4月27日沐曦股份面向沐曦GPU的TileLang适配支持与优化项目TileLang-Metax正式成为TileAI社区官方主线版本代码已开源并托管于TileAI组织之下与TileLang生态中的相关项目协同向开发者全面开放。大模型时代呼唤芯片、编译器、框架与算子库的全栈协同创新。高性能算子Kernel是连接模型算法与底层硬件能力的重要桥梁也是释放GPU算力价值的核心环节。TileLang-Metax作为TileAI社区生态的重要组成部分将持续面向更广泛的开发者、研究者和生态伙伴演进迭代沐曦GPU对TileLang生态的适配支持也由此正式进入持续迭代、社区共建的全新阶段。面向沐曦GPU的TileLang深度优化随着大模型技术高速发展训练与推理场景对底层算子的性能、开发效率和跨平台适配能力提出了更高要求。如何让开发者更便捷地在不同AI加速硬件上编写、迁移和优化高性能算子已成为AI基础软件生态建设的关键课题。TileLang是专为高性能算子开发设计的编程语言与工具体系旨在帮助开发者以更高层、更易用的方式描述底层计算逻辑同时兼顾高性能算子的优化需求。在大模型训练与推理中算子性能直接影响端到端效率而算子开发往往要求开发者深入理解硬件架构、内存层级、并行策略和编译优化门槛较高。围绕这一目标沐曦股份持续推进沐曦GPU在编译器、算子库、AI框架、推理引擎和开源工具链中的适配与优化。TileLang-Metax在沐曦GPU上的支持已覆盖多个关键方向包括编译适配、运行时支持、示例适配、优化特性与高性能算子实现。通过该项目沐曦股份希望进一步降低开发者在沐曦GPU上进行底层算子开发的门槛。无论是模型开发者、框架开发者还是专注底层性能优化的系统工程师均可借助TileLang-Metax探索沐曦GPU上的更多优化可能。目前TileLang-Metax已对多个重要开源项目和算子场景提供支持具体包括TileLang examples 覆盖开发者学习、验证和扩展TileLang 算子的典型示例场景是了解TileLang编程模型、算子实现方式与性能优化路径的重要入口。TileOPs 面向大模型训练与推理的TileLang算子生态项目。借助TileLang-Metax沐曦GPU可更深度地参与TileOPs中相关算子的开发、验证与优化。TileKernels 由DeepSeek开源的高性能算子项目。TileLang-Metax对相关TileLang 算子的适配支持将有力推动高性能算子在国产GPU平台上的进一步验证与优化。SGLang/vLLM等主流推理框架中的相关TileLang kernel 面向大模型推理框架中的关键算子场景TileLang-Metax已提供相应支持为沐曦GPU在主流大模型推理生态中的适配与性能优化奠定基础。上述支持不仅标志着沐曦GPU在TileLang生态中的适配范围持续扩大也代表着国产GPU正在以更深入的方式参与开源AI基础软件生态建设。开源共建推动国产AI算力生态繁荣开源项目的生命力不仅来自一次性适配更源于长期维护、持续演进以及与社区主线的紧密协同。TileLang生态正处于快速发展阶段社区主线代码持续迭代新功能、新接口、新优化策略与算子实践不断涌现。为确保沐曦GPU对TileLang生态的支持始终保持最新状态沐曦股份在TileLang-Metax中建立了与社区主线代码的持续同步机制实现与TileLang社区主线的周级同步。这意味着开发者可以更及时地获取上游社区的新特性、新优化和新算子能力并在沐曦GPU上快速验证和适配社区最新进展。此次将TileLang-Metax开源并入驻TileAI社区是沐曦股份践行开放协作理念的重要一步。沐曦股份将以社区共建的方式携手TileAI、DeepSeek、SGLang、vLLM等开源生态伙伴及广大开发者持续完善沐曦GPU在TileLang生态中的支持能力。相关开源项目链接TileAI TileLang官方仓库https://github.com/tile-ai/tilelangTileLang-Metaxhttps://github.com/tile-ai/tilelang-metaxTileAI TileOPs官方仓库https://github.com/tile-ai/TileOPsTileOPs-Metaxhttps://github.com/MetaX-MACA/TileOps-MetaxDeepSeek TileKernels官方仓库https://github.com/deepseek-ai/TileKernelsTileKernels-Metaxhttps://github.com/MetaX-MACA/TileKernels-Metax
