沐曦联合十大开源社区共建国产GPU算力生态
沐曦通过深度开源和快速适配，力图打造国产GPU的Android式生态，降低开发者迁移门槛。
沐曦在WAIC上展示其全栈开源软件MXMACA，兼容PyTorch 2.8全部GPU算子，并联合vLLM、龙蜥等十大社区。目标是通过开放生态降低迁移成本，吸引500万开发者，让国产GPU真正可用。
正文摘录
在算力这条赛道里泡久了的人都清楚一件事，NVIDIA 能稳坐龙头，靠的从来不只是单颗芯片的硬件性能。 制程、架构、显存这些硬件指标，都是有清晰参数、看得见摸得着的东西，国产厂商咬着牙研发，总有机会把差距收窄。 换一张算力卡，意味着要把过往多年的技术积累大幅推倒重来，迁移成本足以让大多数团队止步。 所以国产 GPU 真正要啃的硬骨头，是造出一个能让开发者心甘情愿迁过来的国产算力开发环境。 这套全栈软件从编译器、算子底层函数库，一路覆盖到各大主流 AI 推理训练框架，目标只有一个： 他们专门搭了一套自动化测试体系，纳入 GitHub 上近 5000 个热门开源项目，每一轮 MXMACA 版本更新都要跑一遍全量测试。 针对 PyTorch 2.8，MXMACA 把全部 2410 个 GPU 算子做到了完整兼容；更关键的是速度，每次 PyTorch 出新版本，行业里同类方案通常要磨上好几个月才能适配完，沐曦这边一周就能收工。 生态里两百多款大模型，沐曦自己只深度调试了五六十款主流型号，剩下的直接甩给普通本科生，让他们拿着沐曦的显卡逐一去测。最后只有十来款出现了适配障碍，绝大多数开箱即用。 如今，一个大模型从训练完成到上线服务，周期被压得极短，大模型厂商、云厂商都想在模型一升级就第一时间拿到收益。 可行业技术更新几乎没有间歇，今天某个模型厂商放出一套创新技术，隔天就有团队推出迭代方案。 在这种节奏下，如果只依靠一套封闭自研的软件栈闭门跟进，既跟不上行业速度，也没法快速响应客户的各类需求。 以前的常规操作是“社区发了新版本，厂商拉下来自己适配”，也就是拉源码、下 patch、打补丁、编译、调试，一整套流程走完才能用。 能做到这样，是因为沐曦的支持代码本来就长在社区里，新模型发布时往往 default 就已经支持了。