这周的知乎 GPU 板块有点魔幻。9 月 18 号是《CUDA 和 Triton 哪个好用》，21 号上午是《triton 是否会冲击 cuda 生态》，同一天下午又杀出一条《是否应该放弃 Triton》。三连问，问的是同一群人：已经啃完 grid/block/thread、写过 reduce 和 GEMM tile、正打算往算子和 Infra 方向进阶的人。他们不怕 Triton 难学，怕的是"刚上手，工具就过气了"。
这份焦虑确实有来由——因为 NVIDIA 自己下场了。
先把坐标摆正：cuTile 到底是什么
2025 年 12 月，CUDA 13.1 引入 Tile 级编程模式，英伟达 GPU 计算官方账号把它称为自 CUDA 平台发明以来最核心的更新之一。 开发者直接用 Python 写 tile kernel，把数据切成块定义运算，不用再指定每个线程干什么。今年 3 月 GTC 上 cuTile C++ 补位，从单 Python 变成双语言；到 9 月这轮，官方又摆出 cuda-oxide 和 cutile-rs 两条 Rust 路线，SIMT 和 Tile 正式双轨。微博知乎
注意这条时间线传递的真实信号：不是"NVIDIA 要做个新 DSL 灭 Triton"，而是 NVIDIA 亲手承认了 Bug Labs 那期刷屏视频说的裂缝——2017 年 Tensor Core 之后，硬件已经和"一线程一操作"的 SIMT 抽象错位了。 切 tile 这件事，从 2021 年 Triton 替你做，变成了 2025 年底 CUDA 原生替你做。哔哩哔哩
抽象层的战争，这才是"要不要放弃"系列刷屏背后的真问题。
这轮刷屏里，三个账算错了
误读一：cuTile 来了，Triton 要完。 恰恰相反。社区这周讨论里反复出现的一条事实是：NVIDIA 把最新的 CUDA Tile IR 做成了 Triton 的后端。 在《是否应该放弃 Triton》那条回答里，这个动作被概括得很直白——你写的 Triton 代码，改个环境变量，就能直接跑在最新的硬件上，性能还更好。 老黄这套打法，SemiAnalysis 那篇研报讲得直白：问题从"CUDA 护城河牢不牢"变成了"Agent 时代护城河怎么换打法"——前台用 Python 和低门槛 DSL 把不想学 C++ 的 AI 研究员"招安"进自己的硬件迭代节奏，比封杀划算得多。知乎知乎知乎
误读二：Triton 已经全面强过 CUDA。 "代码量少 75%、性能局部反超"这个被转烂的数字，出自微软，口径是规整算子——矩阵乘、注意力这类 tile 友好的活，Triton 确实是降维打击。 但同一批讨论里也有反例：某些不规则 HPC 算子，编译器"脑补"不过来、寄存器疯狂溢出，有实测比朴素 CUDA 还慢十几倍。两句话拼起来才是全貌：规整算子归 tile DSL，不规则算子是 CUDA 最后的堡垒。只看到任何一半就下结论的，都是被信息流喂偏了。知乎
误读三：CUDA 护城河已破。 结论强度不能超过证据。Triton 编译的最终产物默认还是 NVIDIA 的 PTX——这谈不上破防，更像是换了个入口继续进城。 真正在凿墙基的是多后端这条线：triton-ascend 基于上游 Triton 模板开发，FlagTree 把各家芯片的 Triton lower 路径整理成谱，这些后端是绕开 PTX 直接落到自家硬件的。 连高通都开源了 Hexagon-MLIR 编译软件栈，支持把自定义 Triton 内核直接编译部署到自家 NPU 上运行。 护城河的分歧点已经从"你用哪门语言写 kernel"挪到了"你的代码最终在哪份 ISA 上落地"——这才值得深度玩家盯，而不是"要不要弃坑"的情绪贴。知乎知乎微博
三张投入清单：你的功夫该花在哪
CUDA 老兵（SIMT 熟、shared memory 门儿清）：最不用慌的一档。cuTile、Triton、TileLang 的 tile 思维对你只是换视角，一周能上手。真正该补的是编译器行为这一课：Triton 的 autotune 搜的是你手写的 configs 列表、版本间性能会漂，笔记圈现在的通行做法是版本 pin 住、升级走全量 benchmark 流程。 抽象层替你干活之后，会调编译器比会写 kernel 更值钱。知乎
Python 系新手（没写过 CUDA，想直接 Triton 出活）：你的风险不是选错工具，是黑盒。tl.dot 只是"自动路由到 Tensor Core"，dtype 和 shape 不匹配就静默退化到 CUDA core 路径；attention 里 qk_scale 要乘 1/log(2) 改用 exp2，才有 GPU 上的快速近似；LayerNorm 反向那把锁，底下就是 atomic_cas 一条硬件指令。 建议按"wmma / mma.sync / Triton 三层 API 落到同一条 HMMA"的顺序把底层看穿一次——看穿一次，之后 cuTile、TileLang 随便出，对你都只是换语法糖。知乎
国产算力方向：Triton 目前是一份代码能对着多家后端写的现实路线。该盯的不是"CUDA 会不会死"，而是 triton-ascend、FlagTree 这条线上各家 lower 路径的差距收敛到什么程度——这才是国内算子岗简历上真正在涨价的部分。
接下来看什么
CuTile-Bench 这套独立评测基准已经开源，用它把 cuTile 和 Triton 在同代卡上的差距跑出分布，比引用任何一方的 demo 都硬。 社区已经有人报"用 CuTile 写的 FlashAttention，forward 可以达到 FA4 的 102%"，目前是单例，别当结论。 NVIDIA 的 Tile IR 和 Triton 上游的跟进节奏，是判断"双轨合流还是分家"最直接的信号。知乎知乎
一周三条求助帖，本身就是这个切片最真实的情绪指标。证据能说到哪就说到哪：抽象层之战刚开场，"谁替代谁"没有任何一方能下结论——但"该在哪下功夫"这件事，这周其实比上个月清楚多了。
