把 3000 行除以 70 行，是 43 倍。这个比例帖子没算，我先替它算了。不过 43 只在论文的一张图里成立——Figure 14 比的是 H100 和 MI300X 两个平台上的 MLA，不是五个后端。这是我查下来最想补的一格。
- 作者是谁，帖子没说。arXiv 2504.17577 十个人：前五位北大（Lei Wang、Yu Cheng、Yining Shi、Zhengju Tang 并列一作，Zhi Yang 收尾），四位微软亚洲研究院（Lingxiao Ma、Yuqing Xia、Jilong Xue、Fan Yang），一位帝国理工（Zhiwen Mo）。【直引】所以这不是"DeepSeek 的项目"，是北大加微软的研究项目被 DeepSeek 用起来了。
- 后端数量报少了。主仓库 README 现在列 CUDA、ROCm/HIP、Metal、LLVM CPU、CuTe DSL、WebGPU 六个 target kind，再加"生态"一栏的 Ascend、MetaX MACA、摩尔线程 MUSA、海光 hcu、Sunrise TANG，一共十一条路。帖子说五个，是把六加五砍成了五。
- 但"五条路都一样好"这个印象要打折，因为 README 给的是支持级别：CUDA 写 Primary，ROCm/HIP 与 Metal 写 Supported，LLVM CPU 和 WebGPU 写 Experimental，Ascend 写 Ecosystem——它在外部仓库 tilelang-ascend 与 tilelang-mlir-ascend 里，不在主树。WebGPU 那行还有一句"code generation and runtime integration are still evolving"。【直引】帖子的表格把这几格写成齐平的，抹掉了这一列。
- 最硬的一条增量：就在你发帖前一天，9 月 30 日，DeepSeek 把昇腾版 TileLang 连同 DeepGEMM-Ascend、DeepEP-Ascend、TileKernels、FlashMLA、DeepSelect 一起开源，与英伟达那套一一对应。FlashMLA 在昇腾 950 上预填充最高到硬件理论峰值的 95%、解码 83%；DeepEP 在专家并行不超过 32 的测试里，数据分发带宽约到物理带宽上限的 90%–95%；128 卡昇腾 950 超节点是跟华为一起调的。【直引】
- 同一批文档里还有三句限定词，值得和上面那组数并排读：DeepEP 的测试用的是华为提供的概念验证版硬件开发套件，外加一套尚未公开分发的手动配置，完整带宽要等 Atlas 850E 商用 HDK；FlashMLA 昇腾版里部分融合内核与稠密注意力内核仍只支持 CUDA；DeepGEMM-Ascend 的量化缩放因子存储格式与英伟达版不同，迁移要改数据布局。【直引】InfoQ 还有一句更直白：昇腾后端含专用语言接口和存储操作，跨平台适配仍需结合目标硬件的执行方式调整。所以"写一次编译到五个后端"，在昇腾这条路上更准确的版本是"共享前端、各自后端"，跑满还得把芯片、软件、固件三样配齐。【推论】
- 论文 Limitations 里另有两条帖子没提：内建算子仍依赖 CUTLASS 与手工包装的 CUDA/HIP 代码；当前版本不支持分布式场景。