Open Source: TileLang mejora el desarrollo de las GPU de Moore Threads, las cuales tienen un 90% más de eficiencia frente a Nvidia

Eduardo Ruiz 11 febrero, 2026

Moore Threads ha abierto oficialmente el código fuente del proyecto TileLang-MUSA, ofreciendo soporte completo para el lenguaje de programación TileLang en sus GPUs multi-generación y con características avanzadas. Esta iniciativa tiene como objetivo reducir las barreras de desarrollo mediante abstracciones de alto nivel y optimizaciones en el compilador, mejorando así los flujos de trabajo en inteligencia artificial y computación de alto rendimiento sobre plataformas informáticas nacionales.

TileLang es un lenguaje específico para el dominio, diseñado en torno a abstracciones de teselado tensorial que facilitan el desarrollo de operadores de IA de alto rendimiento. Con una sintaxis declarativa similar a Python, permite a los desarrolladores expresar intenciones computacionales de forma cercana a la notación matemática. El compilador automatiza optimizaciones de bucles, planificación de memoria y generación de código, simplificando la programación en GPUs y entornos heterogéneos sin sacrificar eficiencia.

TileLang mejora la eficiencia en programación GPU

En la práctica, TileLang incrementa la eficiencia en la programación para GPUs al ofrecer abstracciones de alto nivel que eliminan la necesidad de un conocimiento profundo del hardware, aportando compatibilidad multiplataforma para escribir código una sola vez y ejecutarlo en arquitecturas diversas. También realiza optimizaciones complejas de compilador, como la inferencia de layouts, mapeo de hilos, especialización a nivel de warp, programación de pipelines y optimización de memoria de forma automática, liberando al desarrollador de tareas laboriosas y específicas.

El uso de TileLang ya se ha extendido a varios sectores, incluyendo el prototipado rápido de nuevos operadores de IA como mecanismos de atención, la adaptación de programas de simulación numérica a gran escala y la creación de cadenas de herramientas fundamentales para ecosistemas de software de fabricantes de hardware. Por ejemplo, el proyecto DeepSeek-V3 empleó TileLang para acelerar el prototipado y validar el rendimiento en entrenamientos de modelos grandes.

Características técnicas del proyecto TileLang-MUSA

TileLang-MUSA se centra en liberar el potencial completo de las GPUs de Moore Threads. Actúa como una capa de abstracción intermedia entre el ensamblador de bajo nivel y los DSLs de alto nivel, equilibrando el control del hardware con una menor complejidad de programación. Ha sido validado en dispositivos como las tarjetas de aceleración MTT S5000 y MTT S4000, demostrando una compatibilidad sólida con el hardware.

Entre sus características técnicas destacan la asignación precisa de la semántica de TileLang a la arquitectura GPU de MUSA, la invocación automática de instrucciones MMA (multiplicación y acumulación matricial) para aprovechar los núcleos tensoriales, gestión multinivel del pipeline de teselado desde la memoria global hasta los registros, utilizando comandos asíncronos de copia para ocultar latencias, y soporte completo para especialización a nivel warp. Las pruebas unitarias nativas de operadores TileLang alcanzan una cobertura superior al 80% en plataformas MUSA, lo que garantiza fiabilidad para aplicaciones a gran escala.

Los desarrolladores pueden mantener las prácticas habituales de importación en TileLang y ejecutar el código directamente en el entorno MUSA mediante un backend en Cython tras configurar el entorno. Ejemplos de código, como la multiplicación matricial de alto rendimiento, muestran cómo la sintaxis sencilla se traduce en implementaciones kernel optimizadas para MUSA. Su biblioteca de primitivas optimizadas contribuye a mejorar notablemente la eficiencia de programación y el rendimiento, acercándose a implementaciones ajustadas a mano.

Las pruebas en la MTT S5000 revelan que TileLang-MUSA reduce el volumen de código en torno a un 90% respecto a implementaciones manuales en C++, manteniendo la claridad y facilitando el mantenimiento. En cuanto a rendimiento, los operadores GEMM alcanzan hasta un 95% del rendimiento de código optimizado manualmente, mientras que FlashAttention-3 llega alrededor del 85%. Además, cuenta con un mecanismo de autoajuste que permite explorar rápidamente los tamaños de teselado y la profundidad del pipeline óptimos, superando el rendimiento base.

Ventajas y futuro de TileLang en Moore Threads

El proyecto TileLang-MUSA aporta tres ventajas clave: facilita la migración casi sin coste para usuarios existentes de TileLang a GPUs de Moore Threads; reduce la curva de aprendizaje para ingenieros de IA no familiarizados con las instrucciones MUSA; y posibilita un desarrollo eficiente de operadores críticos como FlashAttention, acelerando el despliegue de grandes modelos de lenguaje y otros trabajos avanzados de IA en hardware nacional.

Esta liberación de código abierto supone un paso significativo dentro del esfuerzo continuo de Moore Threads para construir una plataforma de aceleración unificada dentro del ecosistema informático chino. La compañía planea seguir afinando el rendimiento para superar de forma estable el 90% de la eficiencia del código artesanal, integrarse más profundamente con frameworks principales de IA como SGLang para lograr aceleración integral, y ampliar el soporte desde operadores individuales hasta la programación global y la optimización de arquitecturas complejas de modelos, incluyendo Transformers y MoE. También se están mejorando las herramientas de depuración y análisis para acompañar durante todo el ciclo de desarrollo.

TileLang-MUSA se posiciona así como una tecnología clave para impulsar la competitividad nacional en inteligencia artificial mediante una programación GPU más accesible, eficiente y escalable sobre hardware propio.

Fuente