09. AI 编译器

本章定位：本章节关注从模型图到高性能内核的关键编译技术。

你将学习

• Triton 内核优化思路
• oneAPI 等异构编译环境
• 面向训练/推理的编译策略差异

🧭 阅读地图

• 前置章节：07. 异构计算——编译器为异构硬件生成代码，先懂硬件抽象
• 本章定位：第三部 L3 开篇——MLIR/Triton/编译管线，理解"模型图→高性能内核"的中间层
• 推荐顺序：先懂为什么需要编译器（Triton 学习路径）→ MLIR 架构 → PyTorch 编译栈 → 动手写 Triton
• 下一章：10. 深度学习框架——编译产物如何被框架调度起来

文章目录

实战：OpenAI Triton 入门指南

深入浅出介绍 OpenAI Triton 编程，从 Block 编程理念到向量加法实战，通过 Python 驾驭 GPU 极致性能。

阅读文章 →

MLIR 架构解析：AI 编译器的统一中间表示

以可复现的编译命令与 IR 样例逐段拆解 MLIR：Dialect 分层、Operation 与 SSA、IR 降级流水线、与 Triton/XLA 的关系，附工程启示。

阅读文章 →

Intel oneAPI 基础安装与环境配置

Intel oneAPI Base Toolkit 与 HPC Toolkit 的全流程安装、环境变量配置及 MPI 运行测试指南。

阅读文章 →

PyTorch 编译栈实战：TorchDynamo 到 TorchInductor 的算子融合

以可复现脚本逐段拆解 PyTorch 编译栈：TorchScript、TorchDynamo、TorchInductor 的定位与演进，compile 模式实测、算子融合原理、IR 追踪与生产加速收益，附工程启示。

阅读文章 →

🚀 深入 OpenAI Triton：从零构建 FlashAttention 与高性能流体模拟器

作者：Technical Learner (Root User) 环境：Python 3.12 + NVIDIA GPU (A100/H100 Level)

阅读文章 →

CUDA 编译管线深入：nvcc → PTX → SASS 的优化空间

两级编译、gencode 组合与产物分析。

阅读文章 →

AI 编译器工作机理：前端融合、后端 Kernel 与自动调优

三层结构、算子融合类型与收益、AutoTuning 三条路线、PyTorch2.0 torch.compile 拆解。

阅读文章 →

Triton 手写内核实战：从向量加法到 FlashAttention 核心

以可复现脚本逐段拆解手写 Triton 内核：向量加法、分块 GEMM、softmax 与 FlashAttention 核心，含性能对比与 kernel 调优（块大小/循环展开），附工程启示。

阅读文章 →