发布于 约 1969 字 预计阅读 6 分钟
Intel GPU 技术生态日报 (2026-09-08)
目录
核心速览
- vLLM XPU 后端密集修复：今日合入 4 个 XPU 相关 PR，覆盖 MoE 量化权重加载、DeepSeek V4 LoRA、grouped_topk 融合内核路由与 FusedInputNorm 内核调度，XPU 路径与 CUDA 对齐度进一步提升。
- SGLang XPU 功能扩展：新增 MLA Prefill 支持、LoRA 启用、torch_memory_saver 集成及 Whisper 编码器-解码器修复，XPU 后端覆盖场景从纯推理扩展到微调与多模态。
- intel/llm-scaler 修复 torch.compile 兼容性：Omni XPU 内核在 torch.compile 下的推理路径得到修复，补齐公共张量 API 编译器覆盖。
下游优化与加速库 (intel/llm-scaler)
- Omni XPU 内核 torch.compile 兼容性修复：提交
6044bab修复 Omni XPU 内核在torch.compile下的推理问题。改动包括支持原生 torch.compile 推理、明确编译精度与模型加载边界，并补齐公共张量 API 的编译器覆盖。此前 Omni 内核在编译模式下存在张量 API 覆盖不全导致的错误，此修复使 XPU 路径在编译优化下可正确执行。[PR #681]
主流框架与上游集成 (vLLM / SGLang)
- [vLLM][XPU] 修复 moe_wna16 线性权重加载：
MoeWNA16Config.get_quant_method从原始 HF 量化字典重建线性委托时，未处理融合后的分片名，导致 GPTQ MoE 检查点无法加载。此修复使 XPU 路径能正确加载 MoE 量化权重。[PR #52651] - [vLLM][XPU] DeepSeek V4 LoRA 支持：将 #53361 中 NVIDIA 模型的 LoRA 改动移植到
vllm/models/deepseek_v4/xpu/model.py，补齐 XPU 后端对 DeepSeek V4 LoRA 的支持。[PR #53689] - [vLLM][XPU] grouped_topk 路由到融合内核：vllm-xpu-kernels 已提供 fused grouped_topk (noaux_tc) 内核并注册到
_moe_C::grouped_topk，但守卫条件仅检查is_cuda()，导致 XPU 始终回退到 eager 分解。此 PR 修正守卫条件，使 XPU 使用融合内核。[PR #53580] - [vLLM][XPU] FusedInputNorm 使用融合内核：当输入为 uint8 且仿射权重/偏置为 fp32 时，XPU 路径调度到
torch.ops._C.fused_input_norm自定义内核，避免 eager 路径中 fp32 中间张量的设备-主机往返。[PR #52945] - [SGLang][XPU] 启用 LoRA：将 LoRA 功能扩展到 XPU 后端，修改 triton/chunked/torch 后端使用
torch.device(self.device)替代硬编码 “cuda”，并调整 lora_moe_runners 的路由逻辑，同时启用对应单元测试。[PR #30345] - [SGLang][Intel GPU] MLA Prefill 支持：为
intel_xpuattention 后端添加 MLA 模型的 Prefill 支持（decode 已支持）。纯 Prefill 使用flash_attn_varlen_func，增量 Prefill 使用flash_mla_prefill。[PR #35866] - [SGLang][XPU] 集成 torch_memory_saver：用上游 pip 可安装的 torch_memory_saver 包（Level Zero VMM 后端）替换仓库内实现，支持 XPU 上的 pause/resume 物理内存占用。[PR #29935]
- [SGLang][XPU] 修复 Whisper 编码器-解码器：修复 page_size > 1 时 intel_xpu 后端编码器-解码器模型输出乱码的问题。根因是交叉注意力页表未转换为页号，以及编码器页表处理错误。[PR #36298]
- [SGLang][XPU] 恢复 diffusion 平台 Triton 路径：
platform_key()未包含 XPU，导致 XPU 被识别为 “cpu” 并走 CPU fallback。此 PR 将 XPU 加入平台探测列表，使 diffusion 平台正确选择 Triton 实现。[PR #36654]
驱动、内核与图形栈 (Linux drm/xe / Mesa ANV)
- Intel Dynamic PAMT 准备合入 Linux 7.4：该特性用于减少 TDX 机密虚拟机场景下的内存开销，通过动态分配 PAMT（Page Attribute Table）降低静态预留内存。Phoronix 报道其已进入 Linux 7.4 合并窗口，对使用 TDX 的数据中心 GPU 工作负载有间接影响。[Phoronix]