公司动态：摩尔线程开源TileLang-MUSA项目 - 摩尔线程于2月10日正式宣布开源TileLang-MUSA项目，该项目实现了对TileLang编程语言的完整支持 [2] - 该项目已在摩尔线程多代全功能GPU上完成功能验证与特性开发，旨在通过高层抽象与编译器优化降低开发门槛，为国产算力平台提供更高效的AI与高性能计算开发体验 [2] 技术产品：TileLang编程语言特性 - TileLang是一款基于张量分块（Tiling）抽象的高性能AI算子编程语言，属于领域特定语言（DSL）[3] - 该语言采用声明式语法与类Python前端，使开发者能以接近数学公式的形式描述计算意图，并由编译器自动完成循环优化、内存调度与代码生成 [3] - 其三大核心作用是：通过高级抽象降低开发门槛；具备“一次编写、多架构运行”的跨平台能力；编译器自动执行Layout推导、线程映射等复杂任务以保障性能 [3] - 该语言已应用于AI与机器学习（如快速定义新型算子）、科学计算（移植数值模拟程序）以及作为硬件厂商构建软件生态的基础工具链 [3] 应用案例：TileLang的实际产业应用 - 在产业实践中，DeepSeek-V3的研发已采用TileLang进行算子快速原型设计与性能验证，证明了其在大规模模型训练中的实战价值 [4] - 摩尔线程开源的TileLang-MUSA项目是这一技术理念的产业落地，旨在通过提供高效开发工具链降低创新门槛，推动国产算力应用生态发展 [4] 项目详情：TileLang-MUSA的技术特性与效果 - TileLang-MUSA项目提供了一种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降低编程复杂度 [5] - 该项目已在摩尔线程多代全功能GPU上完成验证，包括训推一体全功能智算卡MTT S5000和MTT S4000，展现了良好的硬件兼容性 [5] - 项目团队实现了TileLang高层语义到摩尔线程GPU底层MUSA架构的精准映射，基于MUSA架构的TileLang原生算子单元测试覆盖率已超过80% [5] - 实测效果显示，在MTT S5000上，使用TileLang-MUSA的代码量相较手写MUSA C++代码减少了约90%，且代码逻辑更清晰，极大降低了开发与维护成本 [5][6] 战略规划：构建国产算力生态的展望 - TileLang-MUSA的开源是摩尔线程构建国产算力生态的关键一步，公司致力于打造一个覆盖从单算子到完整大模型的国产算力统一加速平台 [7] - 具体规划包括：持续进行性能优化，使生成代码性能稳定达到手写优化版本的90%以上；深度集成SGLang等主流AI框架；将优化从单算子延伸至Transformer、MoE等复杂模型架构；同时完善调试和性能分析工具链 [7] - 最终核心目标是构建一个开放、高效、充满生命力的国产算力生态 [7]