# Języki i kompilatory kerneli

EN: **Kernel languages and compilers** · id `kerneldsl`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Inferencja i infrastruktura](https://aiatlasgraph.com/t/systems.md) › [GPU i obliczenia rozproszone](https://aiatlasgraph.com/t/compute.md) › Języki i kompilatory kerneli

## Description

- PL: Pisanie kerneli poziom wyżej niż czyste CUDA: kafelki, szablony, kompilatory.
- EN: Writing kernels one level above raw CUDA: tiles, templates, compilers.

## In one sentence

- PL: To języki i kompilatory ułatwiające pisanie małych, wydajnych programów obliczeniowych dla akceleratorów.
- EN: These languages and compilers make it easier to write small, efficient computation programs for accelerators.

## Problem it solves

- PL: Ręczne sterowanie każdym szczegółem karty jest trudne i zajmuje dużo czasu.
- EN: Manually controlling every hardware detail is difficult and time-consuming.

## What it does

- PL: Opisujesz obliczenia przez bloki danych lub szablony, a kompilator dobiera część instrukcji i szczegółów wykonania na sprzęcie.
- EN: You describe computations through data blocks or templates, and a compiler selects some instructions and execution details for the hardware.

## Everyday example

- PL: Piszesz przekształcenie liczb całymi blokami, a kompilator przygotowuje program działający równolegle na karcie.
- EN: You write a numerical transformation in whole blocks, and the compiler produces a program running in parallel on the card.

## This concerns you if you…

- PL: tworzysz własne operacje modelu
- PL: szukasz prostszego sposobu programowania akceleratora
- EN: create custom model operations
- EN: seek an easier way to program accelerators

## Keywords

Triton · CUTLASS · CuTe · TileLang · TVM · compiler lowering · autotuning

## How it works

- PL: Program opisuje operacje na kafelkach lub tensorach, a kompilator obniża je do instrukcji i rozmieszczenia pamięci. Parametry wykonania oraz autotuning dobierają podział pracy do kształtów wejścia i możliwości sprzętu.
- EN: A program describes tile or tensor operations, and a compiler lowers them to instructions and memory placement. Execution parameters and autotuning adapt work partitioning to input shapes and hardware capabilities.

## Limits

- PL: Abstrakcja nie usuwa potrzeby rozumienia transferów i zasobów. Kompilacja oraz strojenie kosztują czas; wydajność i obsługa operatorów zależą od backendu oraz kształtów danych.
- EN: Abstraction does not remove the need to understand transfers and resources. Compilation and tuning take time; performance and operator support depend on backends and data shapes.

## Key terms

- PL: **lowering**: Przekład operacji wysokiego poziomu na instrukcje bliższe sprzętowi.
- PL: **autotuning**: Pomiar wariantów konfiguracji w celu wyboru szybszego wykonania.
- EN: **lowering**: Translating high-level operations into instructions closer to hardware.
- EN: **autotuning**: Measuring configuration variants to select faster execution.

## Know first

- [Programowanie GPU (CUDA) (GPU programming (CUDA))](https://aiatlasgraph.com/t/gpuprog.md)
- [Kernele mnożenia macierzy (GEMM) (Matrix multiplication kernels (GEMM))](https://aiatlasgraph.com/t/gemm.md)

## Examples

- PL: Triton · CUTLASS/CuTe · TileLang · TVM

## Sources

- [Performance Engineering for AI Infra — learning guide](<https://github.com/wafer-ai/gpu-perf-engineering-resources>) `wafer-gpu` · GitHub repository · tiered curriculum (Tier 1–3) · MIT licence · by Wafer (wafer-ai): Company material with a hiring note, but the evidence is mostly primary sources. Table of contents sieved: only topics became nodes; tiers kept as link labels.

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/kerneldsl · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30