cutlass

CUTLASS 是一个面向 GPU 加速线性代数计算的高性能 CUDA 模板库，专注于矩阵乘法（GEMM）及其变体的底层优化实现。它提供可组合、可配置的 C++ 模板组件，支持多精度（FP64/FP32/TF32/FP16/BF16/INT8/INT4/1-bit 等）、跨架构（Volta 至 Blackwell）的 Tensor Core 适配，并引入 Python 原生 DSL（CuTe）以降低开发门槛、提升编译效率与框架集成度。适用于深度学习框架底层算子开发、AI 芯片推理/训练加速、高性能计算中的定制化 GEMM 实现等场景。