给 AI 写高性能程序，有点像为不同厨房分别定制一套做菜流程：换一款 GPU 或加速器，数据怎么搬、任务怎么并行，往往都要重新细调。TileLang 想把这些重复而难写的底层工作交给编译器，让开发者用接近 Python 的代码描述计算，再由系统转换成硬件可执行的高效内核。
TileLang 是一种 DSL——专门解决某类任务的编程语言。它依托 Apache TVM 编译基础设施，把矩阵分块、数据搬运等常见模式包装得更精炼，可用于 GEMM（神经网络常用的通用矩阵乘法）、FlashAttention 等算子。项目最醒目的例子是 MLA Decoding：开发者称，仅用 80 行 Python 代码，就在 NVIDIA H100 上做到与 FlashMLA 相当的性能；另一项 AMD MI300X 实现也被称可比肩手工优化的汇编内核。
这类工具值得关注，因为它试图缩短“容易写”和“跑得快”之间的距离。项目面向 GPU、CPU 与加速器，并已列出 NVIDIA、AMD、Apple Metal、WebGPU 和华为 Ascend 等支持进展。不过，上述性能结论来自项目方自述，材料没有提供可独立核对的完整测试数字。