Modular：2026年LLVM开发者大会：智能体时代的持久基础设施
内容提要
作者参加LLVM开发者大会后指出，智能体加速代码生成导致加速器专用代码和DSL激增，带来重复维护与共享困难。大会主旨演讲强调，持久项目需共享意图、可读抽象与人工投入。作者认为Mojo与MAX可像MLIR一样提供跨硬件统一层，兼顾性能与可维护性，并呼吁社区重视协作与新人培养。
延伸解读
智能体加速代码生成，反而抬高“可验证层”的价值
文章引用 Kristof Beyls 的主旨演讲，用“系统1/系统2”作比：智能体像快速、直觉、多产的系统1，编译器则像缓慢、审慎、受规则约束的系统2。由此得出的判断并非编译器会被取代，而是快速生成只有建立在可靠、可验证的底层之上才有意义。对读者而言，这意味着评估智能体产出时，重点应放在其背后是否有可核验的工具链与标准，而不只是看生成速度。
DSL 激增是症状：优化有效，但维护成本被成倍放大
文章指出，新加速器代际不断到来、旧硬件仍在服役，团队既要写可读的加速器专用代码，又要支持多种架构，常见答案就是不断新建 DSL。NVIDIA 的 BaseDSL 通过插件在 MLIR 上更快构建 Python DSL，减少了重复搭建，但即便有共享框架，各团队的 DSL 仍互不兼容、缺少共享工具，且每一个都要单独维护。这与主旨演讲强调的共享意图、可读抽象形成直接冲突。
延迟更新会 compounding：共享工具比一次性补丁更省事
Google 团队关于维护 LLVM tip-of-tree fork 的演讲给出一个值得注意的发现：推迟更新会因破坏性变更累积而引发更多延迟；同一 monorepo 内各团队各自独立应用 LLVM 和 MLIR 更新，还造成维护工作重复。其解决方案是更好的共享工具，以实现更高效、协调的推进。这与前一日主旨相呼应：一次性“创可贴”方案更容易，但偏离共享架构会让代码更难理解和维护。
Mojo/MAX 的定位参照 MLIR，但社区投入仍是前提
作者认为 Mojo 处于 MLIR 八年前的位置：当年多个芯片团队各自构建基于 SSA 的优化器、无法共享，MLIR 通过统一实现细节解决互操作问题；Mojo 则在更高一层提供统一层，并经 MLIR 下沉，MAX 把硬件支持只构建一次。但文章同样强调，持久项目依赖沟通意图、维护认知与支持贡献者，现场也有维护者对大量“路过式”AI 生成 PR 表达沮丧，说明工具之外仍需人的协作与带教。
Q&A
LLVM开发者大会主旨演讲里提到的“房间里的大象”指的是什么？
指的是智能体开发（agentic development）。智能体能快速生成针对特定设备优化的代码，这种速度可能让架构显得可随意替换，从而与持久基础设施所需的共享标准、工具和抽象产生张力。
为什么说智能体加速代码生成反而让编译器更重要？
Kristof Beyls用卡尼曼的系统1/系统2作类比：智能体像系统1，快速、直觉、高产；编译器像系统2，缓慢、审慎、受规则约束。快速生成的代码只有背后有可靠、可验证的层才有用，所以智能体不会让编译器边缘化，反而让审慎可验证的层更重要。
Kristof认为持久的开源项目需要具备哪三个条件？
一是传达意图（communicating intent），二是维护认知（maintaining cognition），三是支持贡献者（supporting contributors）。项目需要更刻意地记录和分享架构愿景与质量标准，并持续投入人力培养新人。
Google团队维护LLVM tip-of-tree分支发现了什么问题？
他们发现延迟更新会导致更多延迟，因为破坏性变更会累积。同时，各团队在同一monorepo上独立应用LLVM和MLIR更新，造成维护工作重复。他们的解决方案是更好的共享工具，以实现更高效协调的工作。
DSL激增带来了什么矛盾？
每个DSL都提供必要的优化，但合在一起会成倍增加需要理解、记录和维护的内容，且各DSL互不兼容、缺乏共享工具。这与主旨演讲强调的共享意图和人类可读抽象相冲突。
Mojo和MAX如何解决跨硬件统一的问题？
Mojo像MLIR一样提供统一层，但是位于栈的更高一层：它是完整语言，通过MLIR下沉，建立在LLVM贡献者熟悉的基础设施上，兼具可读语法和强大元编程。MAX在Mojo之上提供加速器支持，硬件支持在MAX中构建一次并通过单一语言优化，而不是每个团队用自己的DSL和栈重建。
Modular硬件联盟是如何借鉴LLVM模式的？
联盟把LLVM模式应用到AI计算：由硬件厂商共同构建一个通用软件层，并通过一致性测试（conformance testing）保持生态兼容，同时协调硬件bring-up的模式。
智能体时代开源社区面临什么贡献者问题？
LLVM维护者反映收到大量“顺路”AI生成的PR，却没有人愿意接受反馈并跟进到底；新贡献者缺乏沟通，Zig甚至因此禁止AI贡献。同时，“贡献者扑克”所依赖的 productive friction 被智能体削弱，需要用沟通和更好的提交验证来补强。
