📖 AI 总结

IBM Spyre团队提出了一套从KTIR到SpyreCode的MLIR数据流后端编译方案，用于衔接PyTorch Inductor前端与Spyre加速器运行时。文章的核心在于明确前后端分工：Inductor负责确定并行分解，即哪个核心计算什么数据、数据存放在哪级内存；后端则专注于在该映射内进行数据流调度。KTIR作为一种基于数据并行视图的MLIR表示，承载前端已确定的映射信息，使后端无需重新推导。新开源的Dataflow Scheduler消费KTIR，将每个tile的工作拆分为程序，从简单的加载—计算—存储流水线出发，按架构描述将传输路由至内存层级，并扩展为嵌套、双缓冲、多实例的调度方案，输出以DataflowIR表示，最终由设备相关阶段生成SpyreCode，即符号化二进制加作业计划，供运行时一次准备、多次启动。该设计的意义在于以IR而非库调用作为边界，使调度过程成为可读的MLIR重写，提升了编译流程的透明性与可组合性。