这本书的硬件基础是 Blackwell，它相比前代 Hopper 增加了几个关键特性：Tensor Memory (TMEM) 是一个 256KB 的片上内存，让 Tensor Core 不再依赖寄存器文件读写，与 CUDA Core 的并行度更高；TMA（张量内存访问）支持用单条指令在全局内存和共享内存间搬运多维数据块，并能与异步拷贝引擎重叠计算与传输。这些硬件变化直接决定了书中 Warp Specialization、双 CTA Cluster 等优化手段的底层逻辑，不理解它们就看不懂『为什么这么优化』。

陈天奇的新书教的是用 TIRx DSL 手动控制每个硬件细节来榨干 Blackwell。而 OpenAI 的 Triton 走了一条相反的路：开发者只需用 Python 写出块级计算逻辑，编译器自动推理分块、内存搬运和线程束调度。Triton 在 PyTorch 2.x 里已是默认编译后端，用户无需理解 TMA 或 TMEM 即可写出高性能算子。两种路线的本质分歧在于：手写极致效率 vs 编译器自动化的可维护性，各自的适用场景也在随硬件复杂度上升而拉大。

陈天奇团队在 MLSys 2025 获最佳论文的 FlashInfer 已集成到 vLLM、SGLang，首个适用于 DeepSeek MLA 的 Blackwell 内核也出自其中。这次新书把 FlashAttention 4 作为全书终点，意味着他正把学术研究成果（FlashInfer）系统化变成可教学的内容。更值得关注的信号是：NV 收购 OctoAI 后陈天奇担任杰出工程师，这套课程+书籍可能是英伟达培养下一代 GPU 编程人才的战略工具——从『给开发者发文档』转向『教开发者思维模型』。

当 Triton 已被 PyTorch 内置、FlashAttention 库已有现成实现时，陈天奇还要从头教一套新 DSL TIRx 来写 kernel。真正值得追问的不是『TIRx 快不快』，而是：在工业界，纯手动优化的 kernel 是否会被编译器（Triton / MLIR + 自动调优）逐渐替代？两者交叉验证表明，编译器在标准场景（GEMM、Attention）已能逼近手写性能的 90% 以上，但手写仍然在极少数特殊融合算子、低精度 MoE 场景中保持优势。分水岭可能在 1-2 代架构迭代后显形。