Triton 是一个开源的 GPU 编程语言与编译器，专门用来编写深度学习中的高性能计算算子。算子就是神经网络里的一次具体计算单元，比如矩阵乘法、注意力计算，它写得好不好，直接决定模型在 GPU 上跑得快不快。Triton 的卖点是用接近 Python 的语法写出这类算子，把优化工作交给编译器自动完成。这个项目在 GitHub 上已有 20.1k star，最新稳定版 3.8.0 于 2026 年 8 月 28 日发布，是 AI 框架生态里不可忽视的基础设施。
为什么需要一门新语言
写 GPU 算子的传统方式是 CUDA。CUDA 是英伟达（NVIDIA）提供的 GPU 编程框架，用类 C++ 的语法编写，给开发者完全的底层控制，但门槛高、代码量大——写一个简单算子也要处理线程调度、显存布局等大量细节。
另一类方案是直接用现成的深度学习框架（比如 PyTorch 内置的算子），开箱即用，但只能用框架预先提供的功能。想实现一个研究中的新算法，往往要等框架更新，或者只能自己动手。
Triton 想同时解决这两个问题：比 CUDA 更容易上手，比通用框架更灵活。它的官方定位是提供开源环境，以高于 CUDA 的生产力、高于其他领域特定语言（DSL）的灵活性来编写自定义算子——DSL 指为特定领域设计的编程语言，Triton 这门语言就是专为 GPU 计算而生的。
它在 AI 生态里的位置
Triton 和 PyTorch 关系密切：生态中不少高性能算子的开源实现都基于 Triton 编写，例如 FlashAttention——一种把注意力计算加速数倍的算法，它的常见实现就包含 Triton 版本。GitHub 的依赖统计显示，有超过 8.8 万个下游项目在依赖这个仓库。
社区也在持续活跃：第 3 届 Triton 开发者大会于 2025 年 10 月 21 日在美国加州山景城的微软园区举办，会议录像与幻灯片均已公开，任何人都可以免费观看。
它是怎么工作的
Triton 由语言和编译器两部分组成。开发者用 Python 风格的代码写出算子，编译器负责把它翻译成 GPU 能执行的指令。编译器底层基于 LLVM——一套开源的编译器基础设施，Rust、Swift 等语言的编译器也构建在它之上；Triton 2.0 版本还将后端重写为 MLIR（LLVM 生态中用于构建编译器的中间表示框架），并支持了连续矩阵乘法等新特性。
硬件支持方面：Triton 支持英伟达 GPU（计算能力 8.0 及以上）和 AMD GPU（ROCm 6.2 及以上，ROCm 是 AMD 的 GPU 计算平台），CPU 后端正在开发中。从仓库代码构成看，约 40.6% 是 MLIR、32.7% 是 Python、26% 是 C++。
上手很简单
安装只需一条命令：pip install triton，官方提供 CPython 3.10 到 3.14 的预编译安装包。安装说明和教程都在官方文档（triton-lang.org）。
对还没有 GPU 的开发者，Triton 提供了解释器模式：可以直接在 CPU 上运行教程示例，甚至能在算子代码里插入 Python 断点调试。这意味着零硬件成本也能把 Triton 的语法和概念学起来。
结论
Triton 解决的是「想写 GPU 高性能算子、又不想从头啃 CUDA」的痛点：Python 语法负责好写，编译器负责优化，同时保持比通用框架更高的灵活性。对做深度学习研究、模型推理加速，或者想入门 GPU 编程的开发者来说，它是目前最值得关注的开源选择之一——装一个 Triton、跑通官方教程，入门路径比从 CUDA 开始平缓得多。