Intel GPU 技术生态日报 (2026-10-17)

核心速览

• [Merged] Intel Triton 后端优化 stream-K GEMM 输出清零并基准测试：在 stream-K GEMM 内核内清零输出，并基准测试优势形状，跟进 #8363。
• [Merged] vLLM XPU 启用 MXFP4 线性层 torch 后端：XPU 上使用 TorchMxFp4LinearKernel 作为 MXFP4 GEMM 后端，扩展支持。

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

• [Triton XPU] stream-K GEMM 输出清零基准测试：该提交是 #8363 的后续，针对 stream-K GEMM 在输出清零方面的两个未决问题。通过在内核内部清零输出，避免依赖外部初始化，并基准测试了该改动有优势的形状。这属于性能优化和正确性改进，根因明确。 [Commit b6d86b7]

  影响： 提升 stream-K GEMM 在特定形状下的性能，并确保输出正确性，对开发者编译和运行有积极影响。

• [vLLM XPU] vLLM 基准正确性错误信息增强：该提交改进了 vLLM 基准测试中的正确性错误报告，明确指出了 provider 和 shape，修复了 fused_moe 检查无消息的问题。这属于测试基础设施的改进，根因是错误信息不明确。 [Commit 35ac204]

  影响： 提高基准测试的可诊断性，帮助开发者快速定位失败形状和 provider，属于测试修复。

• [Triton XPU CI] 移除死代码基准平台选择任务：该提交删除了 on-label.yml 中无人消费的 select-benchmark-platforms 任务，该任务计算的 run-pvc-benchmarks 输出未被任何作业使用。这是 CI 清理，消除死代码。 [Commit 37a408b]

  影响： 简化 CI 流程，减少不必要的作业运行，对开发者无功能影响。

• [Triton XPU] 通过 knobs.language.fp_fusion_enabled 解析 enable_fp_fusion：该提交将 enable_fp_fusion 的解析从直接读取 knobs.language.default_fp_fusion 改为通过 knobs.language.fp_fusion_enabled，这是 #8314 的一部分，且不影响默认代码生成。属于配置解析重构。 [Commit 1dd2191]

  影响： 统一了 FP 融合配置的解析路径，为后续功能铺路，对默认行为无影响。

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

• [vLLM XPU] XPU 启用 MXFP4 线性层 torch 后端：该 PR 在 XPU 上启用 TorchMxFp4LinearKernel 作为 MXFP4 GEMM 的后端，替代之前的 XPUMxFp4LinearKernel。这扩展了 vLLM 在 XPU 上的 MXFP4 支持，利用 torch 的线性内核。 [PR #51965]

  影响： 提升 XPU 上 MXFP4 模型的兼容性和性能，开发者可受益于更成熟的 torch 内核。

• [vLLM XPU CI] 跳过 ROCm-only 测试 test_topk_gating_enabled_by_cdna：该 PR 在 Intel XPU CI 中跳过仅适用于 AMD CDNA 的 test_topk_gating_enabled_by_cdna 测试，因为该测试在 XPU 上无覆盖价值。这是 CI 测试排除，属于规避方案。 [PR #61932]

  影响： 减少 XPU CI 中无关测试的运行时间，但并非修复 XPU 上的问题，而是测试范围调整。

社区实测与生态动态

• [SGLang XPU] 更新 XPU Docker 版本至 0.5.22：该 PR 更新了 SGLang 文档中的 XPU Docker 镜像版本，从 v0.5.20 到 v0.5.22，以匹配最新发布。属于文档更新。 [PR #44647]

  影响： 确保用户使用最新 XPU Docker 镜像，获得最新功能和修复。