报告周期：2026 年 10 月 26 日（周一）至 10 月 30 日（周五），共 5 个工作日 素材来源：本刊每日 TileLang 社区动态日报 5 期（10-26、10-27、10-28、10-29、10-30），五期采集窗口合计 10-23 07:00 至 10-30 07:00（周一那期为 72 小时窗口，覆盖上周末；周二至周五为 24 小时）；另经 tile-ai 组织各仓库 168 小时窗口补充核查、各仓发布页与标签、VERSION 文件复核（详见附录）

一、本周要闻

  • TileOPs 0.1.0 正式发布，206 个算子的首个正式版，公开 API 就此冻结（10-27）：PyPI 制品于 10-27 07:45（北京时间）上传，GitHub 发布页 13:15 挂出，是仓库首个正式 tag。发布说明给出的硬指标是三组：206 个算子全部有 manifest 条目（签名、测试与基准负载、roofline 公式，CI 逐条校验）；H200 上 2265 行夜间基准中 2262 行不慢于最快对照实现、几何平均 1.37 倍，对照方包括 torch.compile、FlashAttention 2 与 3、FlashInfer、FlashMLA、vLLM、DeepGEMM、flash-linear-attention、FlagGems 与 QuACK；206 个算子里 195 笔带 foundry 标签的合入由 TileFoundry 生成内核并通过同一套 CI 进库。发布同时冻结公开 API，新增 API 兼容性检查脚本，任何按上一版写法调用而会中断的 PR 直接失败，此后 0.x 只增不改。已知缺口四项与路线图三步同日公开，后者指向融合算子、整模型与计算通信融合。来源：https://github.com/tile-ai/TileOPs/releases/tag/v0.1.0、https://pypi.org/project/tileops/

  • 昇腾 910 A2/A3 的 NPUIR 后端整条并入 mlir-ascend 主干，验收口径首次写成数字（10-28 合入）：一笔 55 文件 +21490/-1，Python 侧是 tilelang/ascend910 包（backend、adapter、codegen、compiler、execution_backend、jit、pipeline、runtime、target 加 language 下的 kernel、copy、gemm、npuir 方言面），C++ 侧是 src/ascend910/target 的开发者与专家两套发射器、算子层与 LowerNpuirBlock、NpuLoopVectorize、RewriteFDivToMul 三个 pass，运行时补 npu_launcher.h 与 npu_utils，target 别名接受 ascend910、ascend-910、a2、a3、npuir。作者给出的验收是 pytest testing/npuir 504 项全通过、examples 72 例中 71 例通过且 0 超时 0 报错，唯一失败的一例在旧后端同机同样失败，属环境与容差问题。来源：https://github.com/tile-ai/tilelang-mlir-ascend/pull/207

  • 主仓在审的 TIRx 重构把内置 TVM 换成外部依赖，规模从 1043 文件扩到 1194 文件（10-25 起，全周更新）：方案是删掉 3rdparty/tvm 及其子模块条目，把前端、原生张量与作用域 IR、下降 pass、后端流水线与执行适配整体迁到独立构建发布的 TIRx，并对未打补丁的上游源码钉版本（apache/tvm-tirx 9af5544d，依赖 apache-tvm-tirx==0.1.0a2 与 apache-tvm-ffi==0.1.15.post0），原先带 +tilelang.1 后缀的集成补丁不再需要。周末到周中该 PR 三度更新，规模由 1043 文件 +71428/-104176 增至 1194 文件 +106648/-104497，是全周队列里体量最大的一笔，也决定后续 TVM 侧修复如何进入主线。至本周五仍在审，未合入。来源：https://github.com/tile-ai/tilelang/pull/3666

  • 主仓一周的正确性硬化集中在「编译通过、运行不报错、结果错」这一族（10-26 至 10-30）：典型条目是输出分配流（#3649，三个适配器接受调用方的 stream 却在当前流上分配 out_idx 输出，缓存分配器按分配流排序复用，H100 上五次跑三次输出损坏，修后归零）、全 warp 归约改走 redux.sync（#3692，四个 32 lane 的 FP32 取大从 20 条 shuffle 变 4 条硬件归约）、切片填充与负索引的静态边界（#3352 的 T.fill 在长度 8 的缓冲上写 As[6:12] 曾被放行，实际写到 6 到 11；#3347 的 A[-9] 曾静默回绕成 -1）、T.ws(-1) 区域在零个线程上运行（#3354，存全部丢弃且无诊断）、ROCm 七个默认数学函数不再降到快速内建（#3621，MI300X 上 sin/cos 误差从 7.8e-04 降到 6.6e-08）。来源：https://github.com/tile-ai/tilelang/pull/3649、https://github.com/tile-ai/tilelang/pull/3692、https://github.com/tile-ai/tilelang/pull/3621

  • 昇腾侧的算子清单按上游模型结构逐个铺开（10-26 至 10-30）：一周内落地的包括对齐 Kimi K3 Stable LatentMoE 门控激活的 situ_glu（#1891）、GLM-5.3 稀疏注意力 indexer 的 kpool 压缩算子（#1910，单 kernel 纯 Vector 路线，E4M3 编码用纯整数位运算实现、不依赖 FP8 类型也不做近似）、分块门控线性注意力的 Chunk Scaled Dot KKT 前向（#1803，静态四块展开、零 GM 工作区，L0 与 L1 各三例匹配率 1.0000）、W4A4 的 int4×int4 GEMM 结果全错根因与修法（#1731，半字节打包类型被当成 1 字节，所有拷贝 stride 与 repeat 次数 2 倍偏差，症状为 99.6% 不匹配），以及主仓 DeepGEMM 示例的 FP4×FP4 打包输入（#3589）。来源：https://github.com/tile-ai/tilelang-ascend/pull/1910、https://github.com/tile-ai/tilelang-ascend/pull/1803、https://github.com/tile-ai/tilelang-ascend/pull/1731

  • 海光一周四笔主干动作，从「能跑」转向「按硬件结构摆」（10-26 至 10-30）：寄存器流水线加 warp 发散合入（#18，28 文件 +5312/-64，跨两周多收敛，作者给出的结论是 example_gemm 达到与 rocblas 相当的性能）、原生 B16 存储与动态 WASP GEMM 合入（#28，6 文件 +340/-230）、scale 缓冲拆成独立双 bank 并与 LDS bank 分开（#29，12 文件 +1389/-314，本窗口软件侧最大的一笔）、普通拷贝路径的 LDS swizzle 特性分支进在审（#30，18 文件 +2000/-84，含五个新测试）。来源：https://github.com/tile-ai/tilelang-hygon/pull/18、https://github.com/tile-ai/tilelang-hygon/pull/29

  • 发布镜像把算子库与 TileFoundry 首次打进同一镜像（10-29）：运行器镜像在开发镜像之上安装 TileOPs 与调度器的 PyPI 发布版，标签为 tileops0.1.0 加 tilefoundry0.0.3 再加 cuda13.2、torch2.13 与 tilelang0.1.12 三段环境标识；附加脚本拉取镜像后在 GPU 上跑栈检查、基线检查、打包测试与可选基准，因为轮子里不带测试与基准，故都从镜像自身版本对应的标签取。同时移除 sgl-kernel 基线。来源：https://github.com/tile-ai/TileOPs/pull/2793

  • 生态出现整建制的分支与社区仓，TileLang 被当作自有硬件栈的底座（10-26 至 10-30）：T-HEAD 名下的 tilelang-for-sail 分支仓公开 13 个分支，除版本镜像外可见 PPU 矩阵共享布局修复、PPU language 包与运行时编译特性；CANN 社区的 ops-tilelang 算子仓 10-20 建仓后持续推送并已用七个算子串出 DeepSeek V4.1 Flash 的模型片段；高通 Hexagon 后端单日 15 笔，把 HVX 向量化、VTCM 竞技场、Crouton 布局与 DMA 内建一路铺到映射与归约；另有 RISC-V 社区枢纽仓、PTO-ISA 题库与基准双仓、tilelang-knowledge 知识仓同日推进。来源：https://github.com/t-head/tilelang-for-sail、https://github.com/Atlas-Ascend-Fork/ops-tilelang

二、核心项目进展（主仓 tilelang）

版本与发布

  • 主仓最新标签与发布仍为 v0.1.15（09-30 发布），全周无新标签、无新发布页条目，至本周五已满 30 天。VERSION 文件核查仍为 0.1.15。
  • TileOPs v0.1.0 是本周组织内唯一的新正式版本（10-27），也是 09-30 以来继 TileFoundry 0.0.3 之后的第二个新标签。TileFoundry 最新停在 0.0.4rc1（10-25），尚未转正。
  • 适配线标签全周未动：tilelang-ascend v0.1.2.000（09-09）、tilelang-metax v0.1.15（10-16）、tilelang-musa v0.1.15+musa.1（09-30）、tilelang-mlir-ascend 停在 v0.1.2.020 系列。
  • 合入量与节奏：周一那期为 72 小时窗口（10-23 07:00 至 10-26 07:00），合入 78 笔（TileOPs 51、tilelang 10、TileFoundry 10、文档站 4、昇腾仓 1、海光仓 1、Sunrise 1），与上一期周报（10-19 至 10-23）在 10-23 一天上有重叠，故不与后四期相加。周二至周五四个 24 小时窗口合计合入 86 笔：tilelang 47、TileOPs 26、tilelang-ascend 5、TileFoundry 4、tilelang-hygon 3、tilelang-mlir-ascend 1；单日依次为 30、20、24、12 笔，呈前高后低的收敛形态。在审更新全周维持在 45 至 76 笔之间，新开 issue 分别为 19、11、7、6、4 条。

编译器、语言层与执行路径

  • 全 warp 归约改走硬件 redux（#3692，10-29 合入，4 文件 +337/-35）：此前即使整组就是一个对齐的满 warp，普通跨线程归约也照样展开成 shuffle 树。主分支 837486a 上四个独立的 32 lane FP32 取大在 sm_103a 配 CUDA 13.1 编译出 20 条 shuffle、零条 redux，改后是四条 redux.sync.max.f32、零条 shuffle。做法是复用标量与批量全归约已有的 warp_reduce 助手，调用方只判线程几何。整数归约在 SM80 及以上走硬件 redux；FP32 的取大取小只在 sm_100a、sm_100f 与 sm_103a、sm_103f 上可用；窄浮点提升到 FP32 后再进助手，FP64 不降精度仍在 shuffle 路径。作者明确不声称端到端加速，只给指令级对照。
  • autotuner 的独立 JIT 配置改为并发编译（#3476，10-29 合入，2 文件 +54/-46）：原实现整段编译期持一把锁，连只用默认编译选项的配置也串行，前端、下沉与设备编译全部排队。改法是给每份覆盖配置用 dataclasses 复制出独立 JITImpl，默认选项仍走原有惰性路径以保留内核缓存与对象身份，只对共享第一阶段键的候选串行，调试输出的写盘仍串行。跨后端验收数据：昇腾 1797 项通过（Python 3.12.14、torch_npu 2.10.0、CANN 9.3.0，AscendC 示例 50 例全过、PTO 示例 44 过 6 跳）、ROCm 7.2 在 gfx942 上 3220 项通过、Metal 95 项通过、CUDA 在 H100 PCIe cu130 上 5500 项通过、CuTeDSL 75 过 17 跳。
  • 昇腾缓冲区视图的布局与指针单位不再跨别名传播（#3623，10-29 合入，23 文件 +1139/-438）：由 T.view 或 T.reshape 造出的多个缓冲可共用同一段存储而要求不同布局，此前统一按共享的数据变量解析布局，可能选中错误的 Cube 映射或 DMA 地址。本笔把布局附着到单个 Buffer 视图上，贯穿布局推断、分形存储归一化、多缓冲物化与拷贝和矩阵乘的下沉；裸指针偏移按各自元素单位重映射。同一带版本分配上，Cube 视图现在可用不同 MajorK 与 MajorMN 布局，条件是逻辑步长稠密、基址偏移为零、操作数类型兼容且填充后存储大小相等。
  • GM 到 L1 的拷贝与越界填充合并成一个调度任务（#3543，10-29 合入）：两者共同准备同一块 L1 数据，此前填充可能被拆成独立调度任务，同步插入就会多一道 MTE2 管道栅栏。改后消费者等待的是包含填充在内的完整数据，FP8 MX 的 K 尾填充同样并入并保留任务内条件填充，原来的 MX 延迟填充队列被删除。47 项聚焦测试通过。
  • ROCm 与执行上下文的一组修正：exp、exp10、log、log2、log10、sin、cos 七个默认函数在 HIP 上不再无论 fast_math 设置都降到快速内建，八个带下划线的快速算子新增最低下沉规则（#3621）；自动目标改读当前 HIP 设备而非固定 0 号卡（#3594）；NVRTC 与 CuTeDSL 按首个输入张量所在设备取当前流（#3359）；profiler 未指定设备时改用当前设备，缓存冲刷不再打到 0 号卡（#3357）。
  • 语言层与下降的小修：TMA gather/scatter 的 Python 整型行索引转为 int32，字面量写法在 Blackwell 上不再编译崩（#3365）；运行期行程数的流水线 epilogue 直接展开，分页解码恢复可编译（该缺陷由下游 TileOPs#1852 报出）（#3356）；VectorizeLoop 不再静默忽略循环步长（#3345）；T.clamp 的 NaN 传播下降被回退、回到 min/max 语义（#3628）；T.Parallel 的 coalesced_width 统一转 IntImm（#3374）；TMA 描述符只记录已校验的名字（#3484）；非 restrict 参数的 handle 后缀不再被裁掉（#3366）。

正确性与缺陷修复

  • 流与缓存身份：输出在调用方流上分配（#3649）与 NVRTC、CuTeDSL 取流（#3359）之后，本窗口把自动调优缓存键纳入 compile_flags（#3338，同一内核换编译选项不再复用旧二进制），昇腾侧把 Bisheng 构建身份纳入二进制缓存键（#3691）。两条独立路线在同一周做同一件事：缓存若只按源码与形状做键，换编译器就会误命中。
  • 同步与内存规划：ThreadSync 把 address_of 记为写，不透明调用后的栅栏补上（#3346，此前 T.address_of(B[0]) 形式在 extern 之后没有栅栏，而 T.access_ptr(B, “w”) 形式有）；T.ws(-1) 改为在所有线程上运行（#3354）；跨存储域命名屏障重号（#3643）与 sm_100 的 TMEM 释放缺 CTA 屏障（#3645 / #3663 / #3664）在周初处理。周三浮出三笔 ThreadSync 错位栅栏缺陷（#3680）：栅栏被放进发散分支、分支里的栅栏错误清掉外层挂起依赖、按线程计数循环的栅栏位置，配 #3682 与 #3681 两笔在审修复。
  • 静态边界与类型：切片填充按区域末端而非长度校验、负索引在回绕后仍为负时拒绝（#3352 / #3347）；SIMT 原子区域的形状校验补上（#3465）；稀疏 MMA 的 K 尾块不再被静默放过（#3367）；atomic_addx4 的目标 dtype 收窄到 float*（#3369）；profiler 输出索引统一校验（#3486）；标量读的索引系数不再混进 lane 数（#3453，行宽 32768 以上的编译崩溃关闭）；批量 all-reduce 按标量分支解析线程区间（#3341，batch>1 时 2048 个输出全错）；int64 原子 max/min 与 AtomicStore 的 int64、bf16、fp16 崩溃（#3307）；归约的 FP8/FP4 非有限常量写出非法字面量（#3189）。周四把六个假定冷编译的测试改走 without_kernel_cache（#3695 / #3696）。
  • 新开缺陷的指向：周四开出的三条都落在静态检查边界——带填充的共享缓冲走批量拷贝报形状不符（#3704，末维非 16 对齐的全局张量拷进带填充共享缓冲，BK 取 cdiv 乘 16，下沉报 112 对 100）、负缩放迭代图误编译反向索引（#3705，复现环境是 v0.1.15 与 T-HEAD 分支仓源码构建，属上游共有路径）、视图位宽按 int32 相乘溢出（#3707，Qwen3.8 的 lm_head 权重 248320 乘 2560 字节 NVFP4 共 5,085,593,600 位，回绕成 790,626,304 后抛字面量超限）。同批还有 sm_120 上 13 个示例失败、IfStmtBinding 指数级编译、without_kernel_cache 不强制重编（#3701 / #3700 / #3699），以及 CuTeDSL 的 CUDA graph 捕获为空图（#3693）。周五三条修复进在审：位宽改 int64、CPU 标量 GEMM 只清目标区域、关缓存时绕过两层进程内缓存（#3708 / #3709 / #3710）。

运行时、CI 与工具链

  • CI 把 ROCm 与 Metal 任务锁回兼容的 PyTorch wheel（#3706，10-29 合入）：ROCm 的 CI 通过索引变量暴露匹配的 PyTorch ROCm 源，但工作流级的「不安全最优匹配」策略让更晚的 PyPI 候选胜出，解析到 PyTorch 2.15.0（CUDA 13.2）而不是 2.14.1 加 ROCm 7.2 构建；同一批 2.15.0 的铺开也让 macOS 26.6.2 的 ARM64 运行器拒绝 Apple 半虚拟 GPU。改法三条：按配置的稳定 ROCm 版本设置后端变量、夜间安装改用首个索引、新增测试前快速失败的校验步（确认是 HIP 构建、非 CUDA 构建、且能访问运行器 GPU）。
  • 昇腾 CI 把 AscendC 与 PTO 拆成两个矩阵作业，可分别重跑（#3687）；CI 镜像升到 cann9.3.0 周更版（#3630）。
  • 贡献流程治理四连（10-26，全围绕评审成本）：CONTRIBUTING.md 写明 PR 描述应有问题、方案与取舍，证据贴在其支持的论断旁（#3671）；纯文档 PR 跳过 CUDA、ROCm、Metal、Ascend 与 CuTeDSL 的构建与测试，白名单刻意收窄（#3672）；提交技能加确认步，先把拟用标题给贡献者确认（#3673）；关掉评审机器人的自动摘要与文档字符串覆盖率检查，要求把发现锚定在当前 diff 与实际调用路径上（#3674）。
  • 语言服务上线实验性 CUDA 调试（10-26）：tilelang-lsp 推入首个调试提交，新增 tlsp.debug 启动器做 Python 行号映射、加 -G 与 -lineinfo 编译、隔离缓存并抓取生成源，把 Nsight 的 cuda-gdb 接进 VS Code，支持 Python 断点、启动前检查与生成 CUDA 源的浏览。这是该仓自 8 月以来第一次实质提交。
  • 文档站全周持续自动同步：10-26 八笔、10-27 六笔、10-28 两笔，另有 TileOPs 文档站与本地化仓的常规更新。

评审队列观察

  • 体量最大的一笔仍是 TIRx 重构（#3666，1194 文件 +106648/-104497），对固定的上游基线打零补丁，是队列里唯一会决定「后续 TVM 侧修复以何种节奏进入主线」的改动。
  • 昇腾仓的 a2a3 调度器迁移占 100 文件 +18453/-666（#1951），是专用仓里最大的一笔在审，说明下一阶段变动量在调度层而不在算子层。
  • PTO 线的在审队列一周内持续推进：T.Parallel 向量化、AutoSimVF 通道、批量三维 ND2NZ、写计数多缓冲（#3512 / #3320 / #3689 / #3629），PTO 目标默认走 tvm_ffi 执行后端（#3516），另有三笔视图与广播修正（#1962 / #1960 / #1961）与按位异或的无符号字节工作区视图修正（#1959）。
  • 在审更新数全周在 45 至 76 笔之间，周五回升到 54 笔，与合入量的回落形成对照：本周是「清账周」而非「开单周」。

三、多后端适配（昇腾 / 海光 / ROCm / Hexagon）

昇腾（Ascend）：后端并入主干，算子按模型铺开

  • 后端层面：910 A2/A3 的 NPUIR 路径并入 mlir-ascend 主干（#207，55 文件 +21490/-1），模式开关 TILELANG_ASCEND_MODE 取 expert 或 developer、默认 expert；第二笔提交逐条对齐旧后端行为差异，重点是 bf16 合法化（HIVM 不接受 bf16 操作数，改为 fp32 计算后显式转换）与动态 extent 的拷贝下沉。
  • 调度与定址：主仓新增 T.annotate_buffer_addresses，允许在调度后的昇腾流水线里对 UB、L1、L0A、L0B、L0C 与 SS 各池内的分配做精确字节定址，放入定址的缓冲须先用 T.annotate_buffer_versions 声明固定份数，校验覆盖缺少或不支持的份数、重叠、未对齐、动态尺寸与容量溢出（#3607，14 文件 +982/-26）。PerCoreTask 候选体允许内部 if/else，条件 L1 填充不再被整体拒绝（#3686）；手写流水线保留配置寄存器相位（#3624）。
  • 算子供给：一周内合入 situ_glu（#1891）、GLM-5.3 的 kpool 压缩（#1910）、Chunk Scaled Dot KKT 前向（#1803）、W4A4 int4×int4 的根因修复（#1731）、depthwise_conv_2d 示例重提（#1920，改用清单化测试通道以避开并发批次）；在审还有 GroupNorm 与 fla_chunk 两个示例（#1607 / #1953 / #1952）、NPUIR 视图与广播三笔（#1962 / #1960 / #1961）。这些算子的共同点是把量化与融合写进 kernel 本体，而不是留给宿主侧补救。
  • 工程口径：新增算子性能剖析 skill，用 msprof op 输出定优化方向（#1931）；安装器的 SHMEM 段双修，空壳 wheel 不再假成功（#1943 / #1946）；超过两维的 GM 到 UB 拷贝按 DMA 行数折叠前导维（#1805）；Cython 包装器每次调用重建分析器的问题（约 0.28 毫秒）先记录（#1945）后由在审的惰性构造修掉（#1948）。
  • 回归状态：每日全量测试 10-25 报 2903 项全通，10-26 凌晨测试作业报失败（#1944），10-27 与 10-28 连续两日 2903 项全通过（#1950）。用例规模已足以当门禁，结论有效期以周计。
  • 在审的兼容性改动：Carver 按所选 SDK 读 A3 资源预算，避免把 256×256 的 FP32 累加器放到只有 128 KiB 的 L0C 上（#1955）；AI Core Exception Dump 的依赖降到 CANN 9.2.0 并补齐四个必填字段（#1956）；文档改用 T.Tensor、弃用 T.Buffer DSL 接口（#1957）。昇腾仓的文档事实核查四条单条评论最多 46 轮（#1628 / #1655 / #1656 / #1659）。

海光（Hygon）：一周四笔，按硬件结构摆放

  • 寄存器流水线可与既有的共享内存流水线协同，对应的提交与屏障指令按流水级插入，warp 数超过 4 时启用 warp 发散（#18）。这一笔 10-08 开出、跨两周多收敛，合入时是先并主干再走分支的大合并，故行数远大于同批其他改动。
  • 原生 B16 存储与动态 WASP GEMM（#28）：保持 MLS 的 Let 参数发射顺序、把 GEMM 的 warp 划分传播到矩阵存储、拒绝打包的 B16 到 B32 输出别名，同时让 WASP 维度可动态并按轴推断对齐。
  • scale 缓冲的行规划改为独立双 bank 分区、与 LDS bank 分开，同一套行映射同时交给分配、scale 拷贝与 MMAC 下沉三处，避免三处各自推一遍布局（#29，12 文件 +1389/-314）。这一笔接上 #28，海光在两天里完成三笔主干合入。
  • 普通拷贝路径的 LDS 写相位与 swizzle 策略进在审，配 b8 与 fp8 两类数据宽度（#30，18 文件 +2000/-84，新增五个测试）。

来源：https://github.com/tile-ai/tilelang-hygon/pull/18、https://github.com/tile-ai/tilelang-hygon/pull/28、https://github.com/tile-ai/tilelang-hygon/pull/29、https://github.com/tile-ai/tilelang-hygon/pull/30

ROCm：pip 版 SDK 与浮点语义

  • ROCm 10 的 pip 版 SDK 支持合入（#3549，2 文件 +106/-19）：ROCm 10.x 的 rocm/pytorch 镜像把 ROCm 以 Python wheel 形式发布，既没有 /opt/rocm 目录树也没有 rocm-* 的 apt 包；get_rocm_arch() 此前硬编码 /opt/rocm 前缀，路径不存在时回落到 gfx900，于是 MI355X（gfx950）上 rocwmma 的静态断言直接失败，设 ROCM_PATH 也无效。修法是按调用方前缀、find_rocm_path()、torch 的 gcnArchName、gfx900 兜底的顺序解析，每次 rocminfo 探测加 10 秒超时，并新增基于 rocm/pytorch:rocm10.1.0_ubuntu24.04_py3.12 的 Dockerfile。作者在 MI355X 上实测架构探测从 gfx900 变为 gfx950。
  • exp/sin/cos 的精度修正与自动目标、取流、profiler 三处上下文修正见第二章。ROCm 侧的 FP4 转换与 E8M0 类型、pip 版镜像的架构探测仍在审（#3665 / #3549 相关配套）。

沐曦（MetaX）／摩尔线程（MUSA）：窗口内无实质提交

  • tilelang-metax 组织视图有推送时间戳（10-26 15:08），但逐分支核对后无窗口内提交：默认分支 main 最新仍是 09-29 的版本号提升，dev 分支最新 10-16，0.1.14 与更早的版本镜像未动，事件流里也没有窗口内推送事件。最近一次正式发布仍是 10-16 的 0.1.15。
  • tilelang-musa 全周无窗口内主分支提交，最近标签仍是 09-30 的 v0.1.15+musa.1。摩尔线程与沐曦在本周只出现在核查表里，不构成条目。

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

第三方：Hexagon DSP 后端

  • 10-27 单日 15 笔，把 HVX 向量化、VTCM 竞技场、Crouton 布局与 DMA 内建一路铺到 Crouton 上的映射与归约。至 10-29 主分支最新提交仍停在 08-24 的 CI 依赖升级，仓库推送时间更新但主分支无新代码，故只作为社区投入强度的观察，不计入上游进展。
  • 另有 PPU 版零改动包装器（运行时拦截 import 协议与 site 机制，不修改上游源码也不重新打包，无 PPU 对应物的 CUDA 特性显式报错而非静默降级），是后端迁移的第三种形态。

来源：https://github.com/xwhzz/tilelang-hexagon、https://github.com/flytiger-eco/tilelang-wrapper-for-sail

四、生态与采用方

TileOPs：0.1.0 之后的第二周

  • 发布之后的合入节奏明显放缓：周二 14 笔、周三 4 笔、周四 7 笔、周五 1 笔，重心从「把接口冻住」转到性能与正确性的收尾。
  • 性能侧的四处硬数字：选择器不再贴着 manifest 拟合，改为在忙时（device_busy_ms）上按 160 个稠密 shape、60 个 m 9 至 32 的 shape、264 个 m≤8 的 shape 重新标定，用 softmin 期望对数遗憾做坐标下降，端到端忙时遗憾在留出的 manifest 上从 5.79% 降到 0.48%、m≤8 的留出集从 14.18% 降到 1.79%（#2784）；非 NT 布局改走转置持久内核 coop2_swap，2112×7168×4096 TN 从 195.3 微秒降到 175.3 微秒，同机另一块 H200 从 174.3 降到 158.5 微秒，均压过 QuACK 的 187.9 与 167.0 微秒（#2789）；cumsum 长行改两段式种子扫描，(8,65536) 从 12.75 微秒降到 5.18 微秒并修掉 65535 tile 以上的发射失败（#2790）；extrema 归约改用 PTX 的 max.NaN / min.NaN，amax (2048,4096) bf16 从 8.352 微秒回到 6.976 微秒，快于 FlagGems（#2792）。
  • 背靠背口径被单独立项：周四新开议题指出单次调用下本实现领先 QuACK，但背靠背、功率封顶的训练场景里十条大行有六条落后（#2791）；随后在审的 GEMM 改动按功耗封顶重算栅格分组与常驻块数，DeepSeek V3 预填充的 q-b 形状上内存读从 168 MB 降到 94 MB（#2794）。
  • 正确性与能力补齐：D128 稠密前向拆 key，prefill-rope 从 31.04 微秒降到 17.09（#2777）；D128 持久化前向按线程重写并写出 LSE（#2774）；融合加法的 LayerNorm 行跨 CTA 拆分，精度缺陷另开新单（#2768 / #2773）；偏移存储三类修复与 SM90 分组 GEMM、输出 ABI（#2761 / #2765 / #2762）。
  • 发布形态：发布镜像合入（#2793），算子库与 TileFoundry 首次打进同一镜像；已知缺口中的 FusedAddLayerNormFwdOp 精度问题在周内仍未被修掉，路线图第一步的融合算子尚无合入。

来源：https://github.com/tile-ai/TileOPs/pull/2784、https://github.com/tile-ai/TileOPs/pull/2789、https://github.com/tile-ai/TileOPs/pull/2790、https://github.com/tile-ai/TileOPs/pull/2792

TileFoundry：从三包拆分到静态契约

  • 周初拆成 core / nvidia / apple 三个发行包，测试输入只装载一次（#268 / #269）；sm_89 补上 E4M3 的 warp MMA，并把能力校验从「只查 MMA」扩到每条指令，bulk copy、TMA copy 与 mbarrier 形式此前能通过验证、到 codegen 或 ptxas 才失败（#261 / #262 / #264）。
  • 周中修 cp.async 目标布局寻址与 MLA 反向布局（#263 / #260 / #257），以及整窗口按操作数本身下发（#273，sm_89 的 GEMM 恢复可编译）与动态共享内存按内核实际用量定尺寸（#271，作者未采纳「按目标容量给满」的建议，理由是静态与动态共享内存同计一个上限、每块申请多少决定一个 SM 能放几块）。
  • 周四合入一笔破坏性变更（#279）：把 24 个 AMX 运行时算子族描述成 39 个静态注册的 TIR 契约，带参数域、操作数与布局模式、副作用集合，以及 M1 到 M4 的目标能力；新增 Python 评估器与原始 C 模拟器作为金标准，补 59 个代表性原子用例覆盖全部 39 个静态算子，高阶与中阶中间表示用例跑真实的 2、4、8、12 线程域并验证候选的接受与拒绝。验证为 46 项聚焦测试通过。
  • 新开缺陷侧记一笔：分析侧把共享内存峰值算重、且不传到 TIR（#272），与主仓 ThreadSync 那一族同源。

采用方与社区分支

  • 两个已知采用方全周静默：DeepSeek 的 TileKernels（2018 星）与通义侧的 FlashQLA（742 星）主分支都停在 10-14，窗口内无新推送。本周生态信号主要来自社区自建仓，而非这两个内部使用方。
  • T-HEAD 的 tilelang-for-sail：09-22 建仓，是上游主仓的分支，公开 13 个分支，除主分支与 v0.1.11 到 v0.1.14 的版本镜像外，可见 PPU 矩阵共享布局修复、PPU language 包、运行时编译特性与若干缺陷修复分支。主分支最近提交停在 10-22，仓库推送时间更新到 10-29 19:27；仓内无说明文档也无发布记录，故只能作为观察线索。值得注意的是周五第 #3705 号缺陷正是用该仓源码构建复现的——分支用户比上游更早撞上真实构建问题。
  • CANN 社区的 ops-tilelang：10-20 建仓，定位面向昇腾 NPU 的社区高性能算子仓，统一管理 kernel 实现、自动化用例、标准工作负载与性能基线，README 明确只支持 Ascend 950 及以上、要求 CANN 9.3.0 以上并用社区 weekly 版。已用七个算子串出 DeepSeek V4.1 Flash 的「Attention 输出加 FFN 前处理」片段，HIDDEN=5120、MHC=4，B 从 1 到 256 实测 SuperKernel 收益 1.17% 到 2.75%。它与官方 tilelang-ascend 的关系尚不明确，只作生态观察。
  • PTO-ISA 的双配套仓：题库仓把 PTO 的广播加载迁移到 PTOAS 0.70，此前一周在做量化缩放符号澄清与题面改写；基准仓加 SV2 分块缩放与逐列分析两笔提交，依据是库内绝对最大值指令的变体计数 31.39，附运行时指令吞吐与屋顶线分析，明确不是统一缓冲口径。
  • 分发版：Sunrise 的 0.1.15+sunrise.1.2.0 发布 PR 于周初合入（#9），是组织内第二例下游分发形态；主仓的 TIRx 迁移若落地，这类分发版需要跟着改依赖声明，是下周值得跟踪的连带影响。
  • RISC-V 方向的社区枢纽仓：TongmingLAIC/tilelang-riscv 于 10-23 建仓、10-26 推送，定位是 TileLang 在 RISC-V 上的社区枢纽，聚合编译器后端、AI 算子、开发工具与文档。目前仍是空骨架，未见可运行算子或后端落地。

来源：https://github.com/t-head/tilelang-for-sail、https://github.com/Atlas-Ascend-Fork/ops-tilelang、https://github.com/PTO-ISA/tilelang-puzzles-ascend、https://github.com/TongmingLAIC/tilelang-riscv

五、社区、教程与活动

  • 知识资产成为本周社区侧的新品类：tilelang-knowledge 于 10-29 建仓，当天四笔提交构成一套面向智能体的知识底座——仓库结构、33 个算子设计案例（每条带固定出处）、20 张带出处的编程知识卡、7 条有证据支撑的 GPU 优化模式。仓库自述用途是让智能体面对一个算子时能判断哪些经验适用、应当如何改代码、如何验证、失败后往哪里找。这与 TileFoundry 的算子契约、昇腾仓的剖析 skill 是同一类尝试。
  • 教程与练习方向持续投入：tilelang-puzzles-ascend 做 PTO 对 Ascend 的量化 kernel 教程；中文 TileLang 算子面试练习站 9 模块 18 题；图解课配套仓自述用原创场景加动画讲透每个知识点并随视频发布；分布式布局实验仓同日新建。
  • 文档与本地化：tilelang.github.io 全周随主仓合入自动同步（10-26 八笔、10-27 六笔、10-28 两笔），第三方本地化仓 tilelang-docs-l10n 常规更新，中文 RISC-V 社区枢纽仓完成首次内容提交，说明文档同步链路正常运转。
  • 讨论侧：TileScale 用户询问所用 TileLang 版本能否升级（#72）。该仓最后推送停在 08-25，文档与示例仍指向较早版本；这类提问通常出现在上游接口进入快速改名期之后——本周主仓在审的 TIRx 替换与 TileOPs 的 26 个算子类改名，都会放大下游跟版成本。
  • 新闻侧全周零实质命中：Google News 的中英文六组查询（覆盖精确词加两日、中文加昇腾、中文加算子、组织名加两日、英文加 GPU、中文加编译器加七日）在五个采集窗口里只返回一条临床人工智能的转载稿，与算子语言无关；Hacker News 的相关命中全部落在窗口之外，最近一条是 10-02 的昇腾编程栈转载讨论；arXiv 以 TileLang 检索无新论文。日报主体因此继续以仓库与生态仓为准。产业侧仅 10-26 有一篇昇腾与 DeepSeek 生态差距收窄的报道，属二次评述，不含新的技术数据。

六、趋势观察

发布工程从「卡在最后一格」走到「镜像化交付」。 周一那期日报还在写 TileOPs 首发「文档就绪、制品未上传」，PyPI 上最新仍是 2025-10-09 的 0.0.1.dev2；周二 07:45 制品上传、13:15 发布页挂出，周四发布镜像就把算子库、TileFoundry 与三段环境标识（cuda13.2、torch2.13、tilelang0.1.12）锁在一起。一周之内，这条线从「能不能发」变成「怎么组合交付」。对一个 200 余算子的库来说，可安装性比再优化一个百分点更能决定外部采用速度，本周的答案是把安装路径也做成制品。

缺陷类型高度集中在「编译通过、运行不报错、结果错」，且与硬件或上下文强相关。 输出在错误的流上分配（只在非默认流且有排队工作时损坏）、T.ws(-1) 在零个线程上运行、切片填充按长度而非末端校验、负索引回绕后仍为负、address_of 被当成读——五条都在编译期无警告、运行期无异常。这类缺陷的代价远高于编译错误，因为它们污染的是「测试全过」这个前提本身；周三浮出的六个假定冷编译的测试与周四的 without_kernel_cache 语义漏洞，恰好说明测试基础设施也在同一片风险区。本周的应对是把边界校验前移到编译期，方向正确，但#3704、#3705、#3707 三条新开缺陷说明这条边界还远未画完。

昇腾从「搬后端」转到「补算子」，并第一次给出可复算的验收口径。 周三是 NPUIR 并入主干（504 项自测、71/72 示例），周四到周五的五笔合入里四笔是算子与示例，且都按上游模型的需求排列：GLM-5.3 的 indexer 压缩、分块门控注意力的内积、四比特量化矩阵乘、量化视觉模型的深度卷积。共同点是把量化与融合写进 kernel 本体（E4M3 纯整数编码、四比特打包约定、双 kernel 加 1 乘 1 快路径），而不是留给宿主侧补救；同时把剖析 skill 与清单化测试通道立成流程。主要矛盾正从「能不能编出来」变成「算子的数值与性能能不能被稳定验收」，而 a2a3 调度器迁移的 100 文件预告了下一阶段的变动在调度层。

执行路径做减法，后端清单做加法。 主仓这一周把全 warp 归约收进 redux.sync、把 autotuner 的编译锁拆细、把 GM 到 L1 的拷贝与填充并成一个任务、把 buffer 视图的布局从共享变量收回到单视图；与此同时后端清单继续扩张——ROCm 补 pip 版 SDK 与 FP4、Hexagon 单日 15 笔、PPU 出现零改动包装器、Intel AMX 在 TileFoundry 里变成 39 个静态契约。两条方向并不矛盾：上游收敛执行路径，下游各自打包分发，这与 TIRx 把 TVM 变成外部依赖是同一条思路。

「fork 化」是本周最硬的采用信号，也带来最实的同步成本。 T-HEAD 把 TileLang 当自有硬件栈底座做 PPU 分支、CANN 社区自建算子仓、PTO-ISA 把题库与基准都做成配套仓、RISC-V 出现社区枢纽仓——这些都不在 tile-ai 组织里，却都依赖语言层的稳定性，这正是 0.1.0 冻结公开 API 并做成 CI 门禁的意义。代价同样清楚：周五第 #3705 号缺陷由分支用户的真实构建先撞上，上游才补修；分支越多，这类「下游先发现、上游后修复」的路径就越长，主仓需要开始回答分支与上游如何同步的长期问题。

口径问题开始被当作产品问题处理。 TileOPs 周四把「单次调用领先、背靠背落后」单独立项（#2791），周五的 GEMM 改动按功耗封顶重算栅格分组并把 DRAM 读从 168 MB 降到 94 MB（#2794）；选择器也从贴 manifest 拟合改为按忙时校准。相比「某行快了多少微秒」，这类改动承认了训练与推理的真实调用形态与基准不同，并把差异写进调度策略。对一门要给大模型写内核的语言，这比再堆算子数量更能决定它是否被长期采用。

附录：素材与核查说明

信源核查表

信源 核查结果
GitHub tile-ai 组织逐仓（tilelang / TileOPs / TileFoundry / tilelang-ascend / tilelang-mlir-ascend / tilelang-hygon / tilelang-metax / tilelang-musa / TileRT / tilescale / DeepStack / 文档站 / 夜间镜像仓） 窗口内有推送：tilelang、TileOPs、TileFoundry、tilelang-ascend、tilelang-mlir-ascend、tilelang-hygon、tilelang.github.io、TileOPs.github.io、TileOPs-nightly；tilelang-metax、tilelang-musa、TileRT、tilescale、DeepStack、tilelang-puzzles 无窗口内主分支提交
合入真值检索（is:pr is:merged） 周一 72 小时窗口 78 笔；周二至周五四个 24 小时窗口合计 86 笔（tilelang 47、TileOPs 26、tilelang-ascend 5、TileFoundry 4、tilelang-hygon 3、tilelang-mlir-ascend 1），单日依次 30、20、24、12 笔
在审真值检索（is:pr is:open updated） 五个窗口分别为 76、49、45、48、54 笔，含 TIRx 重构、a2a3 调度器迁移、昇腾文档核查批次与 TileOPs 的 GEMM 调度改动
新增 issue 核对 五个窗口分别为 19、11、7、6、4 条，其中每日包含昇腾仓测试机器人的失败通知
主分支提交级核查 各窗口合入数与主分支提交数一致；tilelang 单日 10、14、13、15、5 笔
发布页与标签 tilelang 最新仍为 v0.1.15（09-30 发布），全周无新版本；TileOPs 最新为 v0.1.0（10-27）；TileFoundry 最新为 0.0.4rc1（10-25）；tilelang-ascend 最新为 v0.1.2.000（09-09）；tilelang-metax 为 v0.1.15（10-16）
第三方与生态仓 昇腾社区算子仓、PTO-ISA 双仓、开发工具仓、知识仓、图解课仓、分布式布局仓、DCU 融合算子仓、模型移植仓、Hexagon 后端仓、T-HEAD 分支仓、RISC-V 社区枢纽仓均有窗口内推送；Hexagon 主分支无新提交，仅仓库推送时间更新
采用方 TileKernels 与 FlashQLA 主分支停在 10-14，窗口内无推送
Google News（中英六组） 仅一条中文加昇腾的临床人工智能转载稿与一条产业侧评述，均不含新的技术数据，不收录为条目
Hacker News 近四日相关命中全部落在窗口之外
arXiv 以 TileLang 检索无新论文

主要引用

说明：本报告事实、版本号与日期均取自周期内五期日报原文及其对应的一手来源，未作推测性补充；周一那期日报的采集窗口为 72 小时（覆盖上周末），其合入数含 10-23 一天，与上一期周报存在重叠，故本报告未将其与后四期相加。周期内五个工作日日报齐全，无缺失。