我写了一套 TileLang 系统教程

9 月 30 日，DeepSeek 开源了面向昇腾的一整套基础设施：TileLang 昇腾版、TileKernels、DeepGEMM-Ascend、FlashMLA、DeepSelect、DeepEP-Ascend。看到这批仓库之后我做了个决定：把它们读一遍，同时把读的过程整理成一份教材。

这份教材就是 TileLang 系统教程，五部分、39 章。写它花了大半天，主要是靠 AI 完成的——材料的收集、整理和成稿几乎都是模型在做，我负责定方向、划边界，然后一章章审。这件事本身也说明了一个变化：一套这个规模的教程，成本已经低到可以当成一次尝试来做。

教程首页把内容讲得比较细，这篇文章只说三件事：为什么要写，它写了什么，以及请读到它的人来挑毛病。

为什么是现在

直接的原因是 DeepSeek 这次开源。TileLang 本身不缺资料：官方文档、仓库里的示例、Zero to Hero 系列、还有 DeepSeek 的几篇技术报告，质量都很高。麻烦在于它们是散的。文档讲 API，示例给一段能跑的代码，报告讲设计动机和性能，各自都成立，却拼不到一起。想弄明白“为什么这样写就快”，得在几个来源之间来回翻，再自己把结论连起来。

这批仓库同时把另一件事推到了眼前：一整套面向昇腾的训练和推理基础设施，第一次被完整地开源出来。这些代码本来要一个个仓库去啃，如果手上有一份材料，能从算法一路讲到 TileLang 写法，再讲到后端实现，读起来会省下很多力气。我就是从这个念头发起的：先给自己写一份能从头读到尾的教材，顺手把过程中查到的东西整理出来。

目标定得很具体，读完能做到三件事：能用 TileLang 写出生产级别的算子，能理解从零训练和推理一个 7B 模型每一步在做什么，能读懂并修改 TileLang 的编译期和 NVIDIA、昇腾两条后端。

为什么重点讲昇腾

写的时候我把昇腾放在了和 NVIDIA 同等的位置，第五部分还用了九个章节专门拆解 DeepSeek 这次开源的全栈。这不只是因为这些代码刚出来、值得读。

更基本的判断是：未来几年，国内大概率要大量使用华为的芯片。华为的芯片用不了 CUDA，过去围绕 NVIDIA 积累的工具链、写法和经验，有相当一部分不能直接搬过去，需要另找一条路。TileLang 在这件事上是个很好的选择：它把硬件差异抽象掉一层，同一套编程模型可以落到 NVIDIA 和昇腾两条后端上。

这部分知识眼下能查到的系统材料不多，所以我愿意在教程里多花笔墨。对要在国内做 AI 基础设施的工程师来说，昇腾这一线可能才是最需要的部分。

它长什么样

全书五部分：宏观（为什么需要 tile DSL、它处在软件栈的哪一层）→ 实用（第一个 kernel、核心原语，GEMM、Attention、MoE、量化四类算子实战，再到训练和推理一个 7B 模型）→ 深入（IR 与 pass、布局推导、流水与同步、两条后端）→ 前沿方向与贡献指南 → 最后九章拆解 DeepSeek 这次开源的昇腾全栈。

每章都是独立页面，有学习目标、可交互习题和整章自测。全书 512 道习题、298 道自测题、238 张图，通读大约 22 小时，还不算动手练习。也不必从头读到尾，首页按目标给了几条阅读路径：只想快点能写算子、要训练推理大模型、要改编译器和后端、要在昇腾上做真实项目，各有各的走法。

有一条边界要先讲清楚：我手上没有 NVIDIA GPU，也没有昇腾 NPU。需要加速器的示例都标注为“仅静态核对”，性能数字全部来自有出处的引用，并带上测量条件。请把这本书当成一张地图，而不是一份实测报告。也正因为成稿很快，书里更可能藏着疏漏，这是我特别需要反馈的原因。

请你来挑毛病

写的过程中我最大的感受是：自己觉得讲清楚了，和读者真的能读懂，是两件事。

所以我需要反馈，而且越具体越好：

• 哪里读不下去？第几章、哪一段、卡在哪个概念上。
• 哪里和源码或者你的实测不一致？请带上章节、版本和现象，这是我最想收到的一类反馈。
• 哪里缺了东西？比如某个错误、某个性能陷阱、某条你踩过的坑，教程里没有。
• 哪段代码有问题？尤其是需要真机才能验证的部分，我这边跑不了，你在真机上跑过之后的结论最有价值。

留言直接写在这篇文章下面就好，我能收到。不方便公开说，也可以发邮件到 i@huandu.me。每一条我都会看，能改的会改，改不动的会把原因说清楚。

教程入口是 tilelang-tutorial.huandu.me，第一章在这里：为什么需要 Tile DSL。