Китайский производитель графических процессоров Moore Threads объявил 30 января 2026 года об открытии исходного кода проекта TileLang-MUSA, обеспечив полную поддержку языка программирования TileLang на своей архитектуре GPU. Компания повторила это объявление 10 февраля.
По данным Moore Threads, проект был протестирован на нескольких поколениях полнофункциональных GPU компании и призван снизить барьеры для разработки за счет высокоуровневых абстракций и оптимизации компилятора, предлагая эффективные инструменты для разработки в области ИИ и высокопроизводительных вычислений (HPC) для отечественных вычислительных платформ.
TileLang — это высокопроизводительный язык программирования операторов ИИ, основанный на абстракции тензорного тайлинга. Благодаря декларативному синтаксису и фронтенду, похожему на Python, он позволяет разработчикам описывать вычислительные задачи в форме, близкой к математическим выражениям. Язык разработан с учетом трех ключевых возможностей: снижение порога входа за счет высокоуровневых абстракций, обеспечение кроссплатформенной переносимости «написал один раз — запускай на разных архитектурах» и делегирование сложных задач, таких как оптимизация циклов и планирование памяти, компилятору.
TileLang уже использовался при разработке крупномасштабных моделей, таких как DeepSeek-V3, и находит применение в научных вычислениях и разработке аппаратного обеспечения.
Недавно открытый проект TileLang-MUSA направлен на раскрытие производительного потенциала отечественных GPU. Он был протестирован на интегрированных ускорителях для обучения и инференса Moore Threads MTT S5000 и MTT S4000. Проект обеспечивает глубокое сопоставление между высокоуровневой семантикой TileLang и архитектурой MUSA от Moore Threads, поддерживая автоматический вызов инструкций тензорных ядер, многоуровневую оптимизацию перемещения данных и параллельную обработку на уровне варпов. Покрытие юнит-тестами нативных операторов в настоящее время превышает 80%, что обеспечивает стабильную основу для разработки.
Бенчмарки производительности показывают, что при разработке ключевых операторов для больших языковых моделей с использованием TileLang-MUSA разработчики могут сократить объем кода примерно на 90% по сравнению с ручной реализацией на MUSA C++. В сценариях матричных вычислений производительность достигает 95% от вручную оптимизированных версий, а операторы механизма внимания — около 85%. Его механизм автоматической настройки позволяет быстро находить оптимальные стратегии тайлинга, обеспечивая прирост производительности сверх неоптимизированных базовых версий.
Проект позволяет разработчикам беспрепятственно переносить существующую логику операторов на отечественные платформы GPU и предоставляет высокоуровневый интерфейс разработки для инженеров, не знакомых с низкоуровневыми инструкциями.
Moore Threads заявила, что планирует продолжать оптимизировать производительность компилятора, углублять интеграцию с основными фреймворками ИИ и расширять поддержку глобальной оптимизации для сложных архитектур моделей, таких как Трансформеры.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
