國產(chǎn)GPU組了個(gè)開源局，把SGLang等核心開發(fā)者都搖來了！

金磊 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

沒有大廠高管站臺(tái)，一屋子卻擠滿了開源圈的熟面孔。

隨便往臺(tái)下掃一眼，就能對上好幾個(gè)GitHub上的明星ID：

• 有目前大模型推理框架頂流SGLang的核心開發(fā)者BBuf（Xiaoyu Zhang）；
• 有主導(dǎo)下一代算子編程生態(tài)TileLang的維護(hù)者唐正舉
• 有操刀KVCache解耦與傳輸神器Mooncake的核心貢獻(xiàn)者馬騰
• 有來自智源人工智能研究院、圍繞Triton/FlagOS死磕AI編譯器的肖航
• 還有像R0CKSTAR這樣在GitHub上異常活躍的硬核開發(fā)者。

這場看似是開源圈極客們的面基會(huì)，卻著實(shí)是有點(diǎn)反差在身上的——

活動(dòng)的攢局者，是國產(chǎn)GPU玩家，摩爾線程。

這事確實(shí)有點(diǎn)意思。

因?yàn)檫^去提到國產(chǎn)GPU，外界最容易想到的關(guān)鍵詞，往往還是硬件參數(shù)、顯存容量、算力指標(biāo)、生態(tài)替代、模型能不能跑起來。

但這場SGLang × MUSA Meetup真正拋出的問題已經(jīng)變了：

怎么讓國產(chǎn)GPU真正進(jìn)入大模型推理的主流開源工程鏈路？

說得更直接一點(diǎn)，就是讓SGLang、Triton/FlagOS、TileLang、Mooncake、KVCache、P/D分離、分布式通信、CI/CD、upstream PR這些東西，能夠圍著國產(chǎn)GPU一起轉(zhuǎn)起來。

有一說一，在整體聽下來之后，有一個(gè)非常直觀的感受。

那就是國產(chǎn)GPU的競爭，已經(jīng)不只是芯片參數(shù)之爭，轉(zhuǎn)而開始邁向生態(tài)坐標(biāo)之爭。

為什么這么說？我們繼續(xù)往下看。

國產(chǎn)GPU開始“擴(kuò)圈”了

先看這場Meetup本身。

它的主題很明確：SGLang × MUSA。

SGLang是當(dāng)下大模型推理serving領(lǐng)域關(guān)注度很高的開源框架，面向LLM和多模態(tài)模型，核心目標(biāo)是低延遲、高吞吐，覆蓋從單卡到大規(guī)模分布式集群的部署場景。

這類框架之所以重要，是因?yàn)榻裉斓拇竽Ｐ吐涞兀缇筒皇恰澳Ｐ陀?xùn)練好了，放上去跑”這么簡單。

真正進(jìn)入生產(chǎn)環(huán)境后，系統(tǒng)要處理的是一整套復(fù)雜問題。

例如prefill和decode怎么拆，KVCache怎么復(fù)用，長上下文怎么省錢，多輪對話怎么降TTFT，大規(guī)模集群怎么調(diào)度，新模型發(fā)布后怎么day-0 support，出了性能gap怎么定位到具體kernel。

第一個(gè)上臺(tái)的是SGLang核心開發(fā)者BBuf。

△SGLang核心開發(fā)者BBuf

這個(gè)在GitHub上擁有27k星的開源推理框架，現(xiàn)在已經(jīng)是全球開發(fā)者部署大模型的首選。

他帶來的SGLang 2026 Q2 Roadmap，每一條都踩在行業(yè)的痛點(diǎn)上：

• 針對DeepSeek V4的全鏈路優(yōu)化，包括W4A16量化、MegaMoE加速和稀疏注意力支持；
• jit_kernel全面替代傳統(tǒng)的sgl-kernel，用TVM-FFI把編譯速度提升了數(shù)倍，再也不用等幾個(gè)小時(shí)的wheel包；
• Vibe Coding全面落地，用AI agent自動(dòng)分析profiler、定位性能瓶頸、提交PR，5月前已經(jīng)完成了超過60個(gè)優(yōu)化任務(wù)；
• 多模態(tài)能力全面升級，支持LTX2、Wan、混元視頻等最新模型，性能比其他框架最高快5倍。

最讓人印象深刻的是他展示的一組數(shù)據(jù)。

SGLang通過P/D分離架構(gòu)，在12個(gè)H100節(jié)點(diǎn)上跑出了52.3k輸入token/s/node、22.3k輸出token/s/node的成績，比DeepSeek官方API還便宜5倍，這個(gè)結(jié)果已經(jīng)被全球10多個(gè)團(tuán)隊(duì)復(fù)現(xiàn)。

緊接著上臺(tái)的摩爾線程ContributorR0CKSTAR，帶來了全場最硬核的工程實(shí)踐分享。

△摩爾線程工程師R0CKSTAR

他用一句話總結(jié)了過去半年的工作：

SGLang on MUSA已經(jīng)完成了從環(huán)境構(gòu)建到CI測試的全鏈路打通。

這意味著什么？

現(xiàn)在你只要克隆SGLang的官方倉庫，安裝sgl-kernel和sglang，就能在摩爾線程MTT S5000顯卡上直接運(yùn)行幾乎所有主流大模型。

DeepSeek、通義千問3.5、GLM-4.5、FLUX、Wan這些熱門模型，都已經(jīng)完成了深度優(yōu)化。

他特別提到了MUSA的三層CUDA兼容棧。

過去適配一個(gè)推理框架要改幾千行代碼，現(xiàn)在只要在開頭加一行import torchada，99%的CUDA代碼就能直接運(yùn)行。這個(gè)看似簡單的改動(dòng)，解決了國產(chǎn)GPU生態(tài)的一大痛點(diǎn)。

據(jù)了解，截至5月12日，摩爾線程在SGLang主線累計(jì)提交47個(gè)PR，其中41個(gè)已合入，完成了從環(huán)境構(gòu)建到分布式推理的全鏈路打通。

智源的肖航則帶來了DeepSeek V4在MUSA上的Day0 適配成果。

△智源AI編譯器研究員

通過FlagOS的Triton算子優(yōu)化和摩爾線程的SQMMA張量加速引擎，他們把DeepSeek V4的首token延遲降低了56.7%，吞吐量提升了23%。

對此，肖航表示：

我們沒有做什么黑魔法，就是把兩個(gè)最關(guān)鍵的算子優(yōu)化到了極致。

FP8 矩陣乘算子平均加速8.85倍，稀疏注意力算子平均加速6.01倍，這兩個(gè)占了推理時(shí)間80%的算子一優(yōu)化，端到端性能自然就上去了。

TileLang維護(hù)者唐正舉的分享，則讓所有人看到了下一代算子編程的未來。

△TileLang維護(hù)者唐正舉

這個(gè)2025年2月才開源的項(xiàng)目，短短一年多就收獲了6k星和133位貢獻(xiàn)者，連DeepSeek V4的核心kernel都是用TileLang寫的，正如唐正舉所說：

用TileLang寫FlashAttention，只要50行Python代碼，性能和專家手寫的CUDA一模一樣。

并且從他在現(xiàn)場展示的對比圖來看，同樣的GEMM算子，TileLang用15行代碼達(dá)到了CUTLASS的性能，代碼量減少了90%。

最后上臺(tái)的阿里云馬騰，帶來了Mooncake項(xiàng)目的最新進(jìn)展。

△Mooncake Contributor 馬騰

這個(gè)專注于KVCache解耦的項(xiàng)目，現(xiàn)在已經(jīng)是SGLang、vLLM等主流推理框架的標(biāo)配。

他展示的一組較為吸睛的數(shù)據(jù)：

通過RDMA P2P權(quán)重更新，Kimi K2 1T模型的權(quán)重同步時(shí)間從53秒降到了7.2秒，加速了7.37倍；EPD三級解耦架構(gòu)讓多模態(tài)模型的首token延遲降低了6-8倍；HiCache + Mooncake后端讓多輪對話的緩存命中率超過90%。

至此，這場Meetup的拼圖基本完整——

SGLang是推理框架主鏈路，MUSA是國產(chǎn)GPU底層平臺(tái)，F(xiàn)lagOS/Triton解決關(guān)鍵算子優(yōu)化，TileLang降低高性能kernel編程門檻，Mooncake補(bǔ)上KVCache和生產(chǎn)部署。

這，便是一條較為完整的工程鏈路。

為什么摩爾線程能把他們搖來？

這個(gè)問題的答案不能只歸結(jié)為辦了一場活動(dòng)。

開源圈很現(xiàn)實(shí)，大家愿意來，核心原因不是誰會(huì)講故事，是這件事真的和他們正在做的工程問題有關(guān)。

首先看MUSA本身的設(shè)計(jì)初心。

摩爾線程CTO張鈺勃在開場中解釋，MUSA是Meta-computing Unified System Architecture。

△摩爾線程CTO張鈺勃

Meta-computing指向通用計(jì)算，摩爾線程希望GPU盡量擁抱通用計(jì)算，而不是給未來可計(jì)算的領(lǐng)域設(shè)限；Unified則意味著摩爾線程產(chǎn)品希望遵循同一套統(tǒng)一標(biāo)準(zhǔn)，避免不同產(chǎn)品線使用不同指令集和架構(gòu)，導(dǎo)致軟件生態(tài)無法積累。

更關(guān)鍵的一句話是，MUSA不希望開發(fā)者為了使用MUSA而重新學(xué)習(xí)一套東西。

這句話看似樸素，其實(shí)直指國產(chǎn)GPU生態(tài)的痛點(diǎn)。

開發(fā)者最怕什么？

不是新硬件本身，是為了新硬件，學(xué)習(xí)一整套新API，重寫一堆代碼，改完還進(jìn)不了上游，社區(qū)一更新又要重新補(bǔ)丁。

如果一個(gè)國產(chǎn)GPU生態(tài)要求開發(fā)者從頭學(xué)一遍，那它面對的便是巨大的遷移阻力。

所以MUSA的路線，是盡量貼近開發(fā)者已經(jīng)熟悉的GPU編程方式、API接口和使用習(xí)慣。底層實(shí)現(xiàn)可以不同，但上層體驗(yàn)盡可能一致。

三層CUDA兼容棧的意義就在這里。

torch_musa負(fù)責(zé)把PyTorch和MUSA的基礎(chǔ)能力接起來；torchada負(fù)責(zé)讓CUDA-first生態(tài)繼續(xù)工作；mthreads-ml-py負(fù)責(zé)把設(shè)備管理、拓?fù)洹@存、MTLink、P2P等信息暴露給上層框架。

用一句更通俗的話說，摩爾線程在盡量把原來的路修到自己門口。

這直接影響到開源社區(qū)協(xié)作的可行性。

因?yàn)樯嫌雾?xiàng)目最看重的是低侵入、可維護(hù)、可復(fù)用。如果一個(gè)適配方案需要大面積改動(dòng)主線代碼，后續(xù)每次rebase都痛苦，上游很難接受。

反過來，如果適配可以通過更透明的方式完成，PR就更容易被review，也更容易持續(xù)跟隨社區(qū)迭代。

這就是從“我自己維護(hù)一個(gè)分支”到“我進(jìn)入主線”的區(qū)別。

再看生態(tài)結(jié)合。

SGLang × MUSA，是推理主鏈路打通。

摩爾線程從去年開始把SGLang作為重點(diǎn)接入和貢獻(xiàn)的開源項(xiàng)目，經(jīng)過大半年努力，MUSA后端近期已經(jīng)合入SGLang主線。后續(xù)不只是跟隨feature，也希望在框架層面貢獻(xiàn)更多能力。

這件事的意義在于，國產(chǎn)GPU不再只是某個(gè)框架的外部適配對象，已經(jīng)開始成為主線生態(tài)的一部分。

FlagOS × MUSA，是關(guān)鍵算子和新模型適配。

大模型推理的性能競爭，越來越多發(fā)生在kernel、編譯器、調(diào)度、低精度和通信層。DeepSeek V4 day-0適配這樣的工作，本質(zhì)上考驗(yàn)的是從模型發(fā)布到工程落地之間的反應(yīng)速度。能不能第一時(shí)間跑通，能不能快速調(diào)優(yōu)，能不能在真實(shí)shape上找到更好的配置，決定了生態(tài)跟不跟得上。

Mooncake × MUSA，是推理解耦和生產(chǎn)部署。

KVCache的價(jià)值在Agent、多輪對話、長上下文時(shí)代被進(jìn)一步放大。Mooncake與MUSA的結(jié)合，不只是讓某個(gè)緩存后端能跑在國產(chǎn)GPU上，更是在探索跨實(shí)例KVCache共享、彈性擴(kuò)縮容、緩存復(fù)用、原地升級這類生產(chǎn)級問題。

TileLang × MUSA，則是下一代算子生態(tài)的提前布局。

如果未來更多模型和硬件都需要定制kernel，算子編程不能永遠(yuǎn)停留在少數(shù)專家手里。TileLang這類DSL的價(jià)值，是把高性能kernel編程變成更多開發(fā)者能上手的工程工具。

這四條線合在一起，才是摩爾線程能組局的底氣。

它把自己放進(jìn)了大模型推理的真實(shí)工程網(wǎng)絡(luò)里，包括框架、算子、緩存、通信、部署、CI/CD、upstream等等。

而這，也是國產(chǎn) GPU 生態(tài)真正要補(bǔ)的課。

國產(chǎn)GPU的生態(tài)位，正在走向協(xié)作

如果把這場Meetup從更宏大的算力發(fā)展角度來看，它的價(jià)值或許遠(yuǎn)超技術(shù)分享本身。

過去幾年，國產(chǎn)GPU的生態(tài)困境是比較明顯的。

許多廠商習(xí)慣了閉門造車，自己從頭寫一套深度學(xué)習(xí)框架，自己攢一套算子庫，結(jié)果因?yàn)椴环现髁鏖_發(fā)者的習(xí)慣，鮮有人問津。

又或者，有的廠商只是拉一個(gè)私有Fork做適配，從來不向開源上游提交代碼，導(dǎo)致主流框架一更新，自己的適配版本就成了無人維護(hù)的孤品。

而現(xiàn)在，摩爾線程給出了一個(gè)完全不同的答案：

全面融入全球開源生態(tài)，去和世界上最聰明的一批人一起做事。

在這場活動(dòng)中，我們頻繁聽到幾個(gè)詞：Day-0 Support、Upstream PR、CI/CD。

這說明國產(chǎn)GPU的生態(tài)位正在發(fā)生質(zhì)變。摩爾線程不再只滿足于做一個(gè)被動(dòng)的適配者，它要的是主動(dòng)出擊，成為核心代碼的“貢獻(xiàn)者”，甚至是未來架構(gòu)的“共建者”。

他們不僅僅是丟一個(gè)單點(diǎn)的Patch過去，而是把一整套包含環(huán)境構(gòu)建、PR提交、CI自動(dòng)化測試、Release發(fā)布、文檔維護(hù)在內(nèi)的工程閉環(huán)，深深地嵌入到了SGLang等頂級項(xiàng)目的血脈中。

這種可持續(xù)的Upstream模式，才是真正掌握生態(tài)話語權(quán)的方式。

這場開源局還證明了一件事，國產(chǎn)GPU已經(jīng)走上了大模型推理開源生態(tài)的公共牌桌。

在這個(gè)牌桌上，已經(jīng)坐著風(fēng)頭正勁的SGLang，坐著死磕底層編譯的Triton/FlagOS，坐著重塑算子生態(tài)的TileLang，坐著主導(dǎo)解耦架構(gòu)的Mooncake。

而現(xiàn)在，國產(chǎn)GPU，也可以拉開椅子，從容地坐下來，和這群明星玩家們一起打好大模型時(shí)代最關(guān)鍵的這把牌。