是同一條賽道的另一種解法:TLX 從 Triton 向下補顯式編排,TileLang 從瓦片級 DSL 向上補自動排程與多後端。此項非 TileLang 專案動態,只作對照記錄。

六、趨勢觀察

第一,大改造的善後期比改造期更長,成本落在「原本合法的程式不再合法」上。#3512 把 PTO 的向量化與型別體系一起換掉之後,連續四個視窗都在補它的迴歸面:執行後端換預設(11-11)、整數原子(11-11、11-12)、顯式 SIMD 並行迴圈與標量 cast 事實(11-12)、VMI 描述符(11-12)。這四類問題的共同點不是「新功能算錯」,而是「舊寫法編譯不過或結果變了」。對編譯器專案,這類迴歸的排查成本遠高於新功能的 bug——報錯位置常常落在一個與故障無關的標量或地址上,堆疊裡看不出是誰先裝錯了假設。

第二,昇騰的瓶頸已從「能不能編譯」移到「宣告與實現是否一致」,而評審頻寬是這條線的硬上限。十月的 14 條靜態缺陷之後,本週兩波審計把缺口從引數層掃到 T.simd 指令層,形態幾乎全是「宣告支援但實現走了另一條路」或「本該拒絕卻靜默透過」;而相對應的修復 PR 有十餘筆同時在審。tilelang-ascend 預設分支四個視窗零合入、在審佇列卻持續增厚,3060 項每日測試全過——測試覆蓋的是合法路徑,非法路徑的拒絕能力得靠審計。真正的驗收應該從「透過率」換成「宣告與實現的生成式對齊」:從 HCU_MCPU_SET 生成後端必須覆蓋的架構清單,從 intrinsic 登錄檔生成 dtype/位寬支援矩陣。

第三,後端矩陣從「一家獨進」變成四點同時開工,投入深度分成四類。本期主倉八筆全在昇騰,但同視窗 ROCm 一次開出七筆成系列、海光一條分支一天十筆、Sunrise 在走釋出流水線(ci/sunrise-0.1.15-1.2.1-r6 建刪 80 秒)、Hexagon 以個人 fork 的形式把 TileLang 推到手機 DSP。四種形態(上游內建後端、廠商適配倉、獨立發行版、第三方 fork)對應四種投入深度,這個分化本身就是判斷各廠商依賴程度的可用指標:廠商倉跟版本、發行版跟主線、fork 跟自己的硬體。

第四,TileFoundry 的定價缺口在被運算元側反覆頂回,這比單個運算元變慢更危險。#318 明說同一行為在四條已關閉 issue 裡報過、都被標 not planned、當前構建仍復現;#319 一次給五條且帶 962.1 對 1213.6 GFLOP 的偏差(26%);bf16 的尾數口徑在 check --help 與硬體事實之間差了整整一位。分析器是 TileLang「先定價再選排程」路線的前提,定價偏 26% 會讓自動選擇在邊界網格上系統性選錯。這類缺口不會讓任何單個運算元變慢,但會讓自動化安靜地做錯決定。

第五,「給 agent 用的工程化」開始成規模出現。mlir-ascend 的 harness 分支一日 +7632 行,內容是技能庫、模擬 trace 流程與 Roofline 計算器,服務物件是「寫運算元的人或 agent」而不是編譯器本身;同一周,Hexagon fork 的 README 直接寫明後端與模型由 AI agent 在維護者指導下重寫、四天 75 個 PR 佔當前程式碼八成以上。兩件事方向一致:TileLang 這類 DSL 的抽象層恰好落在「agent 能寫對」的粒度上,於是生態開始為 agent 鋪工具鏈,而不是隻為人鋪文件。這一條值得按周跟。

第六,RISC-V 四源連續六個視窗靜默,與整體活躍度形成明顯反差,但差距的量化方式本週變了。TVM 路線、MLIR 路線、社群索引頁、算能 TPU 四個上游全部停在原引用;四源之外那條 CPU 線在 11-11 換口徑後給出 553/553 落在 Triton 1.03 倍內的結論,但同一批用例在前一天還是「41 例快於參考、SG2044 中位 0.0580 倍」。兩套數字都不是造假,差別在於被測物件是「作者手寫程式」還是「共享編譯器產物」。真正的觀察點是:這套「同一編譯器、兩套前端」的做法能否反向進入上游,以及 RVV/IME 路徑是否會被四源之外的專案先跑通。停滯不是沒人做,而是官方四源還沒有形成「自動發現差距、自動驗證、自動排隊」的迴路。


附錄:素材與核查說明

信源核查表

信源 核查結果
tile-ai 組織逐倉(30 倉庫) 釋出日 168 小時核查:視窗內推送 12 個(tilelang、TileOPs、TileFoundry、tilelang-ascend、tilelang-hygon、tilelang-mlir-ascend、tilelang-musa、tilelang-sunrise、TileOPs-nightly、tilelang.github.io、TileOPs.github.io、topa)
主倉 tile-ai/tilelang 五期合入 8、1、3、3、5 筆;11-12 與 11-13 兩期合計 +1903/−617,全部昇騰;新開 issue 五期依次 50、6、10、35、18 條
TileOPs 五期合入 33、18、4、0、0 筆;11-13 期 stats 分支一次重新整理;主線頭 9bf4bf56(11-10 09:59)
TileFoundry 11-09 期五筆合入;11-10 期 #312 1491 檔案重組;11-12 期 #323/#324 在審;無新版本
topa 11-09 期兩天 15 筆合入;無 issue、無 release
tilelang-ascend 預設分支 ascendc_pto 自 11-06 起四個視窗零合入;在審佇列持續增厚;每日測試 3032 / 3060 項全過各期有記錄,11-12 有一次失敗並重覆上報(同一 run 43124767679 兩條告警)
tilelang-hygon distributed 分支合入 #36(+2022);tilelang-tileops-fix 分支一日十筆;#37 在審;#27 長期承載一條開發線
tilelang-mlir-ascend harness 分支合入 #217、#219 與三筆(+7632/−24);master 合入 #222 門禁收斂;TL 方言五個運算元在審
tilelang-metax 11-09 期推送為上游同步(tip 為 #3760),無自有提交;最近推送 11-06
tilelang-musa 合入 #11(文件 +24/−24)與 #12(README +10/−49);視窗內無程式碼提交;最近標籤 v0.1.14+musa.1(09-11)
tilelang-sunrise main 停在 10-23;ci/sunrise-0.1.15-1.2.1-r6 建後 80 秒刪除
釋出頁(tilelang / TileOPs / TileFoundry / musa) 全周無新 tag: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 #3887 自 11-09 03:07 起掛起
採用方 TileKernels / FlashQLA 全周無推送(10-14 / 10-30)
TileLang×RISC-V 四源巡檢 連續六個視窗無變化;11-13 期索引頁 PR 介面限流,降級為僅比對引用
第三方 TileLang–Weft / weft-bench 11-10 視窗 17 筆與 23 筆提交;11-11 釋出 weft-parity,553/553 落在 Triton 1.03 倍內;K3 Q1 舊對照的 −128 溢位已披露並修正
第三方 Hexagon NPU xwhzz/tilelang-hexagon 11-10 與 11-12 各有推送,LFM2-1.2B 端到端跑通,decode 80.1 token/s、prefill 176.2 毫秒
第三方 ops-tilelang Atlas-Ascend-Fork/ops-tilelang 11-09、11-12 各一次推送;官方屬性未核實
Google News(中英文多組)/ Hacker News / arXiv 五期均為零命中;HN 命中全是同名噪音;arXiv 最新相關仍為 11-03(超窗)
鄰近技術動態 Meta TLX 博文 11-10 釋出,屬同賽道對照,非 TileLang 專案動態

完整信源清單

tilelang-ascend 同一 run 重複告警(#2006、#2010)— https://github.com/tile-ai/tilelang-ascend/issues/2010

ang-musa/pull/12>

s://github.com/deepseek-ai/TileKernels>

核查說明

  1. 本期覆蓋 2026 年 11 月 9 日至 13 日五個工作日、五期日報。11-09 期為跨週末 72 小時視窗(11-06 07:00 至 11-09 07:00),其餘四期為 24 小時首尾相接;11-09 期與上一期週報(截至 11-06 07:00)不重疊。
  2. 合入數、在審數與新 issue 數以各期日報記錄的 GitHub 檢索真值(is:merged、is:open、created)為源,並與逐倉主分支提交交叉核對。11-09 至 11-12 期為組織級計數,11-13 期為主倉計數(該期另有三筆落在 mlir-ascend 的 harness 分支,未計入)。
  3. 非預設分支的合入已在正文逐筆註明分支:hygon #36 落 distributed、hygon tilelang-tileops-fix 分支十筆、mlir-ascend #217/#219/#220/#221/#226 落 harness、mlir-ascend #222 落 master、TileOPs stats 與 TileOPs-nightly snapshots 各一筆——這些倉的 main 在相應視窗內為零提交,按分支查才看得到。
  4. 效能與記憶體數字均取自各 PR 正文的表格與 Result: 行,未作二次換算;未達目標條(below bar)與慢於對照實現(如 #2891 在 SM89 上比 FLA 慢 9% 至 41%)的情形按原文保留。
  5. 第三方 Weft 線的兩套口徑已分列並說明切換原因,舊錶(41 例快於參考、SG2044 中位 0.0580 倍)不與新表(553/553、中位 1.29 至 1.66)混用;K3 兩項 Q1 對照的舊 Triton 產物在 −128 取負時溢位一事按基準倉披露記錄。
  6. 新聞側五期均為零命中,無外部報道可對本週的專案進展作交叉驗證;摩爾執行緒 Day-0 一條來自官方公告轉述、含具體遷移路徑,Foro3D 一條為二手轉述且 DeepSeek 官方未公佈 V5 計劃,報告中已標註為傳聞。
  7. 採集側侷限:本週多個視窗的 GitHub 匿名 API 額度在早期耗盡,PR 正文與合入詳情部分改由檢索介面、分支級 atom 流與 diff 端點補齊,個別 PR 的檔案數與行數為介面返回值,未逐行復核 diff;RISC-V 四源巡檢在 11-13 期因索引頁 PR 介面限流降級為僅比對引用。
  8. 本報告不包含任何本機路徑、代理地址或內網資訊;所有連結均為公開可訪問地址。