CATLASS TLA DSL 的 MLIR 自包含集成
CATLASS TLA DSL 的 MLIR 自包含集成以 CATLASS TLA DSL——一个面向 AI 加速器的执行式 DSL——为例，MLIR bindings 的集成方式可从「依赖外部 mlir 包」改造为「单一 wheel 自包含」，同时整条编译链路也随之收敛。MLIR 打包机制本身（三层架构、AddMLIRPython.cmake、私有命名空间、聚合 CAPI）见《MLIR Python Bindings 打包机制解析》。 一、既有集成方式的三个结构性问题改造前，MLIR bindings 的集成方式如下： 12345flowchart TD U1["用户环境"] -->|"额外依赖"| P1["pip install mlir<br/>(版本须与 DSL 内部 LLVM 完全一致)"] U1 --> P2["CATLASS TLA DSL 包"] P2 -->|"手工维护的绑定"| P3["独立脚本生成...
MLIR Python Bindings 打包机制解析
MLIR Python Bindings 打包机制解析LLVM 社区没有为 MLIR 的 Python 包提供稳定的发布渠道，任何想在 Python 进程里操作 MLIR IR 的项目都需要自行解决 bindings 的获取、集成与分发。MLIR 官方为此提供了一整套设施：三层架构、CMake 组装宏，以及若干关键机制。 一、问题定义：Python 层操作 IR 意味着什么在 Python 进程中构造与检查 MLIR IR，典型场景有两类： 执行式前端：DSL 调用 compile() 时实际执行用户的 Python 代码，边执行边通过 Python API 增量构造 IR，诊断信息需映射回用户源码行； 测试：直接断言方言 op 与类型。 此外，MLIR Python bindings 并非纯 Python 包，其底层依赖 pybind11 扩展与 C API 静态库。因此「分发」不仅是拷贝 .py 文件，而是一项完整的打包工程。 二、三层架构MLIR 的 Python 支持由三层组成，自上而下： 12345678910111213141516graph TD s...
CANN msopgen 工程架构：从算子原型到可编译工程的生成链路
Field Value Source Ascend/msopgen Version tag_MindStudio_26.2.0.B060_001 Commit dd96cdfb2768a89a063db4cee7c760d2c9c4870a Date 2026-09-08 CANN msopgen 工程架构：从算子原型到可编译工程的生成链路项目方向概览msopgen 是 CANN 体系中的 MindStudio Operator Generator，负责把算子原型描述和目标计算单元转换为可继续开发、编译和交付的自定义算子工程。它的命令入口支持三类职责：gen 生成或扩展算子工程，compile 编译已有算子工程，sim 解析模拟器流水线 dump 数据；三类命令由 msopgen/msopgen.py 统一分发。 msopgen 的核心不是一个算子编译器后端，而是一个工程生成器和交付前置层：它读取 JSON、Excel 或框架相关的算子信息，建立统一的算子描述对象，依据框架、计算单元和语言选择工程模板，再生成 Host、Kernel、配置、构...
PTO-ISA：面向昇腾 Tile 编程的虚拟指令集与实现体系
Field Value Source cann/pto-isa Version v9.2.0-beta.2-106-ga5c8d608 Commit a5c8d60850a531593dcd633b308d11d39db6363b Date 2026-09-08 PTO-ISA：面向昇腾 Tile 编程的虚拟指令集与实现体系项目方向概览PTO（Parallel Tile Operation） 是昇腾 CANN 体系中的 Tile 编程虚拟 ISA。仓库提供以 C/C++ 头文件为核心的 PTO Tile Library、按昇腾代际划分的后端实现、CPU 语义仿真/Stub、通信指令扩展、算子示例和 ISA 文档。 它解决的主要问题不是再封装一层普通算子 API，而是把算子开发中的 Tile 形状、有效区域、数据搬运、片上存储、事件同步、流水线和硬件指令映射，收敛为一个可以跨 Ascend A2/A3/A5 等代际复用的编程契约。上层框架或算子实现面向 PTO 指令组织代码，底层再按 SoC 选择不同实现...
PyPTO 技术路线与差异化竞争力
Field Value Source cann/pypto Version PyPTO 0.2.1 / CANN package 9.2.0 / v9.2.0-beta.2-322-g5d6afbe0d Commit 5d6afbe0dc470aaf692d23e4c3b73d5fa461acf5 Date 2026-09-07 20:00:38 +08:00 PyPTO 技术路线与差异化竞争力项目方向概览PyPTO 是面向昇腾 AI 处理器的高性能编程框架。它要解决的不是单个算子的 Python 包装，而是把 Tensor 级程序逐层编译成硬件感知的 Tile 程序：在 Tensor 语义仍然完整时决定切分、数据布局、存储层级、搬运、融合、乱序调度和同步，生成 CCE/PTO 源码，再交给 Bisheng 和 CANN 完成目标编译与执行。 项目形成了两条互补路线： 路线 面向用户 输入与决策方式 编译和执行路径 主 PyPTO 算法开发者、整图/融合算子开发者 Tensor 与 Pyth...
Triton-Ascend 技术路线与差异化竞争力
Source Version Commit Date triton-lang/triton-ascend 3.6.0 b64287188046fe7bb0cfd424ee3e389f96a7affa 2026-09-07 Triton-Ascend 技术路线项目方向概览Triton-Ascend 保留 Triton 的 Python DSL、JIT、specialization、cache 和 TTIR 前端，在 TTIR 之后建立 Ascend NPU 专属编译与执行体系： 12Python kernel → TTIR → structure/unstructure → Linalg/HIVM/HFusion → MLIR bytecode → BiShengIR → npubin → torch_npu + CANN ASTSource.make_ir() 生成 TTIR，compile() 发现后端，AscendBackend.add_stages() 装配普通 ttir → ttadapter → mlirbc → b...