寒武纪、阿里云加入PyTorch基金会，国产芯片转向上游

PyTorch 基金会本周在上海大幅进入了中国芯片腹地。在 9 月 7 日至 9 日举行的首届 PyTorch Conference China 上（与 KubeCon、CloudNativeCon、OpenInfra 峰会同期），这家由 Linux 基金会托管的组织宣布，阿里云与寒武纪以白金会员身份加入，蚂蚁集团以黄金会员身份加入。三家中国头部 AI 基础设施企业由此进入这家决定全球最流行开源深度学习框架走向的机构——叠加更早加入的华为，北京加速器阵营得以在全球模型训练与推理软件标准化的地方直接发声。

白金会员在基金会理事会和技术咨询委员会各占一席。寒武纪委派人工智能框架与基础设施资深总监王金进入理事会，由 PyTorch 团队首席维护者朱锦进入技术委员会。阿里云 CTO 李飞飞与蚂蚁集团 CTO 何征宇都将此举表述为多年深耕的延续：前者提到阿里云过去多年在异构硬件上大规模运行 PyTorch，后者则称这是蚂蚁参与全球开源的又一步。基金会表示，中国已有超过 250 家机构参与 vLLM、DeepSpeed、Ray、Safetensors 等旗下项目。

确切日期不如排序重要。华为是基金会 2023 年起的成员，其昇腾团队帮助发起「加速器集成工作组」，推动昇腾 NPU 成为 PyTorch 上第一个被原生承载的额外平台——这是国产加速器首次绕开 CUDA 生态、以一等公民身份进入上游主干，而非作为 CUDA 的兼容模仿品。华为开放计算开源开发团队负责人李祥表示，长期目标是让昇腾获得原生支持——原生开发、原生发行、原生发布——让开发者无论选用哪种加速器都得到相同的 PyTorch 体验。

寒武纪对 MLU 系列提出了同样的「原生」抱负。作为自诩「上游优先」的 PyTorch 长期贡献者，它把 torch.compile、Eager 算子、设备运行时、分布式计算与混合精度等工作推回主干，并与 vLLM 社区协作，让 DeepSeek-V4、GLM-5 等头部开源模型在寒武纪硬件上获得首发支持。其 Torch-MLU 扩展借助 PyTorch 的 PrivateUse1 后端机制，提供算子覆盖、Inductor 集成、基于 CNCL 的分布式训练、图模式加速与性能剖析工具链。正如软件工程副总裁龚弢所言，目标「不是简单地把寒武纪产品接入 PyTorch」，而是帮助 PyTorch 拓宽对多样后端的支持——一个更通用的设备抽象层，降低整个生态的 fork 与迁移成本。与其同名的演讲标题「迈向设备无关的 PyTorch」，把主题直白地写在了台上。

就战略而言，这一周围绕的重点与其说是国产芯片本身，不如说是「绕开 CUDA」。PyTorch 的设备无关后端层——加速器以一等公民身份注册，而非作为 CUDA 的附属被打上补丁——才是真正的战场。在美国出口管制下拿不到最新英伟达硬件的中国厂商，把资源倾注到让自家芯片在全球开发者本就熟悉的框架中「原生可用」，赌一个开放、多后端的底座能削弱 CUDA 这类专有栈赖以生存的护城河。入会是这场博弈中低成本、高信号的落子：让厂商参与制定标准而非 fork 拆裂生态，保住开发者池与工具链的兼容，也降低团队迁离英伟达硬件的成本。

真正待解的是软件成熟度。设备无关的抽象层与二十年打磨的 CUDA 工具链、库与调优内核不是一回事——旗舰开源模型的首发支持是有意义的进展，却还不足以替代那整套积累。本周基金会与寒武纪均未公布基准或吞吐数字，此类数据仍待核实。这些公告的意义在于组织与方向，而非数字：华为、阿里云、寒武纪、蚂蚁集团等五家中国最大的 AI 基础设施玩家已身在基金会之中，另有数百家机构持续贡献，共同定义决定下一代 AI 加速器编程方式的软件接口。这才是本周真正向上游移动的东西，也是「谁能塑造开放 AI 软件栈」这场争夺为何正在这里见分晓的原因。