📌 项目地址：tile-ai/tilelang | ⭐ 8,037 颗星 | 🔧 Python | 📜 未标注
写 GPU 内核的痛点，它来解决什么
高性能算子开发长期面临一个两难：用 PyTorch 这类框架写，够简单但性能受限；手写 CUDA，性能能拉满，但开发一个优化的 GEMM 或 FlashAttention 内核动辄上千行，还得精通 shared memory、warp 同步、寄存器排布这些细节。
TileLang（tile-ai/tilelang，8k+ Star）给出的方案是一个基于 TVM 编译器基础设施的领域专用语言（DSL）。它用 Python 语法描述分块（tile）级别的计算，底层编译器负责生成和调度这些优化。官方定位很明确：针对 GEMM、Dequant GEMM、FlashAttention、LinearAttention 这类可分块的计算密集型内核，让你”专注生产力，同时不牺牲 SOTA 级性能所需的底层优化”。
一个直观的对比：官方文档中展示的 FlashAttention 内核用 TileLang 只需约 100 行代码，而对应的手写 CUDA 实现需要超过 1000 行。这不是比喻，是代码行数。
实际怎么用
安装（具体版本和平台要求参考官方文档的 Installation 页面：tilelang.com/get_started/Installation.html）：
# 通过 PyPI 安装，README 提供了 badge 指向的安装方式
# 详细步骤见官方文档
典型的开发流程是：用 TileLang 的 Python DSL 描述算法和分块策略 → 编译生成目标平台内核 → 在 PyTorch 中调用。官方提供了多个可运行的参考实现：
- examples 目录：https://github.com/tile-ai/tilelang/tree/main/examples
- tilelang-puzzles：https://github.com/tile-ai/tilelang-puzzles ，通过解谜方式学习 TileLang 编程模型
- tilelang-lsp：https://github.com/tile-ai/tilelang-lsp ，语言服务器，提供 buffer 形状、dtype、推断布局的 inlay hints、hover 详情和精确诊断——说明这个 DSL 已经有了完整的工具链支持
和同类工具的区别
- 对比 Triton（OpenAI）：Triton 已经很流行，但主要围绕 NVIDIA GPU 生态。TileLang 的后端覆盖明显更广。
- 对比手写 CUDA：TileLang 的抽象层级更高（Tiled Abstraction），编译器承担了线程映射和内存调度的大部分工作。
- 硬件覆盖是当前最大的差异化：从 README 的更新记录看，它支持 NVIDIA（包括最新的 Blackwell SM120 NVF4 block-scaled MMA 路径）、AMD ROCm、Apple Metal（M5 的 cooperative-tensor GEMM），2026 年 9 月还新增了华为昇腾 950 NPU 后端，含原生代码生成、自动调度同步、SIMD/SIMT 向量编程。一个 DSL 同时覆盖 GPU/CPU/NPU 三类加速器，这在同类项目里很少见。
需要注意的事项
- API 稳定性：v0.1.13 移除了多个 legacy API，升级前必须读 compatibility notes。项目还在 0.x 阶段，接口可能继续变动。
- 学习曲线仍然存在：虽然语法是 Python，但要写出高性能内核，你需要理解 tiling、流水线并行这些概念。tilelang-puzzles 值得先刷一遍。
- 适用范围有边界：它优化的是分块式稠密计算（GEMM、Attention 类）。如果你的负载是大量不规则的小算子或动态控制流，这不是合适的工具。
- 社区与文档：有 Discord 社区和 deepwiki.com/tile-ai/tilelang 可查询代码细节；文档在 tilelang.com。
一句话判断
如果你在做大模型推理/训练的算子优化，或者在非 NVIDIA 硬件（尤其昇腾、Apple Silicon）上需要高性能 Attention/GEMM 内核，又不想陷入手写 CUDA 的泥潭，TileLang 值得认真评估。