調研視窗：2026-11-05 06:00 ~ 2026-11-06 06:00（北京時間，24 小時；接續上一期日報截點）。

信源：GitHub（org: flagos-ai 61 倉庫全量核查、123 筆視窗內提交、94 筆合併 PR、255 筆視窗內更新在審 PR（其中 87 筆新開）、21 倉推送、31 倉 Release 與 8 倉 Tag 原子核查）、Google News RSS（24 組中英文查詢詞，走代理）、HN Algolia（8 組）、CSDN FlagOS 專欄（逐篇核時）、智源社群（詳見附錄信源清單）。

本期索引

  • 今日重點：寒武紀在 Torch-FL 打通融合注意力前向與反向，Qwen3 訓練步的 CPU 回退從 190 次清零；社群一日送出 7 份 FEP（0163–0170）；燧原 25 筆 GCU300 改寫單一次性清賬，FlagGems 七個後端鍵改版本化命名（11-05）
  • 一、開源專案進展（GitHub 動態）
    • 1.1 組織節奏：21 倉推送、123 筆提交、94 筆合入，在審 255 筆（11-05）
    • 1.2 社群治理：一小時內 7 份 FEP 進評審，FlagMega v0.1 與 TLE Raw 五後端入冊（11-05）
    • 1.3 版本面：2.3.0 記上 nvidia-cuda13.3，cuda12.8 凍結、torch 升到 2.13（11-05）
    • 1.4 FlagGems：33 筆合入裡 25 筆歸燧原，七個後端鍵改版本化命名（11-05）
    • 1.5 FlagTree：海光打通 TLE-Raw，ptxas 資源用量進編譯器後設資料（11-05）
    • 1.6 Torch-FL：寒武紀融合注意力前反向補齊，訓練步零 CPU 回退（11-05）
    • 1.7 FlagQuantum：27 筆提交重排 CI 容量，容錯編譯器大分支進入整合（11-05）
    • 1.8 視覺與訓練側：FlagCV 對齊 SGLang 評測契約，FlagTrain 接 KMCompiler 運算元（11-05）
    • 1.9 配套基建：docs 模型清單機器人開單，optest 與 OpenCourse 小步推進（11-05）
  • 二、新聞報道與生態
    • 2.1 FlagOS 2.2 產業案例：中國電信 mHC 訓練損耗從 25% 壓到 12%（11-05）
    • 2.2 端側專場：ARM CPU 跑大模型提速 21%–25%，多芯適配覆蓋 35 款晶片（11-05）
    • 2.3 渠道核查：元件級零命中，燧原標題經核為上市回顧稿（11-05）
  • 三、成員單位與後端廠商深挖
    • 3.1 寒武紀：CNNL 融合注意力前向與反向，190 次回退清零（11-05）
    • 3.2 燧原：GCU300 一夜清賬 25 筆，NVIDIA 外部符號逐條換成本地實現（11-05）
    • 3.3 海光：HCU 的 TLE-Raw 與 BF16 專家 GEMM 兩條線並進（11-05）
    • 3.4 昇騰：Flash Attention 修 UB 溢位，補 varlen 前向與 D=256（11-05）
    • 3.5 摩爾執行緒、天數、沐曦、崑崙芯、清微與玄鐵：矩陣乘與佈局分批推進（11-05）
  • 四、總結與趨勢觀察

一、開源專案進展（GitHub 動態）

1.1 組織節奏：21 倉推送、123 筆提交、94 筆合入，在審 255 筆（11-05）

日期：2026-11-05　來源：flagos-ai 組織倉庫 · 提交檢索（視窗內） · 合併 PR 檢索（視窗內） · 在審 PR 檢索（視窗內）

  • 總量：61 個倉庫中 21 個在視窗內有推送；主分支新增提交 123 筆，分佈在 12 個倉庫；合併 PR 94 筆，來自 14 個倉庫、32 位作者。
  • 提交分佈：FlagGems 33、FlagQuantum 27、Torch-FL 12、build-infra 12 四倉合計 84 筆，佔 68.3%；其後為 FlagGems-sglang 8、FlagCV 8、FlagTrain 7。
  • 合入分佈：FlagGems 33、build-infra 12、Torch-FL 12 居前三；FlagTrain 7、FlagGems-sglang 6、FlagQuantum 5、FlagTree 5、FlagGems-vllm 5、FlagCV 4。
  • 人身分佈：youseeyouonedayday 25 筆（全部是燧原 KernelGen 線）、lvyufeng 12 筆（Torch-FL）、lukatao 9 筆（FlagCV、FlagGems-sglang、FlagTrain）、tengqm 6 筆（build-infra）、FlagQuantum 機器人 5 筆、github-actions 5 筆。
  • 在審：255 筆視窗內有更新、其中 87 筆為新開；FlagGems 84、FlagTree 71 兩倉合計 155 筆，佔 60.8%。
  • 版本面：31 個倉庫的 Release 原子源與 8 個倉庫的 Tag 原子源在視窗內零新增，最近一次仍為 FlagCX v0.14.1（11-01）。
  • 對比上一期：提交 238→123、合入 167→94、推送倉庫 26→21。數量回落到常態區間，同日卻有 7 份 FEP 與一批版本工程動作落地，屬”收口日”而非”鋪量日”。

1.2 社群治理：一小時內 7 份 FEP 進評審，FlagMega v0.1 與 TLE Raw 五後端入冊（11-05）

日期：2026-11-05　來源：FEP-0163 · FEP-0164 · FEP-0165 · FEP-0166 · FEP-0167 · FEP-0168 · FEP-0170 · 2.3 釋出時間表

  • 動作：08:29 至 08:32（北京時間）四分鐘內開出六份、至 09:31 共七份 FEP，提交人均為 wbavon，每份單檔案、篇幅 104 至 207 行，狀態一律標註 Provisional Draft。
  • 清單：FEP-0163 FlagMega v0.1（模型編譯、vLLM 整合、多卡解碼）、FEP-0164 TLE 分散式融合與自動調優、FEP-0165 TLE Raw 覆蓋五個加速器後端、FEP-0166 FLIR 面向昇騰與 GPGPU 的最佳化、FEP-0167 二十個運算元—裝置對的編譯器最佳化、FEP-0168 FlagTree 多平臺支援與 Triton API 相容、FEP-0170 FlagPrism v0.2 多後端除錯與剖析。
  • 最實的一份：FEP-0163 給出五專案標與驗收證據的對映——Qwen3.8 / GLM5.3 Flash 的 model-to-MegaKernel 編譯、BS=1 解碼、vLLM 整合、NVIDIA / AMD / 天數 CoreX 5.0 三方支援，四卡 H800 上 GLM5.3 Flash 解碼吞吐高於 vLLM 5% 以上；同時明確 CoreX 5.0、釋出矩陣與 GLM checkpoint 復現仍待完成。
  • 共同點：七份正文都寫明”未跑 GPU 或模型驗收”，把”範圍宣告”與”完成宣告”分開。這是把多後端能力矩陣寫成可驗收條目的做法，而不是發版清單。
  • 時間關係：按 2.3 時間表，FEP 合入截止為 11-13，rc0 為 11-30。這批單出現在截止前八天，正好落在”補範圍”的視窗裡。
  • 同批分支：community 倉另有四條 codex/fep23-* 分支在視窗內推送，說明 FEP 起草與分支準備是同一條流水線。

1.3 版本面：2.3.0 記上 nvidia-cuda13.3，cuda12.8 凍結、torch 升到 2.13（11-05）

日期：2026-11-05　來源：build-infra #1649 · build-infra #1652 · build-infra #1653 · build-infra #1654 · build-infra #1655 · build-infra #1647 · build-infra #1650

  • 版本記錄：#1649 在 base 文件裡記上 2.3.0 並重新整理映象描述；#1653 補 runtime 側的 2.3.0 changelog 日期，物件是 nvidia-cuda13.3。這是 cuda13.3 這條線首次進入 2.3.0 覆蓋。
  • 升級內容：#1652 把 cuda13.3 跟到 torch 2.13——torch 2.13.0+cu130、torchvision 0.28.0+cu130、triton 3.7.1；torchaudio 保持 2.11.0+cu130，FlagTree 保持 0.7.0（兩者與 torch 版本解耦）。
  • 凍結方式：torch 2.13 不再發布 cu128 wheel（該軌道止於 2.11.0），cuda12.8 因此無法跟隨。做法是給 configs.yaml 加 enabled: 欄位並置 false——凍結而非刪除：規格、映象、文件都留著，映象停在最後一次構建的扁平標籤上。
  • 可審計性：指令碼 backend_enabled.py 成為唯一解析器，generate_matrix.py、兩份狀態報告、flagcx 與 vllm-plugin 的登錄檔共用它，使”凍結”進不了任何構建矩陣，也不會有消費者把凍結當成漂移。
  • 連帶修復：#1655 把 torch-2.13 引起的 flagcx 重建寫進 cuda13.3 的依賴鏈；#1654 為 flagtree 的 HCU 構建同時鋪兩套 LLVM 樹並補 libzstd-dev。
  • 釋出流水：#1647 與 #1650 兩次記錄 vllm wheel 釋出；#1346 撤掉共用的 upload-nexus 可複用工作流，上傳路徑收斂。

1.4 FlagGems：33 筆合入裡 25 筆歸燧原，七個後端鍵改版本化命名（11-05）

日期：2026-11-05　來源：FlagGems #8446 · FlagGems #8287 · FlagGems #8028 · FlagGems #8393 · FlagGems #7581 · FlagGems #7246 · FlagGems #6706

  • 合入結構：33 筆中 25 筆帶 KernelGen 與 Enflame 字首（見 3.2），3 筆崑崙芯、2 筆摩爾執行緒、1 筆昇騰、1 筆清微，餘為 CI 與通用修復。
  • 後端鍵版本化：#8446 改 12 個檔案、增 39 行減 38 行，把 backends.yaml 裡七個裸廠商名改成與 pyproject.toml 一致的版本鍵——hygon-dtk2604、iluvatar-corex450、kunlunxin-xre5371、spacemit-xxx、sunrise-tangrt120、thead-ppu210、tsingmicro-tsm260610。
  • 為什麼值得記：舊寫法下 uv pip install ".[tsingmicro]" 會靜默匹配不到任何 extra，torch 與 flagtree 都不裝，setup.sh 的 FlagTree 校驗直接拋 ModuleNotFoundError: No module named 'torch'。鍵名對齊後，晶片代號與軟體棧版本第一次寫在同一處，裝錯版本會失敗而不是靜默跳過。
  • 清微：#8287 把 tsingmicro 後端更到 1103，190 個檔案、增 23195 行減 914 行，是本視窗單筆最大的後端同步。
  • 崑崙芯：#8028 最佳化四個運算元入口到 dtype 等權 Gems Speedup 門檻之上，三次冷快取均值分別為 upsample_nearest2d 1.202、unique_consecutive 1.053、fake_quantize_per_tensor_affine 0.827、foreach_clamp_max_scalar 0.967；#8393 補 cholesky 求解助手等 XPU 覆蓋。
  • 在審：FlagGems 84 筆視窗內更新（其中 15 筆新開於首頁統計），仍是全組織最大的評審池。

1.5 FlagTree：海光打通 TLE-Raw，ptxas 資源用量進編譯器後設資料（11-05）

日期：2026-11-05　來源：FlagTree #1508 · FlagTree #1530 · FlagTree #1568 · FlagTree #1573 · FlagTree #1572 · FlagTree #1574 · FlagTree #1576

  • 合入：5 筆。#1508 給海光 HCU 補 tle.raw 路徑，53 個檔案、增 5106 行減 17 行；#1530 解析 ptxas 診斷中的暫存器、溢位、棧與共享記憶體用量；#1568 讓 CI 失敗時在飛書點名責任人；#1573 修 vllm 啟動指令碼的 stderr 重定向順序。
  • HCU 細節：#1508 同時支援 eager 與 deferred 兩種模式、HIP 與 MLIR 兩種原始碼（編譯為 LLVM IR 後嵌入 Triton IR），並接入 DUSHMEM 流式集合通訊；隨附 ring shift、allgather GEMM、GEMM allreduce 三個教程。示例中 sort 的 HIP 路徑相對 torch 為 1.29 倍。
  • 可觀測性：#1530 把資源用量寫進 TLE 編譯器後設資料，解析器與啟動、通訊行為隔離；倉庫側彙總驗證為 154 個 TLE MLIR 測試與 11 個新增 C++ 單測全透過，H800 上 57 個精確填充、迴圈流水與 scatter 用例全過。
  • 新開：3 筆。#1572 讓摩爾執行緒在 dot 轉換中保留顯式 blocked 佈局；#1574 給重排迴圈載入加展開邊界與前提前提距離；#1576 做燧原 TLE 的 SoC 級分發增強。
  • 在審：17 筆視窗內更新，集中在 TLE 顯式佈局、Iluvatar native 復現用例、FlagPrism / MetaX 與 PPU 的 set_layout。

1.6 Torch-FL：寒武紀融合注意力前反向補齊，訓練步零 CPU 回退（11-05）

日期：2026-11-05　來源：Torch-FL #748 · Torch-FL #749 · Torch-FL #757 · Torch-FL #754 · Torch-FL #745 · Torch-FL #756

  • 合入：12 筆，全部由 lvyufeng 提交，主線是寒武紀 MLU 的運算元收斂與 Iluvatar 的路徑放開。
  • 融合注意力：#748 把 cnnlFlashAttentionForward_v2 接到 SDPA 的複合覆蓋上，結束”分解成三個葉子運算元”的歷史——批 2、4 頭、序列 4096 時那張 B×H×S×S 評分矩陣約 256 MB，原先要寫進 HBM 再讀回。#749 用 cnnlFlashAttentionBackward_v2 補反向，並與前向一併包成 C++ autograd Function。
  • 回退清零：#757 先對一個完整 Qwen3 因果語言模型訓練步做普查，發現殘留 190 次 cpu_fallback 只來自兩個運算元——aten::mul.out 188 次、aten::embedding_dense_backward 2 次；兩者改為經 CNNL 在 MLU 上執行後，同一步驟報告零運算元回退。註冊仍由程式碼生成器產出，配置與註冊檔案不會各說各話。
  • 同側修復：#754 讓寒武紀的 mul 運算元留在裝置上並共用執行時佇列；#750 與 #755 修 argmax 在含 NaN 切片上返回軸長度、以及圖回答自身無匹配標記的缺陷。
  • 天數側：#745 把 Iluvatar 的運算元上限放開，使 mul.Tensor 能落到 FlagGems；#746 記錄 mean 的差距來自空歸約路徑。
  • CI：#756 把崑崙芯 3.2 GB 的 FlagTree wheel 擋在 pip 快取之外；#760 限定只有 push 觸發才寫快取。
  • 在審：6 筆視窗內更新，含 #752 為缺乏集合通訊的內層後端合成合併式 all-gather / reduce-scatter、#753 與 #762 用 ixblas axpy 承接 Iluvatar 的 add 家族、#759 的沐曦 DTensor 與 FSDP2 多卡驗證指令碼。

1.7 FlagQuantum：27 筆提交重排 CI 容量，容錯編譯器大分支進入整合（11-05）

日期：2026-11-05　來源：FlagQuantum #1089 · FlagQuantum #1093 · FlagQuantum #1094 · FlagQuantum #1084 · FlagQuantum #1087 · FlagQuantum #1092

  • 合入：5 筆，其中三筆是 CI：#1089 把 CPU 容量與託管佇列、SDK 下載解耦；#1093 預置鎖定核心環境並釋放託管容量；#1094 用已分配的 CPU 容量配合完整覆蓋分割槽。另兩筆為按職責重組編譯器模組與容錯測試 W1-B。
  • 27 筆提交的主線：全部圍繞 CI 質量門——限定映象快取資格後再遷移核心套件、被取代的執行不跳過失敗門、必需合併門上拒絕被取消的依賴、把實時 Qiskit 依賴發現留在託管 runner、隔離 SDK 佇列、對工件上傳做有界重試、把未計時的大測試模組攤到有界批次、在合格的離線 A800 環境上跑核心套件、為質量保留容量並平衡八個託管槽位、清理被取消作業的容器。
  • 容錯編譯分支：feat/ftqc-native-integration 在視窗內有約 20 筆提交，內容是把 QVR 的相位梯度、縮放加法、測量伴隨與 Hamming 權重相位逐段移植；主整合單 #1084 已開為草稿，276 個檔案、增 31011 行減 92 行，註明後續模組會以獨立提交補齊後再請求正式評審。
  • 糾錯工作：#1087 接入 Stim 與 PyMatching 的實驗工作流；#1092 支援矩陣定義的加權匹配；#1085 給有界 W2/W3/W6 准入加測試。
  • 判斷：這一天的 27 筆裡沒有一筆是量子演算法本身，全部是讓測試可信、讓 runner 可復現。對一個要跑容錯編譯的專案，這筆賬先付是合理的。

1.8 視覺與訓練側：FlagCV 對齊 SGLang 評測契約，FlagTrain 接 KMCompiler 運算元（11-05）

日期：2026-11-05　來源：FlagCV #4 · FlagCV #5 · FlagCV #6 · FlagCV #7 · FlagTrain #56 · FlagTrain #57 · FlagGems-vllm #1048 · FlagGems-sglang #294 · FlagSparse #117

  • FlagCV：8 筆提交、4 筆合入。這個 10-14 才建倉的倉庫定位是 Triton 寫的計算機視覺運算元庫，介面形狀對齊 OpenCV、基線對比 OpenCV CUDA。#5 加獨立 OpenCV CUDA add 參考介面卡，#6 把 add 的評測對齊 FlagGems-sglang 的 pytest 契約（正確性記錄帶候選實測呼叫、dummy 遍歷單列報告、參考校驗拒絕繞過候選的用例），#7 統一用 GEMS_VENDOR 選裝置。
  • FlagTrain：7 筆合入，KMCompiler 路線繼續鋪運算元。#56 加融合的 h_post bda 前後向，實測 nvidia 1.190 倍與 1.702 倍、PPU 6.714 倍與 3.568 倍、MC550 6.057 倍與 2.590 倍、天數 7.087 倍與 3.500 倍；#57 把 scaled_masked_softmax 同時接到昇騰、沐曦、摩爾執行緒與天數；#50 加 quick_geglu 的 Triton 核；#54 統一運算元命名與測試規範。
  • FlagGems-vllm：5 筆合入。#1048 在昇騰上用 TLE 實現 fused_indexer_weight_scale，兩段流水、4096 元素分塊、UB 分配與複製走 TLE，形狀取自 GLM-5.3-Flash 的真實呼叫；#1077、#1080、#1085 連修三處 XCS 標記；#1071 讓 setup.sh 裝上 FlagGems。
  • FlagGems-sglang：8 筆提交、6 筆合入。#294 把顯式裝置選擇統一到 GEMS_VENDOR，DNN_VENDOR 保留但發 FutureWarning 並讓位；#289 與 #290 修 AMD gfx1100 的殘差舍入與運算元寬度。
  • FlagSparse：#117 由 NCIC-AlphaSparse 上游合入，62 個檔案、增 4809 行減 280 行，主體是 MUSA 上 q4 與 40 的最佳化收尾。
  • vllm-plugin-FL：#698 把 0.4.0-dev 前向同步進 0.5.0-dev，0.5.0-dev 分支在 11-05 10:27 有推送；在審 20 筆。

1.9 配套基建：docs 模型清單機器人開單，optest 與 OpenCourse 小步推進（11-05）

日期：2026-11-05　來源：docs #575 · optest #39 · OpenCourse #7 · FlagCX #694 · FlagBLAS #159

  • docs：19:01 由機器人開出 ModelScope 文件更新單（#575），payload 是當日的模型清單同步；#542 的 aihuanxin 模型清單單仍在審。
  • optest：視窗內主分支無新提交（最近一筆停在 11-04 16:10 的 NV 基線指令碼），僅有 fix_workflow_1104 分支推送；#39 修映象問題在審。
  • OpenCourse：#7 合入 Harness Lab 材料更新，2 筆提交。
  • FlagCX：#694 給 DefaultBackend 加共享的 Net provider 派發；#692 的 PAL 在 AscendCL / DCMI 回退下啟用 PCI 拓撲仍在審。
  • FlagBLAS：21:24 推送 new_ascend_gemm 分支；#159 最佳化 Ascend cgemm 並對著存檔的 H100 基線打分，仍在審。
  • Trident：02:03 有推送但主分支無新提交，對應 #4 的 Monad 中間層單在 02:03 更新。

二、新聞報道與生態

2.1 FlagOS 2.2 產業案例：中國電信 mHC 訓練損耗從 25% 壓到 12%（11-05）

日期：2026-11-05　來源：CSDN FlagOS 專欄：不讓一塊算力卡閒置

  • 釋出：11:23:59 釋出，題為《不讓一塊算力卡閒置：產業夥伴基於 FlagOS，加速多元算力走進真實業務》。文中數字取自 2026 人工智慧開放計算大會暨眾智 FlagOS 技術大會。
  • 2.2 的一組數：九大運算元庫合計 1454 個運算元；FlagTree 單倉覆蓋 20 個廠商晶片後端；跨 10 款晶片、上千個運算元的整體效能提升 27.6%；新模型 Day0 適配 12 款晶片；社群成員 107 家；季度下載量 46 萬次，為上季度的 4.76 倍。
  • 中國電信：9 月 17 日開源的星辰 Xing4.0-29B-A4B（總引數 29B、啟用 4B）全流程在昇騰 910C 叢集完成訓練，釋出當天完成 10 款國產晶片的精度對齊與部署驗證。命門是多通道殘差運算元 mHC：N 卡官方實現自身約 10% 降速，昇騰初版掉 50%，團隊自研長期卡在 25%。與 FlagOS 團隊合作把 FlagGems 的專項最佳化運算元註冊進 MindSpore + CANN + 昇騰 NPU 訓練鏈路後，叢集降速從 25% 壓到 12%，該適配已開源合入 MindFormers。
  • 連鎖效果：Agent 場景平均 prompt 70K、最大 200K，基於 FlagOS 重寫 12 個長序列運算元後首 token 時延降 19.87%、解碼速度提升兩成以上；熱線語音前處理鏈路把 Spectrum 類運算元聚合重寫，在華為、摩爾、天數三款晶片上提速 10 倍。
  • 軟通動力：天元智算平臺按 token 結算，GLM-5.2 在四臺昇騰 910C 上單 token 生成 17.79 毫秒，而模型方公佈的 API 准入線是 16.13 毫秒。接入 FlagOS 後啟用 PD 分離（Prefill 與 Decode 各佔兩臺伺服器）並做雙側最佳化，把時延壓進准入線。
  • 其他夥伴：輝羲智慧、奕行智慧、澎峰科技同場分享。文章落點是”判斷國產 AI 基礎設施成熟度，不看支援多少款晶片，而看新模型釋出當天能不能只改配置就跑出可交付吞吐”。

2.2 端側專場：ARM CPU 跑大模型提速 21%–25%，多芯適配覆蓋 35 款晶片（11-05）

日期：2026-11-05　來源：CSDN FlagOS 專欄：從雲到端，AI 的最後一公里

  • 釋出：14:10:28 釋出，是面向端側 AI 的訪談與直播預告，嘉賓為北京智源人工智慧研究院效能最佳化工程師趙帥。
  • 四個看點：端側 AI 為何此刻能落地（模型變小、算力變強、軟體成熟）；端、邊、雲如何分工，插電與不插電裝置如何取捨；不靠 GPU 與 NPU，純 ARM CPU 把 MiniCPM、Qwen 跑出百級 token/s，實測口徑為 SME2 與 I8MM，效能提升 21%–25%；FlagOS 多芯適配”一次最佳化、多款裝置複用”，覆蓋 21 家晶片廠商、35 款晶片。
  • 口徑差別：這裡的 21 家 / 35 款是端側與裝置側的適配統計，與 2.2 大會公佈的 107 家社群成員、12 款 Day0 晶片不是同一維度，引用時不宜混用。
  • 判斷：把端側單獨拎出來講，意味著 FlagOS 的敘事從”訓練與推理的雲側多芯”擴到”裝置側多芯”。這與倉庫側 Torch-FL 早前補上 Apple Silicon MPS 路徑的方向一致。

2.3 渠道核查：元件級零命中，燧原標題經核為上市回顧稿（11-05）

日期：2026-11-05　來源：Google News RSS · HN Algolia · 智源社群

  • Google News：24 組中英文查詢在 24 小時視窗內共返回 8 條候選。七個元件名（FlagOS、FlagGems、FlagScale、FlagTree、FlagPerf、FlagCX、KernelGen）在中文查詢下全部零命中，英文側 BAAI FlagOS 與 flagos-ai 亦為零。
  • 成員詞命中：四條來自”智源研究院 開源 / 晶片”查詢，內容為智源社群轉載的論文解讀、活動報道與他人模型評測，與 FlagOS 無直接關係；一條”燧原科技”標題《燧原科技登陸A股 科創板補強DSA架構算力拼圖》，經核為燧原 9 月 11 日在科創板上市（688801）的回顧稿，不屬視窗內新事件，整批剔除。
  • HN Algolia：FlagOS 與 FlagGems 各返回 8 條與 3 條泛匹配，直接命中為零；BAAI 的 30 條同樣無 FlagOS 相關標題。
  • 智源社群：首頁與搜尋頁無視窗內 FlagOS 新帖；搜尋頁仍為客戶端渲染，抓不到條目列表，只能以首頁核查為準。
  • 結論：新聞側當日只有 CSDN 專欄兩篇新文可收，其餘渠道零增量。這與上一期”元件級零命中”的結論一致，屬常態。

三、成員單位與後端廠商深挖

3.1 寒武紀：CNNL 融合注意力前向與反向，190 次回退清零（11-05）

日期：2026-11-05　來源：Torch-FL #748 · Torch-FL #749 · Torch-FL #757 · Torch-FL #754

  • 根因：SDPA 在寒武紀後端被分解成三個葉子運算元，原因是 cambricon 被排除在複合覆蓋之外，於是每次注意力都要把 B×H×S×S 評分矩陣寫進 HBM 再讀回。#748 把 CNNL 的融合前向接回覆蓋，8 個檔案、增 315 行減 27 行。
  • 前向之後補反向：#749 用 CNNL 的融合反向補上梯度路徑，並與前向一起包成 C++ autograd Function，使一次訓練呼叫前後兩遍都走融合核。3 個檔案、增 342 行減 112 行。
  • 普查式收尾：#757 不看單運算元，而是先對一個完整 Qwen3 因果語言模型訓練步做回退普查，找到僅剩的兩個回退點——aten::mul.out 188 次與 aten::embedding_dense_backward 2 次，合計 190 次；兩者改為在 MLU 上經 CNNL 執行後，同一步驟報告零運算元 CPU 回退。
  • 工程細節：寒武紀程式碼生成器補進這兩個運算元，gen_vendor_confs.py 重新推導路由，使出廠配置與註冊檔案無法互相矛盾；#754 讓 mul 的運算元留在裝置上並共用執行時佇列，避免中間結果往返主機。
  • 作者與工具：這三筆的 PR 正文都帶 AI agent 資訊段，工具為 dsh（DeepSeek Harness）與另一款編碼代理，模型標註 deepseek-v4.1-flash 與 gpt-6.1-sol，人工評審統一為同一維護者。
  • 判斷：從”能跑”到”零回退”是訓練可用性的分界。190 次回退裡 188 次來自同一個運算元，說明這類收尾靠的是普查而不是猜。

3.2 燧原：GCU300 一夜清賬 25 筆，NVIDIA 外部符號逐條換成本地實現（11-05）

日期：2026-11-05　來源：FlagGems #8443 · FlagGems #8442 · FlagGems #8441 · FlagGems #8429 · FlagGems #8426 · FlagGems #8417 · FlagTree #1576

  • 規模：25 筆合入，全部帶 KernelGen 與 Enflame 字首，落款同一作者；上一期新開的 41 筆 GCU300 覆蓋單由此開始批次落地。
  • 改法一：拆外部符號。多條單的主題是”不帶 NVIDIA 的 __nv_* 外部符號也能跑”——__nv_nearbyintf、__nv_y0f / __nv_y1f、__nv_j0f、normcdfinv 等逐個換成本地實現，對應 choose_qparams_optimized、special_bessel_y0/y1、special_bessel_j0、special_ndtri 等運算元。
  • 改法二：換演算法路徑。special_chebyshev_polynomial_t 改用專用核；linalg_householder_product 用單遍反射掃；linalg_inv_ex 用單核 Gauss-Jordan；compute_linear_combination 把外積換成 tl.dot；mixed_dtypes_linear 重寫打包與分塊。
  • 改法三：拆掉不適配的編譯期特性。renorm_ 的自動調優會讓本後端編譯器直接中止，於是整段丟棄；fake_quantize 系列改用 magic-add 舍入，避開 extern 依賴；adaptive_avg_pool3d_backward、cholesky_inverse、linalg_tensorinv 的啟動引數改在主機側規劃。
  • 改法四：修啟動幾何。special_i1e、special_modified_bessel_k0 的 launch geometry 逐條修正，linalg_householder_product 的 batch-norm 功能核幾何也一併修。
  • 編譯器側：#1576 新開，做 TLE 在 SoC 級的分發增強，把運算元級改寫往編譯器能力上挪一步。
  • 判斷：這條線的方法是把”上游寫法”翻譯成”本後端支援的寫法”，逐條清賬。代價是 PR 數量大、單筆改動小；收益是覆蓋面可以在兩週內從幾十個運算元推到上千。

3.3 海光：HCU 的 TLE-Raw 與 BF16 專家 GEMM 兩條線並進（11-05）

日期：2026-11-05　來源：FlagTree #1508 · build-infra #1654 · TransformerEngine-FL #153 · FlagAttention #123 · FlagGems #8446

  • 編譯器側：#1508 讓 HCU 支援 tle.raw，53 個檔案、增 5106 行；同時支援 HIP 與 MLIR 兩種原始碼、eager 與 deferred 兩種模式，並接入 DUSHMEM 的流式集合通訊，隨附三個教程（ring shift、allgather GEMM、GEMM allreduce）。
  • 構建側：#1654 在 build-infra 裡為 flagtree 的 HCU 構建同時鋪兩套 LLVM 樹並補 libzstd-dev，說明 HCU 的 LLVM 版本還沒收斂到單一樹。
  • 訓練側：TransformerEngine-FL #153 新開，為 Qwen3.5-35B 增加可選的 BF16 專家 GEMM 路徑（opt-in，不改預設行為）。
  • 注意力側：FlagAttention #123 的 AttnRes 後端仍在審，屬海光注意力的新運算元方向。
  • 命名：FlagGems #8446 把海光的後端鍵定為 hygon-dtk2604，與 DTK 26.04 繫結；上一期記的 2.3.0 覆蓋裡還有 DTK 26.10 一條線。
  • 判斷：海光當天的兩個動作分屬不同層次——TLE-Raw 是把編譯器開啟給廠商手寫核，BF16 專家 GEMM 是把訓練效能往下壓。前者一次性投入大，後者直接對模型。

3.4 昇騰：Flash Attention 修 UB 溢位，補 varlen 前向與 D=256（11-05）

日期：2026-11-05　來源：FlagGems #7581 · FlagGems-vllm #1048 · FlagGems-vllm #1077 · FlagBLAS #159 · FlagCX #692 · FlagTree #1507

  • Flash Attention：#7581 修前向與反向的 UB 溢位和反向編譯問題，5 個檔案、增 1865 行減 286 行。做法是把前向與反向的分塊與緩衝都加界，dQ 與 dK/dV 分開編譯但保留 FP32 累加、尾部處理與 GQA 梯度歸約。
  • 補齊兩項能力：新增並註冊昇騰的 varlen 前向；針對 dense D=256，先按連續 [N, D] 順序載入 K 再轉置做 QK，放大前向 KV 分塊，並且只放大 dQ 的 query 分塊，dK/dV 仍守在緩衝上限內。
  • 邊界對齊：causal 的全掩碼與掩碼區按 KV 分塊邊界對齊，避免 BLOCK_N 大於 BLOCK_M 時分塊重疊。
  • 迴歸：補了 CPU 參考的正向迴歸，覆蓋 FP16 與 BF16、causal 與非 causal、帶填充的頭維、序列尾巴與 GQA。
  • 推理側：#1048 用 TLE 實現融合的 indexer 權重縮放運算元，兩段流水、4096 元素分塊、UB 分配走 TLE，保留 FP32 輸出；形狀取自 GLM-5.3-Flash。同日三筆 XCS 標記修復把 perf 輸入與標記對齊。
  • 其他：#159 最佳化 Ascend cgemm 並對著存檔的 H100 基線打分（在審）；#692 讓 PAL 在 AscendCL 與 DCMI 回退下啟用 PCI 拓撲（在審）；#1507 讓昇騰 3.5 編譯器匯出 triton_key（在審）。

3.5 摩爾執行緒、天數、沐曦、崑崙芯、清微與玄鐵：矩陣乘與佈局分批推進（11-05）

日期：2026-11-05　來源：FlagGems #7246 · FlagGems #6706 · FlagGems #8028 · FlagGems #8287 · Torch-FL #745 · FlagAttention #127 · FlagAttention #119

  • 摩爾執行緒：#7246 重寫 MP31 上的 mm，單檔案增 2472 行減 146 行——按 dtype、規模與 NN/NT 佈局在 GEMV、split-K、TME/SQMMA 流水與 persistent 路徑之間選路；FP32 走向量乘矩陣專用路徑、TF32x3 分塊 GEMM 與 split-K，FP16/BF16 走 TME 搬運加 SQMMA 計算的 warp specialization，並用 TMECachePolicy 配快取駐留提示。#6706 給 bmm 與 bmm.out 加形狀感知的 TLE/SQMMA 實現（9 個檔案、增 2369 行），需要配套 FlagTree 的分段 SPMC 流水 v2。#1572 在 FlagTree 側讓 dot 轉換保留顯式 blocked 佈局。
  • 天數：#745 放開 Iluvatar 的運算元上限，讓 mul.Tensor 能落到 FlagGems；#753 與 #762 在審，用 ixblas axpy 統一承接 add 家族；CI 側 FlagScale #1322 與 Megatron-LM-FL #213 都在補 Iluvatar 流水線。
  • 沐曦：#57 的 scaled_masked_softmax 覆蓋沐曦；FlagGems 側 #8414 的 layernorm、#6811 的 C550 矩陣乘與 #6807 的 addmm/router GEMM 仍在審；FlagTree #1496 給 FlagPrism 加最小 MetaX 整合、#1471 補 CommonIR set_layout 與佈局自動調優；FlagAttention #119 加 Parallax 的 prefill 與 decode。
  • 崑崙芯：#8028 四個運算元達到 0.8 以上的 Gems Speedup 門檻，#8393 補 cholesky 求解助手等 XPU 覆蓋；Torch-FL #756 把 3.2 GB 的 FlagTree wheel 擋在 pip 快取外。
  • 清微：#8287 把後端更到 1103，190 個檔案、增 23195 行減 914 行，是當日最大的單筆後端同步；後端鍵定為 tsingmicro-tsm260610。
  • 玄鐵：FlagAttention #127 新開，為 PPU-ZW810E 增加並最佳化 Wall Attention；FlagGems #8446 的後端鍵定為 thead-ppu210；#8489 新開，修並最佳化昇騰、摩爾執行緒與玄鐵三方的 convolution_backward。
  • 地平線：本視窗內無提交，其 BPU 線在上一期（11-04）剛完成鏈式執行與運算元庫修復，本期無新增。

四、總結與趨勢觀察

日期：2026-11-05 ~ 2026-11-06　來源：flagos-ai 組織 · 本期各條目的 PR 連結（見附錄）

  • 一句話：這一天的主軸是”收口”——燧原把 25 筆 GCU300 改寫單一次清完，寒武紀把融合注意力的前後向補齊並把訓練步回退清零，社群則把 7 份 FEP 送進評審，為 2.3 的 11-13 截止備料。
  • 觀察一：節奏回落，方向反而更清楚。提交 238→123、合入 167→94，但落到具體倉庫都是”補完最後一段”：Torch-FL 補反向、FlagGems 清賬、FlagTree 開啟廠商手寫核的口子。鋪量階段結束後的收口日，產出看起來少，但對可用性的推進更直接。
  • 觀察二：FEP 批次是 2.3 範圍的真實邊界。七份新 FEP 指向同一件事——把”多後端能力”寫成可驗收條目：FlagMega v0.1 的 MegaKernel 編譯、TLE Raw 的五後端、FlagPrism v0.2 的多後端除錯、FLIR 在昇騰與 GPGPU 上的最佳化。全為 Provisional Draft 且都註明未跑 GPU 驗收，說明這是範圍宣告而非完成宣告；真正的硬邊界是 11-13 的合入截止。
  • 觀察三：版本工程開始”可審計地退役”。cuda12.8 因為 torch 2.13 不再發 cu128 wheel 而被凍結，做法是加 enabled 欄位並置 false，保留規格與文件、讓唯一解析器把它擋在所有矩陣之外。凍結不是刪除，也不是放任——這套寫法值得複用到其他後端退役上。
  • 觀察四：CI 容量成了 FlagQuantum 的主要工作。27 筆提交裡沒有一筆是量子演算法，全部是把託管 runner 的容量、映象資格、覆蓋分割槽與取消語義理順。容錯編譯分支已有 276 個檔案、3.1 萬行的整合單，測試基礎設施跟不上就是空轉。
  • 觀察五：AI agent 是主力提交者，瓶頸在評審。94 筆合入裡 25 筆出自同一 agent 會話，PR 正文自帶工具、模型與人工評審欄位。評審側的在審池仍有 255 筆、87 筆新開，FlagGems 與 FlagTree 兩倉佔六成——寫已經不是瓶頸。
  • 待觀：七份 FEP 能否在 11-13 前收進；FlagGems 的在審池會不會隨燧原清賬一起下降；FlagQuantum 的容錯編譯整合單何時從草稿轉為正式評審；cuda13.3 這條線在 2.3.0 rc0（11-30）前是否還會再動 torch 版本。

附錄：信源核查表與完整信源清單

信源核查表

信源 核查結果
flagos-ai 組織倉庫（61 倉） 21 倉視窗內推送；主分支新增提交集中在 FlagGems、FlagQuantum、Torch-FL、build-infra 四倉
提交檢索（committer-date 視窗） 命中 123 筆，分 12 倉；FlagGems 33、FlagQuantum 27 兩倉佔 48.8%
合併 PR 檢索（merged 視窗） 命中 94 筆，來自 14 倉、32 位作者；FlagGems 33、build-infra 12、Torch-FL 12 居前三
在審 PR 檢索（updated 視窗） 命中 255 筆，其中新開 87 筆；FlagGems 84、FlagTree 71 兩倉佔 60.8%
Release / Tag 原子核查（31 倉 + 8 倉） 視窗內零新增；最近一次仍為 FlagCX v0.14.1（11-01）
Google News RSS（24 組中英文查詢） 元件名七組全部零命中；成員詞 8 條候選經核為社群轉載、活動稿與上市回顧稿，整批剔除
HN Algolia（8 組查詢） FlagOS 8 條、FlagGems 3 條泛匹配，直接命中為零
CSDN FlagOS 專欄 首頁 15 篇逐篇核時：2 篇新文落在視窗內（11-05 11:23 與 14:10），其餘為 8 月至 10 月舊文
智源社群 搜尋頁客戶端渲染不可抓；首頁視窗內無 FlagOS 相關新帖
2.3 釋出清單（community release/2.3） 目錄僅存釋出時間表；清單檔案按計劃 11-30 特性凍結時生成

完整信源清單

[22] FlagGems #8287（清微後端更到 1103） — https://github.com/flagos-ai/FlagGems/pull/8287

） — https://github.com/flagos-ai/Torch-FL/pull/748

** FlagGems-vllm #1071（setup.sh 裝 FlagGems） — https://github.com/flagos-ai/FlagGems-vllm/pull/1071