寒武纪加入 PyTorch 基金会，成为白金会员
PyTorch 基金会（The PyTorch Foundation）今日宣布，中国领先的 AI 芯片厂商寒武纪（Cambricon）正式加入并升级为白金会员（Platinum Member）。这一里程碑式的合作标志着 AI 硬件厂商与开源软件社区在构建通用 AI 基础设施方面的深度绑定。
合作背景与战略意义
成立于 2016 年的寒武纪，长期致力于 AI 芯片产品的研发与软件生态建设。作为 PyTorch 的长期贡献者，寒武纪一直秉持“上游优先（Upstream First）”的策略，通过持续的技术投入推动开源生态发展。此次成为白金会员，意味着寒武纪将从一名“贡献者”转变为“全球合作伙伴”，获得在 PyTorch 基金会治理委员会中的席位，直接参与技术愿景与政策制定。
PyTorch 基金会执行总监 Mark Collier 指出：“任何 AI 加速器若要规模化成功，必须满足整个 AI 生命周期中开发者的需求，从使用 PyTorch 构建和优化模型，到利用 vLLM 高效部署服务。寒武纪对 PyTorch 的持续上游贡献及其在 vLLM 支持上的工作，正是推动整个生态系统前进的开源承诺。”
核心突破与功能特性
1. 深度上游贡献
寒武纪团队在过去几年中已在 PyTorch 的多个核心领域做出了实质性贡献，包括：
- torch.compile: 编译优化基础设施
- Eager Operators: 急切模式算子支持
- Device Runtime: 设备运行时环境
- Distributed Computing: 分布式计算能力
- AMP (Automatic Mixed Precision): 自动混合精度训练
- Dataloader & Profiler: 数据加载与性能分析工具链
2. vLLM 原生支持
寒武纪已与 vLLM 社区紧密合作，实现了在寒武纪 MLU 硬件上的Day 0 支持，已成功支持包括 DeepSeek-V4 和 GLM-5 在内的主流开源大语言模型。这使得开发者能够在寒武纪硬件上获得与主流 GPU 相似的原生 PyTorch 开发体验。
3. 未来技术方向
未来，寒武纪将重点投入以下方向：
- 编译基础设施增强：优化 torch.compile 在自定义硬件上的表现
- CI/CD 流程优化：提升自动化测试与构建效率
- 设备无关支持：推动 PyTorch 对领域特定库（DSL）的硬件无关抽象
对开发者与用户的价值
对于开发者而言，寒武纪的加入意味着更低的迁移成本和更统一的工具链。通过 PyTorch 的通用后端抽象，开发者无需针对特定硬件进行代码修改，即可在寒武纪芯片上高效训练和推理大模型。同时，寒武纪团队将把其在大规模部署方面的经验回馈给全球社区，加速 AI 基础设施的开放与多样化。
寒武纪副总裁龚尔顿表示：“我们相信，只有实现软硬件的紧密协同优化以及繁荣的开源生态，才能充分释放 AI 计算的潜力。对于开发者来说，统一的框架接口意味着更低的迁移成本、一致的工具链以及更好的开发体验。”
关键指标
| 指标 | 数值/描述 |
|---|---|
| 会员等级 | 白金会员 (Platinum Member) |
| 董事会席位 | 1 个（由 Jin Wang 担任） |
| 技术顾问委员会成员 | 1 名（由 Jing Zhu 担任） |
| 支持模型 | DeepSeek-V4, GLM-5 等主流开源模型 |
| 核心贡献领域 | torch.compile, Eager Operators, AMP, 分布式计算等 |
寒武纪的加入不仅丰富了 PyTorch 的硬件后端支持，也为全球 AI 开发者提供了更多样化的计算选择，进一步推动了 AI 基础设施的开放性与竞争力。
