Intel GPU 技术生态日报 (2026-09-24)

核心速览

[Merged] XPU 后端模拟亚字原子加载/存储，解决 8/16 位原子操作缺失：Intel GPU 无 8 位原子，16 位需扩展，现通过模拟实现兼容。
[Merged] vLLM XPU 启用 SYCL rotary embedding 内核，替代原生回退：接入 SYCL 内核避免 CUDA 模块依赖，减少内核数量。
[Merged] vLLM XPU 升级至 PyTorch 2.14：XPU 平台升级 PyTorch 版本，提升兼容性与性能。

下游优化与加速库 (intel/llm-scaler / Triton / OpenVINO)

[Triton XPU] 模拟亚字原子加载/存储：Intel GPU 硬件不支持 8 位原子操作，16 位原子需要 SPV_INTEL_16bit_atomics 扩展，导致 tt.atomic_load/store 在多数目标上编译失败。该提交通过模拟实现这些亚字原子操作，确保功能可用。 [PR #8128]

影响： 扩展了 Triton XPU 对原子操作的支持，使依赖 8/16 位原子的内核能在 Intel GPU 上编译运行。
[vLLM XPU] 接入 SYCL apply_rotary_emb 内核：此前 ApplyRotaryEmb 的 forward_cuda 导入 CUDA 专用模块，导致 XPU 回退到原生实现（约 8 个 elementwise 内核）。该 PR 接入 SYCL 内核，提供 forward_xpu 覆盖，减少内核数量并提升性能。 [PR #55721]

影响： 提升 vLLM 在 XPU 上的 rotary embedding 性能，减少内核启动开销。
[vLLM XPU] 升级至 PyTorch 2.14：将 XPU 平台的 PyTorch 依赖升级至 2.14，以利用新版本特性与修复，提升整体兼容性和性能。 [PR #56013]

影响： vLLM XPU 用户可获得 PyTorch 2.14 的改进，包括可能的性能优化和 bug 修复。
[Triton XPU] LTS 驱动下 bfloat16 翻译回退：LTS 驱动附带的 IGC 不支持 SPV_KHR_bfloat16 扩展，因此 SPIRV-LLVM-Translator 将 bfloat 翻译为 fp16 作为回退。该提交将回退条件限定在允许的扩展集内，避免在支持扩展时错误回退。 [PR #8141]

影响： 确保在 LTS 驱动上 bfloat16 内核可编译，同时不影响支持扩展的驱动。
[vLLM XPU] 移除 Dynamo 流注册修复的测试跳过：上游 vLLM PR #43092 修复了 issue #7160（Dynamo 流注册问题），本提交移除/重新分类了之前因该问题跳过的 mrv2 测试，恢复测试覆盖。 [PR #8116]

影响： 恢复相关测试，确保 Dynamo 流注册功能在 XPU 上得到验证。
[vLLM XPU] 重新启用 batched experts 测试：在 PR #7776 修复 MoE 相关问题后，重新启用 PVC 和 Xe2 上的 batched-experts 测试，CI 显示 288 个用例通过。 [PR #8153]

影响： 恢复 MoE 相关测试覆盖，验证修复有效性。
[Triton XPU] 移动 Intel 测试 passes 到独立目录：将五个 Intel 专属测试 passes（TestAxisInfo 等）从 test/lib/Analysis 移动到 third_party/intel/test/lib/Analysis，以更好地组织代码结构。 [PR #8127]

影响： 代码结构更清晰，便于维护和区分 Intel 专属测试。
[Triton XPU] 更新 SPIRV-LLVM-Translator 版本：自动更新 spirv-llvm-translator.conf 中的 translator commit id，以同步上游修复和改进。 [PR #8155]

影响： 保持与最新 translator 同步，可能带来 bug 修复和性能提升。
[SGLang XPU] BMG 作业安装 sgl-kernel-xpu：SGLang 的 ModelRegistry 在缺少 sgl_kernel 时会吞掉 ImportError，导致 208/219 架构无法加载。该提交在 BMG 作业中构建并安装 sgl-kernel-xpu，确保 e2e 测试能加载模型。 [PR #8130]

影响： 修复 BMG 作业的测试环境，使 SGLang e2e 测试能够正常运行。
[SGLang XPU] Qwen3.8-flash-next 支持：为 Qwen3.8-Flash-Next 模型添加 XPU 支持，该模型引入稀疏注意力索引器（QSA）、HyperConnection 等新架构特性。 [PR #37213]

影响： SGLang XPU 用户可运行 Qwen3.8-Flash-Next 模型，扩展模型支持范围。
[SGLang XPU] NGRAM 投机解码支持：为 XPU 目标添加 NGRAM 投机解码支持，提升解码效率。 [PR #31362]

影响： XPU 用户可使用 NGRAM 投机解码，加速推理。
[vLLM XPU] 禁用特定 MTP 测试：在 XPU CI 中禁用 test_glm_mtp_defers_lm_head 测试，可能因该测试在 XPU 上不稳定或未实现。 [PR #58237]

影响： 减少 CI 失败，但可能掩盖 XPU 上的潜在问题。
[oneDNN] 发布 v3.13.1：oneDNN 发布 v3.13.1 版本，包含性能优化和 bug 修复，对 Intel GPU 上的深度学习推理有积极影响。 [Release v3.13.1]

影响： 开发者可升级 oneDNN 获得改进，提升 Intel GPU 上的推理性能。