WAIC直击：十大开源社区涌进沐曦GPU展台

背景

在2026年WAIC（世界人工智能大会）首日，国产GPU厂商沐曦的展台成为全场焦点之一。除了首次亮相的新品——曦景S600超节点（单机柜64张GPU、可扩展至万卡集群）和面向科学智能的曦索X300系列GPU，以及排起长队的Agent体验区外，一个更引人注目的设置占据了展台中央：整整十个开源社区的logo依次排开，包括龙蜥、vLLM、PyTorch基金会、SGLang等，沐曦还专门设计了一条开源社区打卡路线。

这一举动背后，是国产GPU行业面临的深层挑战：在硬件性能差距逐渐缩小的同时，NVIDIA真正的护城河在于其CUDA软件生态。数百万开发者的项目代码、开发经验、自研模块全部沉淀在CUDA上，换一张算力卡意味着巨大的迁移成本。因此，国产GPU必须打造一个能让开发者“心甘情愿迁过来”的国产算力开发环境。

核心内容

沐曦给出的答案是自研全栈计算软件MXMACA。这套软件栈从编译器、算子底层函数库，一直覆盖到各大主流AI推理训练框架，核心目标是将迁移成本压到最低，让开发者原有代码无需改动就能直接运行在沐曦GPU上。

验证结果：沐曦搭建了一套自动化测试体系，纳入GitHub上近5000个热门开源项目。每轮MXMACA版本更新都会跑一次全量测试，结果显示92%的项目一行代码都不用动就能正常运行。在框架层面，针对PyTorch 2.8，MXMACA实现了全部2410个GPU算子的完整兼容，且每次PyTorch新版本发布后，沐曦一周内即可完成适配（行业同类方案通常需数月）。在vLLM生态中，两百多款大模型里沐曦只深度调试了五六十款主流型号，其余由普通本科生拿着沐曦显卡逐一测试，仅十来款出现适配障碍，绝大多数开箱即用。

开源战略：沐曦并非临时拥抱开源，早在GPU量产前就已完成1752款开源软件的适配，并将开源共建纳入长期战略。其核心打法为“upstream first”——将代码直接贡献回上游社区，与社区一起迭代。开发者从vLLM社区拉下代码，pip安装即可直接使用，因为沐曦的支持代码本身就长在社区里。截至目前，沐曦已开源53个软件仓库，占整个软件栈的15%–20%，并持续扩大。标志性事件是：沐曦成为中国第一家与vLLM官方签署合作协议的芯片企业（全球范围内也是美国芯片公司之外的第一家），合作涵盖软件适配、开源活动、商业协同，沐曦硬件因此进入Red Hat+vLLM的官方硬件货架。

十个社区对应Token生命周期：展台上的十个社区恰好映射一个Token从芯片到应用的全流程。

• 底层（操作系统与资源调度）：龙蜥、Red Hat、CNCF、蜜瓜智能。沐曦与龙蜥社区联合解决了操作系统内核小版本升级导致GPU驱动需重新打包的问题，使驱动能忽略小版本变化直接使用。
• 中间层（训练与推理框架）：vLLM、SGLang、PyTorch基金会、九源联合体。沐曦表示，过去两年这一层每年性能提升超过100%。
• 顶层（开源生态运营与合规治理）：模力方舟（降低模型分发门槛）、木兰开源社区（制定开源规范与大模型分级标准）。沐曦联合木兰社区共同制定开源规范，确保Token输出安全合规。

更深层的共建：沐曦与北大团队研发的编译器TileLang（对标OpenAI Triton）从2024年下半年开始投入共建，今年多款主流大模型上新时，核心算子即用该编译器编写。这标志着国内首次拥有端到端自主可控的技术路线，无需担心自研适配代码无法合入上游社区主干。沐曦还围绕TileLang开设多期实战训练营，吸引500多名开发者参与；2026年将启动“揭榜挂帅”吸引算子优化人才；规划编写的6本配套教材已出版4本，8大基础课程进入上交大、浙大等20多所高校；联合上海AI实验室书生工具链开办三期实战营，课程与工程代码全部开源。此外，沐曦在挑战杯、CCF大赛、国家实验室技术竞赛中均有参与，社区表现突出的在校学生可获得免试入职实习机会。

目标定位：沐曦CTO杨建博士明确提出，希望MXMACA成为“AI时代的Android”——持续开放全栈软件，从操作系统、大数据处理到大模型训练推理、私有化部署，打通全链条，让客户乃至其他芯片厂商都能基于这套软件栈搭建通用、好用、易用的底层算力生态。他举例：一个小白用户一个下午就能完成一个新应用的适配。早在2023年，沐曦已实现让一个大二学生在一天内完成一款开源软件的适配、验证和部署。杨建判断，未来全球700万GPU和AI开发从业者中，至少650万人在接触沐曦工具链后一天内即可上手。目前沐曦生态有50万开发者，长期目标（2029–2030年）将扩展至500万。

Agent浪潮下的新命题：沐曦认为，当前Agent处于“类寒武纪时代”，大量智能体方案涌现，但缺乏底层性能优化，Token消耗增速远超基础设施扩容速度。好在开源世界呈现“透明卷”态势：一项降低单Token算力消耗的新技术开源后，第二天可能就有高校团队放出演进版。推理侧同一GPU每秒产Token数从100增至200、300；Agent侧通过Skill等压缩开销，原来1000 Token预算的事现在100 Token搞定。沐曦分享了一个真实案例：一家互联网公司产品经理来适配模型，外出用餐回来发现适配已完成——利用AI编程工具、自身模型权重和沐曦公开文档，饭还没吃完脚本就跑通了。

关键要点

• MXMACA软件栈：自研全栈，覆盖编译器、算子库、训练推理框架，目标“近零迁移成本”。
• 验证数据：5000个热门开源项目92%无需改动；PyTorch 2.8全部2410个GPU算子兼容；vLLM生态两百余款模型仅十余款需额外适配。
• 开源策略：upstream first，53个仓库开源，占软件栈15%–20%，持续扩大。
• vLLM合作：中国首家、全球非美国芯片公司首家与vLLM签署官方合作协议，进入Red Hat+vLLM硬件货架。
• 十个社区：对应Token从操作系统、框架到生态治理的全生命周期，实现深度共建。
• 编译器TileLang：与北大团队共建，实现端到端自主可控，核心算子用于主流大模型。
• 人才培养：实战训练营、揭榜挂帅、6本教材、20+高校课程、开源竞赛，优秀学生可免试入职。
• 目标定位：AI时代的Android，让650万开发者一天内上手，生态开发者从50万扩至500