Moore Threads Mở Mã Nguồn TileLang-MUSA, Giảm 90% Khối Lượng Mã Lệnh

Moore Threads công bố mở mã nguồn TileLang-MUSA

Vào ngày 30 tháng 1 năm 2026, hãng sản xuất GPU Trung Quốc Moore Threads đã chính thức mở mã nguồn dự án TileLang-MUSA, hỗ trợ đầy đủ ngôn ngữ lập trình TileLang trên kiến trúc GPU của hãng. Thông tin này được công ty nhắc lại vào ngày 10 tháng 2.

Mục tiêu và tính năng của TileLang-MUSA

Theo Moore Threads, dự án đã được kiểm nghiệm trên nhiều thế hệ GPU đầy đủ tính năng và nhằm mục đích giảm bớt rào cản phát triển thông qua các trừu tượng cấp cao cùng tối ưu trình biên dịch, mang đến công cụ phát triển AI và tính toán hiệu năng cao (HPC) hiệu quả cho nền tảng tính toán trong nước.

Ngôn ngữ lập trình TileLang

TileLang là ngôn ngữ lập trình AI hiệu năng cao dựa trên trừu tượng phân mảnh tensor. Với cú pháp khai báo và giao diện frontend giống Python, ngôn ngữ này cho phép lập trình viên mô tả ý định tính toán gần với biểu thức toán học. TileLang xây dựng quanh ba năng lực cốt lõi:

• Giảm rào cản tiếp cận nhờ trừu tượng cấp cao
• Cho phép viết một lần chạy trên nhiều kiến trúc khác nhau (cross-platform portability)
• Ủy thác các tác vụ phức tạp như tối ưu vòng lặp và lập lịch bộ nhớ cho trình biên dịch

TileLang đã được ứng dụng phát triển các mô hình quy mô lớn như DeepSeek-V3, cũng như trong tính toán khoa học và phát triển phần cứng.

Tập trung khai thác hiệu năng của GPU nội địa

Dự án TileLang-MUSA vừa được mở mã nguồn tập trung vào việc khai thác hiệu suất của GPU trong nước. Nó đã được xác thực trên các card tăng tốc tích hợp đào tạo và suy luận MTT S5000 và MTT S4000 của Moore Threads.

Dự án thực hiện ánh xạ sâu giữa ngữ nghĩa cấp cao của TileLang với kiến trúc MUSA của Moore Threads, hỗ trợ:

• Tự động gọi lệnh tensor core
• Tối ưu di chuyển dữ liệu đa cấp
• Xử lý song song cấp mức warp

Hiện tại, dự án đã đạt độ phủ trong kiểm thử đơn vị của toán tử gốc trên 80%, đảm bảo nền tảng phát triển ổn định.

Hiệu năng và lợi ích khi sử dụng TileLang-MUSA

Các bài benchmark cho thấy khi phát triển toán tử chủ chốt cho các mô hình ngôn ngữ lớn sử dụng TileLang-MUSA, nhà phát triển có thể cắt giảm khoảng 90% lượng mã so với việc viết tay bằng MUSA C++.

Trong các bài toán tính toán ma trận, hiệu năng đạt tới 95% so với các phiên bản tối ưu thủ công, còn với toán tử cơ chế chú ý (attention), đạt khoảng 85%. Cơ chế tự điều chỉnh (auto-tuning) cho phép tìm kiếm nhanh các chiến lược phân mảnh tối ưu, giúp hiệu năng vượt trên mức mặc định chưa tối ưu.

Dự án cho phép lập trình viên chuyển đổi liền mạch logic toán tử hiện có sang các nền tảng GPU nội địa, đồng thời cung cấp giao diện phát triển cấp cao cho kỹ sư không chuyên về lệnh cấp thấp.

Kế hoạch phát triển tiếp theo từ Moore Threads

Moore Threads cho biết sẽ tiếp tục tối ưu hiệu suất trình biên dịch, mở rộng tích hợp sâu với các framework AI phổ biến, đồng thời nâng cấp hỗ trợ tối ưu toàn cầu cho kiến trúc mô hình phức tạp như Transformers.

Nguồn: IT Home