加速国产GPU开发！摩尔线程开源高性能计算库MUTLASS

摘要： 11月12日消息，摩尔线程宣布，正式开源高性能线性代数模板库MUTLASS，以便开发者能够更高效地针对摩尔线程GPU MUSA Core、Tensor Core等单元进行编程，加速...

11月12日消息，摩尔线程宣布，正式开源高性能线性代数模板库MUTLASS，以便开发者能够更高效地针对摩尔线程GPU MUSA Core、Tensor Core等单元进行编程，加速基于国产GPU的算子开发以及算法创新。

在此之前，摩尔线程已经相继开源OpenCV-MUSA计算机视觉库、MooER音频理解大模型、vLLM-MUSA大语言模型高速推理框架。

▼ MUTLASS开源地址：

https://github.com/MooreThreads/mutlass

在数值计算和深度学习领域，矩阵乘法（GEMM）及其变种，比如FlashAttention、Convolution，是构建复杂上层应用的基石。

不够，为了追求更高的算子融合效率，或者更创新的算法，开发者们往往需要超越标准化计算接口的限制，如标准BLAS接口以及芯片厂商的计算库接口，以实现高性能的定制化算子。

MUTLASS（MUSA Templates for Linear Algebra Subroutines）正是为满足这一需求而设计。

作为摩尔线程专为自研MUSA架构优化的高性能计算库，MUTLASS是基于开源模板库CUTLASS进行的MUSA适配和定制化开发、优化。

针对矩阵乘法及相关变种，MUTLASS提供了一系列高性能的C++模板组件，并采用了与muDNN库类似的分层分解及数据搬运策略，以确保性能的充分发挥。;

在本次开源的版本中，摩尔线程适配了CuTe后端库，为其增加了第三代MUSA架构的MMA计算原语，支持TF32/FP16/BF16/INT8等多种数据精度，并以此为基础，初步实现了矩阵乘法、默认实例库、性能测试器及相关工具包的支持。

借助MUTLASS，开发者们既可以灵活复用不同层级的模板组件，也可以按需修改各种模板组件的实现细节，以较低的开发成本实现定制化的高性能算子，从而在摩尔线程全功能GPU上充分释放性能，并尝试更多的算法创新。

摩尔线程将持续优化MUTLASS的性能，并不断引入新的功能。