9 月 29 日，深度求索正式推出 deepseek v3.2-exp 模型（实验性版本），显著提升了长文本处理效率，并宣布 api 调用成本下降超过 50%。在此次发布的公告中，有这样一段值得关注的内容：
在新模型的研发过程中，需设计并实现大量全新的 GPU 算子。我们采用高级语言 TileLang 进行快速原型开发，以支持更深层次的技术探索。
据悉，TileLang 是一种轻量级的领域专用语言（DSL），专注于简化在 GPU 和 NPU 等加速器上的算子开发。其核心设计理念在于将复杂的硬件调度逻辑与算法实现分离，从而提升开发效率。
该语言由北京大学团队主导研发，主要贡献者包括王磊、董宇骐，以及北大计算机学院副研究员、博士生导师杨智。
TileLang 的关键技术优势体现在以下几个方面：
- 降低 NPU 算子开发难度：采用类似 Python 的语法结构，显著减少了编程门槛；通过将调度空间封装为可复用的原语，使开发者能更聚焦于数据流的设计。
- 高度可扩展性：实现数据流与调度策略的解耦，NPU 算子的优化由编译器自动完成，同时充分挖掘底层硬件潜力。
- 卓越性能表现：允许开发者感知并利用 NPU 硬件特性，在理论上相比 Triton 可实现更优的执行效率。
TileLang 使用类 Python 语法，并基于 TVM 构建其底层编译架构，既提升了开发效率，又保留了对高性能优化的支持能力，让开发者无需在生产力和性能之间妥协。
https://www.php.cn/link/7c9d8efa5f0fc84385730c20b6a569e3
TileLang 的重要意义在于大幅降低了 GPU 编程的入门门槛。长期以来，GPU 高性能计算被视为技术“高壁垒”领域，要求开发者掌握复杂的硬件架构、内存层级和并行机制。
据 TileLang 社区组织者、Tile-AI 发起人王磊博士在一次技术沙龙中介绍，传统模式下开发一个高效能算子往往需要数周时间，且代码维护困难。而借助 TileLang 的分层抽象设计，不同背景的开发者都能参与进来。他指出：
对于没有硬件背景的新手，可以像编写数学表达式一样进行编程；而对于资深工程师，则仍可深入到底层进行精细调优。
源码地址：点击下载
