摩尔线程近日宣布开源TileLang-MUSA项目，为国产GPU开发领域注入新活力。该项目通过完整支持TileLang编程语言，致力于充分挖掘全功能GPU的性能潜力，同时显著降低国产GPU的开发门槛，为行业带来新的发展契机。
TileLang作为一种高性能AI算子编程语言，基于张量分块抽象构建，属于领域特定语言（DSL）。它采用声明式语法与类Python前端，让开发者能够以类似数学公式的方式表达计算意图。编译器会自动完成循环优化、内存调度和代码生成等复杂任务，在确保底层性能的前提下，极大降低了GPU及异构计算平台的编程复杂度。
在实际应用中，TileLang展现出诸多优势。其高级抽象特性降低了开发门槛，且具备跨平台能力，实现“一次编写、多架构运行”。编译器可自动执行Layout推导、线程映射、Warp特化、流水线排布和内存优化等操作，在保障性能的同时提升开发效率，广泛应用于AI与机器学习、科学计算等领域。TileLang-MUSA项目则提供了介于底层汇编与高层DSL之间的“中间层”抽象，在保留硬件控制力的同时，大幅降低编程复杂度。
该项目在硬件兼容性方面表现出色，已在摩尔线程多代全功能GPU上完成功能验证与打通，包括训推一体全功能智算卡MTT S5000和MTT S4000。团队成功实现了TileLang高层语义到摩尔线程GPU底层MUSA架构的精准映射，具体体现在多个方面：编译器能自动调用MUSA的MMA指令，充分发挥硬件张量核心的峰值计算能力；自动处理从全局内存到共享内存再到寄存器的多级数据搬运，利用MUSA异步拷贝指令掩盖访存延迟；完整支持Warp Specialization特性。目前，基于MUSA架构的TileLang原生算子单元测试覆盖率已超过80%，为大规模应用提供了可靠保障。开发者在完成环境配置后，可保留原有的import tilelang习惯，通过Cython编译后端直接在MUSA环境中运行TileLang代码。
在实际算子开发实践中，TileLang-MUSA项目成果显著，实现了开发效率与运行性能的双重提升。以大语言模型中重要的FlashAttention-3和GEMM算子为例，在摩尔线程MTT S5000上的测试结果显示，开发效率大幅提升，代码量相较手写MUSA C++代码减少了约90%，且代码逻辑更清晰，降低了开发与维护成本。性能方面，得益于编译器优化，生成的算子性能在典型配置下，Gemm最高可达手写优化版本的95%，FlashAttention-3可达手写优化版本的85%。借助TileLang-MUSA的Auto-tuning机制，开发者可在MUSA架构的全功能GPU上快速搜索最优的分块策略和流水线级数，轻松超越未经深度优化的基准实现。
TileLang-MUSA项目的推出，具有多方面重要意义。它使TileLang用户能够近乎零成本地将算子逻辑迁移至摩尔线程GPU，为不熟悉MUSA指令集的AI工程师提供了高层次的开发入口。同时，通过支持FlashAttention等关键算子的高效开发，加速了大语言模型等前沿AI应用在国产算力平台上的部署与落地。
摩尔线程计划持续推进平台与生态建设，将TileLang-MUSA开源视为构建国产算力生态的关键一步。后续计划包括深度集成SGLang等主流AI框架，实现Transformer、MoE等复杂模型架构的跨算子调度与全局优化；完善调试和性能分析工具链；通过性能优化，开发更多MUSA架构定制扩展，使生成代码性能稳定达到手写优化版本的90%以上，为构建开放、易用的国产算力开发生态提供有力工具支撑。
