9 月 29 日，深度求索正式发布 DeepSeek V3.2-Exp 模型（实验性版本），大幅提升了长文本处理效率，并宣布 API 调用成本降低 50% 以上。在这篇公告中，有这样一段表述：

在新模型的研究过程中，需要设计和实现很多新的 GPU 算子。我们使用高级语言 TileLang 进行快速原型开发，以支持更深入的探索。

据介绍，TileLang 是一种简洁的领域专用语言（DSL），旨在简化 GPU 和 NPU 等加速器上的算子编程，其核心设计理念是将复杂的硬件调度与开发者的算法逻辑解耦。

TileLang 由北大团队主导开发，核心人物除了王磊、董宇骐，还有北大计算机学院的副研究员、博士生导师杨智。

https://bbs.pku.edu.cn/v2/post-read-single.php?bid=322&postid=28065519

Tilelang 主要技术亮点包括：

• 简化 NPU 算子编程复杂度：Tilelang 采用类 Python 语法，大大降低 NPU 算子开发门槛，封装调度空间为自定义原语，开发者更加关注数据流本身。
• 支持灵活扩展：实现调度空间与数据流解耦，NPU 算子优化由编译器自动完成，同时充分利用 NPU 底层硬件特性。
• 高性能：Tilelang 可以实现高性能 NPU 算子，允许用户感知 NPU 硬件特性，相较 Triton 理论上可以获得更好的性能。

TileLang 采用类 Python 语法，并在 TVM 之上构建底层编译器基础架构，使开发者能够专注于提高生产力，而无需牺牲实现最佳性能所需的底层优化。

https://github.com/tile-ai/tilelang

TileLang 的核心价值在于大幅降低了 GPU 编程的技术门槛。传统 GPU 编程一直被视为高性能计算领域的 “技术高地”，需要开发者精通硬件架构、内存管理等复杂知识。

据 TileLang 开发社区 Tile-AI 发起人王磊博士在技术沙龙上透露，传统开发模式下，一个高性能算子的开发需要数周时间，且代码难以维护。而 TileLang 通过分层设计，让不同技术背景的开发者都能参与 GPU 编程。王磊博士在分享中表示：

如果你是完全不懂硬件的初学者，可以像写高级数学表达式一样编程；如果你是专家，也能进行深度优化。