NVIDIA推出的CUDA Tile是一种面向NVIDIA Tensor Cores的GPU编程模型，旨在提升程序在NVIDIA GPU上的性能与可移植性。其核心理念是支持以“数据块”（tile）为单位的编程抽象，取代传统的基于线程的SIMT模型。开发者只需定义在数据块上的操作，编译器和运行时自动处理线程调度、资源分配和硬件映射，显著降低编程复杂度，并支持更高效的编译优化。 CUDA Tile IR是基于MLIR的中间表示（IR）和编译基础设施，定义了tile计算的语义、操作和类型系统，是CUDA Tile编程模型的技术基础。与此同时，OpenAI的Triton——一个用于编写深度学习GPU内核的开源Python领域特定语言（DSL）——正与CUDA Tile IR深度融合。Triton-to-TileIR项目作为Triton编译器生态的扩展，使Triton代码可直接编译为CUDA Tile IR，而非传统的PTX代码。 这一集成意义重大：Triton本身即以tile为编程单位，与CUDA Tile IR在概念上高度契合。Triton-to-TileIR无需重写代码，仅通过配置环境变量即可切换后端，实现从PTX到Tile IR的无缝迁移。编译后的内核将以.tileIR为扩展名缓存，标志着其已使用新一代编程模型。这使得研究人员即使不具备CUDA开发经验，也能利用Triton的简洁语法，高效调用Tensor Cores，获得接近硬件极限的性能。 目前，Triton-to-TileIR仍处于孵化阶段，开发重点包括：构建核心转换机制，将Triton操作映射为Tile IR；建立全面测试体系，验证控制流、内存访问和精度的正确性；开展性能基准测试，对比Tile IR与PTX编译内核在矩阵乘、卷积、归约等操作上的表现；并推动与开源项目（如Helion）的集成。 尽管尚存局限，如部分Triton操作未完全支持，以及“指针张量”模式在CUDA 13.1下性能不佳，但这些问题正通过优化代码实现解决。例如，使用TMA（Tensor Memory Accelerator）加载/存储API，可避免在内核中构造冗余的指针张量，直接传递形状、步长和块大小信息，从而显著提升性能。 总体而言，Triton-to-TileIR标志着GPU编程向更高层次抽象演进的重要一步。它打通了高级语言与前沿硬件之间的壁垒，让开发者在保持高生产率的同时，获得极致性能和未来架构兼容性。随着项目逐步成熟，它有望成为AI开发者高效利用NVIDIA下一代GPU的核心工具。