Modular推出的Structured Mojo Kernels旨在提升GPU编程的可维护性和性能。该架构通过组件化设计，实现了在不同硬件上高效运行的能力。与传统方法相比，Structured Mojo Kernels显著减少了代码量，同时保持与CUTLASS相同的性能，展现了可重用性和资源管理的优势。

本文讨论了结构化Mojo内核的设计，强调模块化编程的优势。通过示例展示了如何灵活替换和参数化内核组件，以适应不同的数据访问模式和数据类型，从而提高内核的维护和扩展效率，减少代码冗余和错误传播。

在NVIDIA GTC展会上，我们展示了基于MAX框架的FLUX图像生成和Mojo编程的CUTLASS内核移植。DeepSeek V3在云端运行，提供实时指标，欢迎到3004号展位交流。

Modular收购BentoML，旨在提供云端AI生产解决方案。文章介绍了结构化Mojo内核架构，强调其在GPU内核中的优势，如减少代码量和提高性能。通过分离数据移动、管道协调和计算，结构化内核实现了跨硬件的可扩展性，简化了开发过程。

Modular收购BentoML，旨在提供云端AI生产解决方案。Mojo语言通过结构化内核简化GPU编程，提升开发效率，减少代码复杂性，同时保持高性能。结构化Mojo内核将逻辑分为三个核心组件，确保清晰的接口和职责分离，降低错误率并提高可维护性。

一位Mojo社区成员利用AI在Mojo中解决了量化挑战，其速度比C++/CUDA实现快1.07到1.84倍。Mojo简化了GPU编程，适合开发者使用。

我参加了一个量化挑战，使用Mojo编程，结果比C++/CUDA实现快1.07到1.84倍。Mojo简化了GPU编程，适合开发者尝试。

Mojo语言自三年前起步，现已发展至1.0版本，旨在为开发者提供高性能的CPU和GPU编程。它结合了Python语法与现代系统编程能力，促进了开发者社区的成长。1.0版本将增强稳定性，未来将推出更多功能。

模块宇宙正在快速发展，社区不断创新，开发者们推出了Mojo的高性能计算库和量子模拟器。模块在AI和高性能计算领域表现优异，最近的基准测试显示其性能超过CUDA。模块团队还将举办活动，欢迎参与。

本系列博客将展示如何在Nvidia Blackwell GPU上编写高性能矩阵乘法内核，力求达到或超越cuBLAS的性能。第一部分介绍矩阵乘法的重要性及其在大型语言模型中的应用，并用Mojo语言实现简单的矩阵乘法。后续部分将逐步优化内核性能，利用Blackwell的新硬件指令。

过去一个月，Modular生态系统迎来了多个社区项目和里程碑。Modular Platform 25.5发布，支持大规模批量推理，成本降低80%。社区成员积极实验Gaussian splatting，构建Mojo中的概率数据结构，并举办聚会。Mojo在2025年Stack Overflow开发者调查中首次亮相，显示出快速采用。

上个月，Modular生态系统发布了25.4版本，与AMD建立了合作关系，支持AMD和NVIDIA硬件。新版本在BF16工作负载上提升了53%的吞吐量。全球开发者参与了Modular Hack Weekend，创造了量子模拟器和生物信息学库等项目。此外，推出了Mammoth系统，支持跨GPU的GenAI推理，Mojo内核可直接集成到Python工作流中。

本周末，AI和系统编程社区的开发者参加了全球虚拟黑客马拉松，专注于Mojo和MAX的GPU编程。活动包括研讨会和项目开发，获奖项目有快速傅里叶变换、Mojo-Lapper和量子电路模拟器。感谢NVIDIA、Lambda和GPU MODE的支持。

Modular旨在通过统一开发者、软件和硬件，解决AI软件生态的碎片化问题，推动AI技术的广泛应用。其平台包括Mojo编程语言、MAX服务框架和Mammoth集群管理，支持多种硬件，提升开发者体验。

Modular Platform 25.4正式支持AMD GPU，提升AI模型性能，降低成本，增强灵活性。新增Mojo与Python绑定，简化开发流程，欢迎开发者贡献，共同推动AI基础设施发展。

五月发布了Modular Platform 25.3，包含超过45万行代码。举办了社区聚会和GPU内核黑客马拉松，吸引了100多名工程师和研究人员，分享了Mojo和MAX的最新进展。Mojo现已支持直接从Python调用，性能得到提升。社区的开源贡献持续增加。