NVIDIA CUDA Tile 用高性能前向传播内核加速 Mamba-2

NVIDIA 在 CUDA Tile（cuTile）中实现 Mamba-2 高性能前向传播内核，用 Python 编写 GPU 内核即可获得峰值性能。cuTile 是面向 NVIDIA GPU 的 Python DSL 与并行编程模型，将线程级和 warp 级调度抽象为高层、以 tile 为中心的编程原语，由编译器自动完成优化。