论证期 · 团队补课
类 CUDA · 类 Triton
高端芯片预期：算子、众核编译、框架。协作方推类 CUDA；我方可在其上建类 Triton。先分清层级，再天天练。
1. 两层，不是两门平行课
框架（PyTorch / 自研）
↓
类 Triton：算子 DSL + 编译（tile / 融合 / autotune） ← 我方构建重点
↓ 生成或调用
类 CUDA：编程模型 + Runtime + 工具链 ← 协作主攻，可选参与
↓
众核硬件 ISA
类 CUDA = 怎么在众核上跑线程与访存。
类 Triton = 怎么用更高层 DSL 写出可自动优化的算子。
没有相对稳定的 Runtime，类 Triton 无处降落。
类 Triton = 怎么用更高层 DSL 写出可自动优化的算子。
没有相对稳定的 Runtime，类 Triton 无处降落。
2. 任务 ↔ 练什么
| 任务 | 知识 | 现在用什么练 |
|---|---|---|
| 算子开发 | tiling、融合、精度、测速 | Triton 04b/04c + 官方 Tutorial |
| 众核编译 | 并行映射、存储、同步、IR→码 | 读 compile 日志；CUDA/PTX 概念 |
| 框架构建 | 图 IR、Backend、契约、Session | LxCC / bid 经验迁移 |
| 参与类 CUDA | 线程层次、launch、Runtime API | CUDA Guide 入门 + 一个 .cu |
| 建类 Triton | DSL、降到 Runtime、autotune | triton_lab 公开作品 |
3. 类 CUDA 最小口述
- 主机编排 / 设备执行
- Thread → Warp → Block → Grid（名字可变，层次要留）
- 全局 / 共享 / 寄存器
- Kernel launch + 同步
- H2D/D2H；工具链：编译 → 装载 → 驱动
材料：CUDA C++ Programming Guide（先读前几章）。
4. 类 Triton 最小口述
kernel[grid](args)：grid 是启动配置，不是签名参数program_id= tile id；BLOCK + mask 处理尾块- 融合 = 少一次全局写回（对照 Inductor 的 fused_add_relu）
- 底下仍要有 Runtime 做分配与 launch
材料：compile 页 · Triton Tutorials · 口卡③
5. 框架窄腰（论证可用）
优先冻结：IR + Backend 接口 + Runtime ABI，先 1～2 条算子竖切，再谈完整训练框架。边端已有经验：进图 → Pass → 边契约 → golden。
6. 叙事一句
生态分两层：底层类 CUDA（协作推进，我方可参与子集）；上层类 Triton（算子生产力）。我方并做算子、编译衔接与框架窄腰；近期用 GPU 上 CUDA/Triton 代理练兵，接口冻结后垂直迁移。
7. 知识层（L0～L5）
- L0 异构心智：主机/设备、算死搬死、存储层次
- L1 类 CUDA：线程层次、launch、Runtime
- L2 类 Triton：tile DSL、融合、降到 Runtime
- L3 众核编译：映射、同步、IR→码
- L4 框架窄腰：图、Backend、ABI
- L5 算子工程：库、注册、CI/golden
8. 可观看（P0 先这几条）
- Triton： B 站「从入门到大师」 必看第 1–6 集（向量加→Softmax→Matmul）
- Triton： GPU MODE Lecture 14 + notebook
- CUDA： 编程基础入门系列（线程模型+内存）· 周斌 CUDA 教程合集
- MLIR： 概述 2～3 集（只动机，不追剧）
精读已上站：Triton 精读导览（合集 / L14 / L29 / 侧翼）。完整选集与「看完立刻做」见 ob：资料清单_可观看与文档_类CUDA_Triton.md；媒体在本地 gpu_triton/。
9. 文档 + GitHub
- CUDA Programming Guide（Part1）· Best Practices
- Triton 教程（中） · EN · 源码
- torch.compiler · 本站 compile
- FlagTree · FlagGems · TileLang
- rocm-examples · HIP SAXPY
学法：视频绑定官方 tutorial → triton_lab 改旋钮出表 → 生态仓只读 README 画层级图。