報告週期：2026 年 9 月 13 日（週日）至 9 月 20 日（週日），共 7 個自然日，對應 ISO 第 38 周 素材來源：本刊每日 TileLang 動態日報 4 期（09-17、09-18、09-19、09-20）；09-14 至 09-16 尚無日報（本刊自 09-17 起試刊），該段由 GitHub 組織級視窗核查（tile-ai 組織 28 個倉庫，168 小時）與倉庫提交後設資料補齊，詳見附錄

一、本週要聞

  1. 主倉開出 CUDA Tile IR 執行後端，一筆提交 134 個檔案、新增約 3.6 萬行（09-18）：新後端把 TileLang 程式下沉到 NVIDIA 的 CUDA Tile IR，經 cuTile 執行時裝載，與現行「生成 CUDA 原始碼交 nvcc」的路徑並行；改動同時覆蓋 JIT、快取、自動調優、兩篇文件與一條專用 CI 作業，屬路線級變化而非實驗分支；視窗末該 PR 轉入草稿狀態，尚未合入（tilelang #3247）。
  2. 分塊量化 GEMM 升為語言層運算元，「靜默降級」路徑被移除（09-17）：主倉新增 T.gemm_blockscaled 與專用後端選擇器，縮放因子成為運算元的一等輸入；不具備該能力的後端由「按稠密 GEMM 靜默執行、縮放因子被丟棄」改為編譯失敗。文件站隨後補上完整簽名、行為約定與三條指令級顯式變體（#3237、文件提交）。
  3. ROCm 側 GLM-5.3 稀疏注意力 k 池在 24 小時內成鏈（09-19 ~ 09-20）：同一作者連開四筆堆疊 PR，覆蓋 k 池壓縮與快取寫入之後的解碼尾部維護、分頁 logits、Top-K 變換與融合選擇，合計約 9.8 千行、40 個檔案，直接繫結已釋出模型的配置契約（2048 token 預算、512 池）；連同 KDA 解碼示例與 DeepSeek V3.2 的 FP8 稀疏 MLA 示例，AMD 通路正按「新模型原生運算元到位」組織推進（#3251、#3253、#3254、#3255）。
  4. TileOPs 效能三連：批矩陣乘換共享模板、FP8 轉置核心補短板、MoE 小路由對標 vLLM 領先（09-17 ~ 09-19）：H200 上批矩陣乘改用共享 GEMM 模板後最高提速 1.44 倍、對官方庫不落後；FP8 批矩陣乘的轉置短板以合併訪存核心補齊，五個用例提速 2.30 至 4.66 倍；MoE 索引小路由路徑在 GLM-4.5 4096 token 檔領先 vLLM 25.85%、DeepSeek-V3 檔 16.03%（#2148、#2153、#2141）。
  5. 主倉完成一輪「靜默錯誤前移」治理（09-16 ~ 09-20）：原子向量寬度改由目的地址規劃後，嵌入反向等核心提速 1.4 至 2.5 倍；原子加在非連續目的地址上退回標量，修掉一類靜默寫錯與未對齊崩潰；隨機數三處靜默缺陷拆分為獨立 PR；不支援的 GEMM 型別組合在程式碼生成前被攔截（#3238、#3219、#3242、#3245）。
  6. 昇騰保持全周高頻並以「每日迴歸全綠」收官（09-15 ~ 09-20）：NSA 前向與其變長版本同日入庫（910B3 上 19.62 與 20.34 微秒），動態量化、RMSNorm 融合與 RoPE 補齊運算元面；每日迴歸用例數 1919 → 1925 → 1936 → 1936 連續四日失敗為零，並開出多裝置測試分片；視窗末又補入 mhc_pre 示例與一批運算元文件細化（#1699、#1700、迴歸報告 #1814）。
  7. **後端格局出現「發行版

」形態：Sunrise S2/TANG 進入 0.1.14 候選（09-18）**：tile-ai 組織下面向國產 GPGPU Sunrise S2 的後端發行版倉庫被發現，獨立建倉、獨立版本號（0.1.14+sunrise.1.1.0）與獨立 CI，與昇騰適配倉、海光特性分支、摩爾執行緒回移植分支共同構成四類適配組織形態（tilelang-sunrise）。

  1. 採用方結束靜默：FlashQLA 同日三筆合入（09-18）：通義千問側基於 TileLang 的門控線性注意力實現一次收口三筆——SM120/SM121 反向融合核心、SM100 KKT 解算佔用率、變長尾塊非同步流水；工程重心從新架構適配轉向佔用率與邊界正確性（#34）。

二、核心專案進展

版本與釋出

  • 主倉最新標籤仍為 v0.1.14（09-02 釋出），視窗內無新標籤，至週期末已 18 天未發版；合入節奏收斂而評審佇列持續累積，為本週期最明顯的節奏特徵。
  • 適配倉標籤視窗內均未更新：昇騰 TileLang-ascend v0.1.2.000-release（09-09）、摩爾執行緒 v0.1.14+musa.1（09-11）、Sunrise 候選分支 0.1.14+sunrise.1.1.0；TileOPs 至今無釋出記錄，其對外狀態由文件站與夜間快照承擔。

語言層：運算元語義與 API

  • 分塊量化 GEMM（#3237，09-17 合入）：新增 GemmBlockScaledNode 與語言側 T.gemm_blockscaled，分派走 cuda.tcgen05.blockscaled（SM100 線）與 cuda.mma.blockscaled（SM120 線）兩條實現；修正 SM100 單 CTA 可能命中 SM120 指令路徑、以及不支援後端靜默按稠密 GEMM 執行兩處會靜默出錯的問題（PR）。
  • 複製寬度鉗制（#3246，09-18 新開）：T.copy 與 T.async_copy 的合併寬度上限改為鉗制到實際可達的向量寬度，取代此前的致命日誌——「能力約束」降級繼續、「使用者語義錯誤」仍然失敗，失敗與降級的判據被寫清。
  • 256 位全域性訪存限定 SM100 及更新架構（#3248，09-19 合入）：僅在 SM100 及更新架構且 CUDA 12.9 以上發出 256 位 load/store，舊架構退回 128 位通路，並補 pre-SM100 負向測試。
  • 原子加在非連續目的地址上保持標量（#3219，09-16 合入）：新增 CanVectorizeAtomicTarget 前置判定，覆蓋 address_of、tl.access_ptr、tvm_access_ptr 三種目的地址形態；修復「所有車道寫同一格」被編譯成寬原子加的靜默寫壞與奇數基址未對齊崩潰。
  • 隨機數三缺陷拆分修復（#3242 / #3243 / #3244，09-17 新開，未合入）：預設隨機序列只按 x 維推導導致二維執行緒塊取數重複、繫結 void 結果、缺初始化不報錯——三處均屬「型別上能編譯、語義上出錯」的靜默問題。

模型運算元與示例

  • GLM-5.3 稀疏注意力 k 池鏈路（#3250 ~ #3255，09-19 ~ 09-20，未合入）：四筆堆疊 PR 合計約 9.8 千行、40 個檔案，覆蓋 k 池壓縮與快取寫入、解碼尾部維護、分頁 logits、Top-K 變換、融合選擇五個環節；驗證以 exact-head CI 為準（ROCm 7.2 / gfx942，#3251 報 2423 項透過、#3255 報 2435 項透過）。
  • KDA 解碼示例（#3249，09-19 新開）：帶安全門控的門控線性注意力解碼態示例，含輸出與狀態一致性、多步、空狀態索引、亂序槽位等正確性覆蓋。
  • DeepSeek V3.2 FP8 稀疏 MLA 前向示例（#3224，09-16 合入）：面向 Hopper 的模型覆蓋類貢獻，屬視窗前半段（日報創辦前）的合入。

編譯器與後端通路

  • 符號化迴圈佈局單射性證明恢復（#3233，09-18 合入）：修復 v0.1.12 至主線之間的迴歸——T.Parallel 迭代空間為靜態與動態混合（如 (16, n)）時，帶填充尾部的佈局單射但非雙射，主線此前直接報「找不到可用佈局」；修復從待檢迭代對映構造逆對映並在定義域上證明往返相等（關聯缺陷單 #2906）。
  • CUDA Tile IR 執行後端（#3247，09-18 新開、後轉草稿）：目標工具鏈為 CUDA Tile IR 13.4 繫結、tileiras 13.4、cuTile 1.5；帶型別 IR、下沉與 pass 核心位於 tilelang/tileir，並接入 JIT、快取與自動調優；配套新增 pass 配置項，用於啟動物化前（含從快取恢復的路徑）仍執行源語言語義檢查。
  • ROCm CI 接入可移植示例校驗（#3165，09-19 合入）：白名單覆蓋 Seer 注意力、通用 Top-K、稀疏 MLA 前向、張量分組矩陣乘四類，示例本身成為迴歸資產——AMD 通路進入收斂期的旁證。
  • Metal 線補強：32 位整數原子加支援（#3211，09-19 合入，含競爭直方圖驗證）、GEMM 緩衝區域偏移修復（#3209，09-14 合入）；「執行時可變的 GEMM 行數」（#3215）評審九天後關閉未合入（09-20）。
  • 其他修復：布林位取反程式碼生成修復（#3228，09-16）、約束集合並時恢復先繫結後使用順序（#3221，09-14）、CPU 測試引入 CPU dialect（#3236，09-16）。

執行時、工具鏈與測試

  • JIT 補 uint64 引數型別對映（#3229，09-17 合入），Cython 與 NVRTC 兩條宿主包裝器對齊。
  • 執行時庫載入修復（#3227，09-15 合入）：符號連結安裝形態下的庫載入問題。
  • 分析器拆分計時助手並加入掛鐘基準（#3234，09-16 合入）。
  • 測試資產提質（#3252，09-20 合入，+20/-509）：刪除 CPU 與 LLVM 兩側重複的程式碼生成冒煙測試與獨立快數學測試模組；修復「拿快數學輸出與自身比較」的假斷言，為 exp10、log2、log10、cos、sin、tan 補上真參考實現。

效能

  • 原子向量寬度按目的地址規劃（#3238，09-16 合入）：動態形狀此前引入 int64 車道偏移時整個迴圈被標量化；修復後嵌入反向 N=8192/H=4096/V=129280 從 97.90 微秒降至 56.01 微秒、N=196608/H=256/V=3000000 從 146.87 降至 82.70 微秒、序列輔助計數與求和從 18.40 降至 12.17 微秒，迴歸基準 example_gqa_bwd_tma_reduce_varlen 約 27% 相對提升。受影響的嵌入反向與變長注意力反向是大詞表推理的常駐核心。
  • 運算元庫側效能（BMM / FP8 / MoE）見第四節。

評審佇列觀察

  • ROCm 模型運算元以堆疊鏈推進（#3249 ~ #3255），自述「包含前序提交直至各自合入」，需連環評審，任何一筆卡住即拖住整條鏈。
  • 隨機數三缺陷（#3242 / #3243 / #3244）與 GEMM 型別組合攔截（#3245）視窗內持續更新、尚未合入；Tile IR 後端（#3247）轉草稿靜止。
  • 合入與佇列的落差：主倉預設分支視窗內 16 筆提交，後段以補齊與收口為主，實質增量集中在評審佇列。

三、多後端適配

昇騰（Ascend）

  • 運算元面：NSA 前向（#1699）與變長版本（#1700）同日入庫——黃金配置 19.62 微秒、27 例分層測試全過，變長版本在 910B3 上 20.34 微秒、21 例全過；動態量化（#1688，精度全過、平均加速比 0.78 倍，效能仍落後廠商基線）、RMSNorm 動態量化融合（#1673）、RoPE（#1580）、CrossEntropy 廣播最佳化與 FP32 專用路徑（09-15）、causal_conv1d_decode 解碼拆分 AIV 對（09-15）。
  • 質量與迴歸：每日迴歸用例數 1919 → 1925 → 1936 → 1936 連續全透過；對比運算元文件補 dtype 覆蓋（#1602）、基準指令碼緩衝令牌生命週期修復（#1779）；多裝置測試分片 CI（#1812）新開。
  • 視窗末（09-20 下午）：新增 mhc_pre 示例（#1621）；一批 T.tile 運算元文件細化（sort / topk / transpose / max / min / add / sub / mul / div / select）；行切片 GM 到 UB 複製 stride 修復；block_sparse_mqa_attn 非同步讀寫超時修復。
  • 判讀：昇騰是唯一保持「每日可見」工程節奏的後端，且進入「能力鋪開後轉向質量與可維護性」的階段。

沐曦（MetaX）

  • MACA 非同步複製 GEMM（#156）與測試修復（#157）於 09-17 合入後轉入版本與測試維護，視窗後半段無新提交，四家中幅度最小。

海光（Hygon）

  • 多級儲存（MLS）地址重基與非同步流水接管正式合入主分支（#10，19 個檔案、+540/-31），並回移植到 v0.1.12 版本分支（另帶入三維切片作用域佈局修復）；開發分支另有流水管理收尾提交。後端程式碼改動幅度四家中最重。

摩爾執行緒（MUSA）

  • 視窗內推送落在 v0.1.12+musa.1 回移植分支（MUSA 5.3.0 文件），主分支自 09-11 起靜止，尚未跟進更晚的版本線。

其他（Sunrise / tilelang-mlir-ascend）

  • Sunrise（S2 / TANG）：後端發行版倉庫視窗內推送，候選分支版本 0.1.14+sunrise.1.1.0；S2 為面向大模型推理的國產 GPGPU，示例面與主倉同構（矩陣乘、FlashAttention、稀疏注意力等）。
  • tilelang-mlir-ascend：視窗內 7 筆提交——CI 切昇騰 A3 裝置 runner（#176）、自適應 LayerNorm 核心（#183）、基準修復（#184）、TileOPs 多頭注意力運算元接入（#185）、運算元報告與最佳化 Mamba 運算元、逐 agent 模型選擇（#187 / #188，09-20）。

四、生態與採用方

TileOPs（運算元庫）

  • 規模：視窗內 23 筆合入；夜間流水線三個快照連續線上，基準 1040 項與正確性 1118 項自 09-18 起連續零失敗。
  • 效能：BMM 共享模板最高 1.44 倍（對 torch-cublas 全部不落後）；FP8 BMM 轉置核心 2.30 至 4.66 倍（MoE 預填充 0.8741 到 0.1874 毫秒）；MoE 索引小路由領先 vLLM（GLM-4.5 25.85%、DeepSeek-V3 16.03%、Kimi K2 8.65%）；另見視窗前段的 FP8 密集解碼（#2132）、GQA 解碼並行度（#2136）、W4A16 去量化跨通道共享（#2139）與 GemmTemplate 擴充套件至稠密 coop1/coop2（#2126）等合入。
  • 契約與結構：清單支援複合運算元、資源與可空輸出（#2147）；分派與調優解耦（#2152）；GEMM 核心按服務區域重新命名、GEMV 兩帶合併（#2156，kernel_map 舊鍵由靜默兜底改為構造期報錯）；分頁 KV 助手移出分組查詢注意力模組（#2150）；SM90 形狀補齊（#2151）；稀疏 MLA 聚集越界收口（#2149）；統一 Gated DeltaNet 運算元（#2135）與稠密 GDN 預填充遷移（#2144）。
  • 度量治理：路由專家計價公式修復——夜間報出的 8 行頻寬異常（讀數最高 132.4 TB/s，約為 H200 物理上限的 27 倍）源自「按全部專家計費」（#2155）；位元組審計改為只看讀側（#1996）；效能歷史視窗遷至快照分支（#2154）。三筆同日落地，先讓判定可信、再談快慢。
  • 新開：分組 GEMM 尾塊分塊並允許呼叫方宣告填充行佈局（#2157），正面追趕 CUTLASS 分組核心（此前差 6.4%）。

採用方與相關倉庫

  • FlashQLA（通義千問）：三筆合入（SM120/SM121 反向融合核心、SM100 KKT 解算佔用率、變長尾塊非同步流水），隨後視窗內無推送；此前數日靜默，屬脈衝式評審節奏。
  • TileKernels（深度求索）：視窗內無推送（最近 04-23）；媒體側關於 DeepSeek 工程師評估 AI 寫核心的報道（09-16/17）以 TileKernels 為背景（純用 TileLang 寫成的核心庫，覆蓋門控、混合專家路由、量化、轉置與兩類連線運算元）。
  • TileRT：連續七週靜止（最近 08-13），為當前清單中安靜時間最長者。
  • TileFoundry / DeepStack：分別有兩筆（解析器與程式碼整理，09-14/15）與一筆（修復與示例，09-15）提交。

五、社群、教程與活動

  • 文件站：主倉文件站機器人再生成（387 個檔案，09-17），分塊量化 GEMM 的完整簽名、行為約定與三條指令級顯式變體進入公開 API 頁面；TileOPs 文件站兩次站點部署（內容未變），並已跟隨統一分派與編譯邊界更新（中英兩套文件）。
  • 社群工具：第三方 TileSight 效能分析文件倉公開（09-17/18），把 TileLang 效能分析接到 TileSight 的快取與流水分析介面，效能問題分六類並要求區分「模型預測 / 執行時觀測 / 證據不足」三種結論強度；對應 arXiv 效能模型論文（07-24，視窗外背景）。
  • 媒體：NeoTeo 報道 DeepSeek 工程師公開判斷——6 至 12 個月內 AI 寫出的核心可達到或超過其個人水平（09-16/17）；華為全聯接大會 2026（09-17）公佈昇騰 960 提前釋出與 Atlas 960 超節點路線圖，構成昇騰適配節奏的產業背景。
  • 學術與社群：視窗內 arXiv 與 Hacker News 均無主題新增命中；最近一篇主題預印本為 07-24 的效能建模論文。
  • 版本節奏：主倉 v0.1.14 滿 18 天未更新，各適配倉標籤未動（詳見第二節）。

六、趨勢觀察

  1. NVIDIA 側出現第二條執行通路：Tile IR 後端與現行 CUDA 程式碼生成路徑並行，TileLang 的抽象層級開始與 NVIDIA 自家瓷磚級抽象正面接壤。一旦成熟，其價值主張會部分從「更好的程式碼生成」轉向「更完整的程式表達與跨後端一致性」，而排程與佈局決策的歸屬將成為長期議題。
  2. 「靜默錯誤前移為編譯期失敗」成為專案級紀律，且判據已寫清：主倉（原子向量化、隨機數、GEMM 型別、佈局證明）與 TileOPs（傳錯鍵報錯、分派與調優解耦）同構；主倉同時把「能力約束」與「使用者語義錯誤」兩類失敗區分開——前者降級繼續（複製寬度鉗制），後者編譯失敗。
  3. 後端適配與「新模型原生運算元」深度繫結：ROCm 的 GLM-5.3 k 池鏈與 KDA、昇騰的 NSA 與 DeepSeek 繫結構、主倉 Hopper 上的 DeepSeek V3.2 FP8 稀疏 MLA——模型釋出後其特有運算元在某個後端上的到位速度，正成為衡量該後端成熟度的直接指標。
  4. TileOPs 向「帶契約、可復現對照的運算元層」演進：效能、契約、度量治理三線並行；夜間快照把提交號、映象摘要、時鐘與功耗上限等可復現要素固定得完整，驗收口徑正向生產可用靠攏。
  5. 國產後端節奏分化、形態多樣化：昇騰保持日更迴歸（唯一每日可見），海光合入加收口，沐曦與摩爾執行緒轉維護，Sunrise 以「後端發行版」形態進入候選；能跟到上游最新能力位置的程度，各家已拉開差距。
  6. 風險與空白：主倉發版停滯 18 天與評審佇列積壓（Tile IR 轉草稿、GLM-5.3 堆疊鏈未合、執行九天的 Metal 提案關閉）並存；效能資料均為作者或廠商自述、本刊無對應硬體未做獨立復現；採用方整體仍偏靜（除 FlashQLA 脈衝）。

附錄：素材與核查說明

  • 素材：本刊每日 TileLang 動態日報 4 期（09-17、09-18、09-19、09-20）。09-14 至 09-16 無日報（本刊 09-17 創辦），該段以 GitHub 組織級視窗核查與提交後設資料補齊；09-17 首期為試執行（當日傍晚執行），與 09-18 期存在約半日重疊，重疊部分 09-18 期只做狀態說明。
  • 補充核查（168 小時視窗，09-13 16:00 至 09-20 16:00）：tile-ai 組織 28 個倉庫推送全量核查——視窗內 14 個倉庫有推送；預設分支提交數：主倉 tilelang 16 筆、TileOPs 23 筆、昇騰適配倉 19 筆（ascendc_pto 分支）、tilelang-mlir-ascend 7 筆；釋出狀態經倉庫釋出介面複核，主倉與各適配倉視窗內均無新版本。

信源核查表

信源 核查結果
tile-ai 組織（28 倉庫） 視窗內 14 個倉庫有推送
主倉 tilelang 預設分支 16 筆提交；新開 PR 覆蓋 Tile IR、ROCm 模型運算元鏈、隨機數與型別攔截等組別，多數未合入
TileOPs 23 筆合入；夜間快照基準 1040 項、正確性 1118 項連續零失敗
tilelang-ascend ascendc_pto 分支 19 筆提交；每日迴歸連續四日全透過；無新標籤
tilelang-mlir-ascend 視窗內 7 筆提交
沐曦 / 海光 / 摩爾執行緒 / Sunrise 各家最近推送為 09-17 至 09-18；視窗後半段均無新提交
採用方（FlashQLA / TileKernels） FlashQLA 09-18 合入三筆；TileKernels 無推送
TileRT / 組織其他倉 TileRT 連續七週靜止；TileFoundry 與 DeepStack 各有一至兩筆
新聞與學術渠道 新聞檢索、技術社群與預印本渠道視窗內均無主題新增；唯一媒體條目為 DeepSeek 工程師報道
版本與釋出 主倉 v0.1.14（09-02）後 18 天未發版；各適配倉標籤未動
  • 核查邊界：昇騰與沐曦的實測資料來自提交說明與 PR 正文自述，本刊無對應硬體、未做獨立復現；產業側動態來自公開報道；夜間基準讀數均為單次流水線記錄，非橫向評測。
  • 下一期週期建議：2026-09-20 ~ 2026-09-27。