利用 NVIDIA CUDA Tile 高性能前向算子加速 Mamba-2

NVIDIA 推出基于 Python 的领域特定语言（DSL）与并行编程模型 CUDA Tile（cuTile），旨在利用硬件能力为 GPU 分块级编程提供峰值性能，以加速 Mamba-2 的高性能前向算子。cuTile 将线程与 warp 级调度抽象为以 tile 为核心的高层原语，支持开发者直接使用 Python 编写 GPU 算子，并由编译器自动执行优化。