Intel GPU 技术生态日报 (2026-10-16)

核心速览

[Merged] Intel Triton 后端适配上游负零掩码加载变更：适配上游负零掩码加载语义，确保 XPU 后端行为一致。
[Merged] SGLang XPU 启用打包 Ulysses QKV all-to-all：移除 CUDA 限制，XPU 启用打包 QKV 交换，减少集合通信次数。
[Merged] vLLM XPU 集成 MLA 后端：将 XPU MLA 支持集成到 FLASH_ATTN_MLA 后端，统一平台模式。

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

[SGLang XPU] 启用打包 Ulysses QKV all-to-all：此前打包 QKV 交换被 is_cuda 检查限制，XPU 回退到三次独立集合通信。移除限制并填充 A2A 缓存，减少通信开销。 [PR #39989]

影响： XPU 上 Ulysses 注意力通信次数从 3 次降至 1 次，提升性能。
[vLLM XPU] 取消 watermarking 测试跳过：vLLM pin 更新后，watermarking 测试与 API 同步，之前跳过的四个测试现在通过，取消跳过。 [commit b114fa0]

影响： 恢复 XPU 上 watermarking 测试覆盖，提升 CI 完整性。
[SGLang XPU] 取消 sliding window 注意力测试跳过：之前跳过的 test_extend_attention_sliding_window 现在通过，取消跳过，关闭 issue #8297。 [commit 256d639]

影响： 恢复 XPU 上滑动窗口注意力测试覆盖。
[vLLM XPU] 跳过 XPU 不支持的 modelopt_fp4 测试：modelopt_fp4 量化格式在 XPU 上不支持，跳过相关在线 MoE 重量化测试。 [PR #61723]

影响： 避免 CI 失败，但属于规避，非功能修复。
[vLLM XPU] Intel CI 忽略 test_reload.py：XPU 不支持模型重载，整个 test_reload.py 在 Intel CI 上忽略。 [PR #61740]

影响： 避免 CI 失败，但属于规避，非功能修复。
[vLLM XPU] 集成 XPU MLA 到 FLASH_ATTN_MLA 后端：按照 FLASH_ATTN 的平台集成模式，添加 XPU 专用 FlashAttnMLA 后端，共享 MLA 逻辑。 [PR #58297]

影响： XPU 上 MLA 注意力获得原生支持，性能提升。

主流框架与上游集成 (PyTorch / vLLM / SGLang / llama.cpp / Ollama)

[Triton XPU] 适配上游负零掩码加载变更：上游 Triton 修改了掩码加载对负零的处理语义，Intel 后端需同步调整以保持行为一致，避免数值差异。 [commit 9aa8d53]

影响： 确保 XPU 上掩码加载与上游语义一致，避免潜在数值错误。
[Triton XPU] 按 assume 操作符限定事实范围：IntegerRangeAnalysis 错误地将 assume 事实应用于所有被比较支配的块，导致范围分析不精确。改为按 assume 操作符本身限定作用域。 [commit 5f1595e]

影响： 提升整数范围分析精度，可能改善优化效果。
[Triton XPU] 将 Intel knob 环境变量加入编译缓存键：部分 Intel 专用环境变量未纳入编译缓存键，导致缓存误命中。补充缺失变量并添加测试覆盖。 [commit 73cb21f]

影响： 避免因环境变量变化导致的缓存失效问题，提高缓存正确性。
[Triton XPU] addmatrix oneDNN 基线改用 addmm：oneDNN 基线原先用 mm+加法，产生额外 fp32 临时张量。改用 addmm 直接计算，减少内存开销。 [commit f3fdba1]

影响： 基准测试更准确，减少内存占用。
[Triton XPU] 限制 Python 安装并行 worker 数：compileall -j0 在 Python 3.10/3.11 安装时可能产生数百个 worker，不受 CPU 亲和性限制。限制 worker 数并支持 COMPILEALL_OPTS。 [commit 2e51233]

影响： 减少构建时的资源争用，提高构建稳定性。
[Triton XPU] GEMM 基准 torch 参考改用 fp32 并收紧 rtol：torch 参考原先在 bf16 上累积，导致精度损失。改为 fp32 累积并收紧 rtol，使基准更严格。 [commit faf5bb0]

影响： 基准测试更准确，能更好反映真实性能。
[Triton XPU] addmatrix torch 参考保持 fp32：add_ 原地操作将 fp32 的 d 降为 bf16，导致精度损失。改为保持 fp32 参考。 [commit 3dcb9e7]

影响： 基准测试精度提升。

驱动、内核与图形栈 (Windows 驱动 / Linux drm/xe / Mesa ANV)

[Linux drm/xe] Nova Lake S/P 支持 SR-IOV：Intel 工程师提交补丁，确认 Nova Lake S/P 集成显卡将支持 SR-IOV，配合 Xe 驱动。 [Phoronix]

影响： 未来 Nova Lake 平台可支持虚拟化，提升多租户场景能力。
[Windows 驱动] Arc 驱动 101.9150 WHQL 发布：发布新 WHQL 驱动，优化特定游戏性能，包含模型和游戏特定改进。 [TechPowerUp]

影响： 提升 Windows 上 Arc GPU 的游戏兼容性和性能。

社区实测与生态动态

[llm-scaler] llm-scaler-vllm PV release 1.5：发布 llm-scaler vLLM 插件 1.5 版本，具体内容未提供。 [Release vllm-1.5]

影响： 提供新版本，可能包含性能优化或新功能。