深度拆解沐曦MXMACA软件栈功能，算力自主+生态兼容

编辑｜泽南

近日，刚刚 IPO 的国产 GPU 公司沐曦股份，完成了自上市后的首个重大技术发布。

该公司旗下的 MXMACA 软件栈（MACA）正式发布了全新版本 3.3.0.X，沐曦发布了一份 23 页的技术报告，机器之心围绕该报告对 MACA 进行解读。

在全自主硬件体系的支撑下，沐曦已经构建起「全栈软件」体系，其对于提升计算引擎的效率起到了关键作用。同时，新一代 MACA 宣告了沐曦软件生态的一次重要跨越，它的核心理念，是如何让国产 GPU 真正「用起来」。

GPU 生态适配的「万能接口」

MACA（MetaX Accelerated Computing Architecture）被定义为「异构计算软件栈核心计算平台、引擎、运维工具和规范化操作范本」，内置了全套自研工具链，涵盖编译器、性能分析工具、格式转换组件等，可实现多语言支持、算子自动优化与跨框架平滑适配。

它面向沐曦的曦云 C 系列、曦思 N 系列 GPU 研发，其定位是连接沐曦自研 GPU 硬件与上层应用生态的关键纽带。

MACA 承担着连接硬件算力单元与上层应用生态的纽带作用。据介绍，它覆盖了 AI 芯片工作流程的底层驱动、用户态接口、编译器、算子适配、训练框架、推理框架、行业场景优化等全链路能力。

在芯片行业，硬件决定算力基础，而软件栈则决定了算力能否被有效释放。长期以来，国产 GPU 落地面临的最大挑战并非纯粹的性能，而是生态兼容问题 ——AI 开发者早已习惯在英伟达的 CUDA 生态中开发新技术、构建应用，迁移到新的硬件上意味着高昂的迁移成本。

MACA 3.3.0.X 直击这一痛点，它是一套「生态强化版」软件栈，聚焦场景的深度适配，涵盖底层基础能力的迭代与主流 AI 框架、大模型训练推理、搜索、广告、推荐、科学计算等多维度生态适配，其核心逻辑是构建一个「万能接口」，让现有生态能够近乎无缝地迁移到沐曦平台上

具体有多万能？技术报告显示，沐曦团队对 GitHub 上大量 CUDA 项目进行了适配测试。他们筛选了 4490 个「含 CUDA 关键字」的活跃代码仓库进行验证，按应用领域包括 AI 模型 / 应用、高性能并行计算、气象模拟、计算化学等场景。

测试结果显示，4173 个项目可以直接适配运行，成功率高达 92.94%。仅有 260 个项目需要微小调整，占比不足 6%，且修改主要涉及编译配置优化，而非核心业务逻辑。

这意味着，几乎任何现有的 CUDA 项目都可以近乎「开箱即用」地迁移到沐曦平台上，目前在市面上，还没有第二家能够做到

在 MACA 的这一通适配之后，GitHub 上海量的 AI、数据处理、科学计算应用工具，可以快速适配在国产异构计算平台上。对于开发者而言，这就意味着面对国产 AI 硬件体系时，学习成本和迁移工作量可以大幅降低。

框架兼容

拥抱主流 AI 开发生态

除了能够无缝迁移已有的项目工作，新版本 MACA 也强调了对于 AI 框架兼容的特性，它能够帮助开发者构建和探索新技术。

在 AI 开发领域，框架兼容能力决定了平台的可用性。MACA 3.3.0.X 版本完成了对 PyTorch 2.8 的深度适配，覆盖了全部 2650 个核心算子（其中 GPU 算子 2410 个）。涵盖从基本算术运算、线性代数操作、卷积 / 池化类算子、规约操作、随机采样、索引与切片快速傅里叶变换（FFT）、Attention 等所有关键算子类别。它支持多种数据形态，保障了算子能力的完整性与场景适配性。

除了 PyTorch，MACA 还兼容 TensorFlow、PaddlePaddle、JAX 等主流开源框架，以及 Megatron-LM、DeepSpeed 等大模型训练框架，在推理端支持 vLLM、SGLang、Transformers、KTransformer 等推理框架。

在操作系统方面，MACA 兼容了 Ubuntu、CentOS、RHEL、openEuler、Anolis OS 、银河麒麟等主流 Linux 发行版。它同时完整支持混合精度训练、分布式训练、torch.compile 编译优化与图模式任务下发的深度集成等关键特性。

简单来说，这一兼容性列表几乎涵盖了当前 AI 开发的所有主流工具链。技术报告中还特别强调，这种适配是「无需调整工程构建逻辑，即可实现现有模型的无缝使用」。

搭配性能分析与优化工具链，MACA 配合沐曦 GPU 在核心场景上的性能可以对标主流 GPU 水平

MACA 不仅仅是一个兼容层，而是一个完整的软件栈。它包含了开发效率引擎层和垂直场景赋能层两大核心部分。

在开发效率引擎层，MACA 提供了一系列高性能算子库，如针对矩阵计算的 mcBLAS、针对深度神经网络的 mcDNN、针对注意力机制的 mcFlashAttention 等。

MACA 套件中开发效率引擎，其旨在降低异构开发门槛。

这些工具针对沐曦 GPU 的多卡拓扑进行了专门优化，编译器工具支持 MACA C/C++、Fortran 等语言，能将高级语言转化为高效的可执行程序。

在垂直场景赋能层，MACA 针对 AI 与科学计算两大方向，通过针对性的优化策略与框架适配解决需求。

其中在 AI 领域，MACA 的训练优化兼容 PyTorch、BMTrain 等框架，通过硬件流水线并行实现通信与计算重叠，优化分布式并行策略。推理优化则适配 ONNX Runtime、vLLM、SGLang 等框架，采用 INT8 量化、KVCache 跨卡管理提升长序列处理效率。

在科学计算领域，MACA 通过重构 MPI、BLAS 库提升内存带宽，定向移植 OpenFOAM、GROMACS 等科学计算框架，结合容器化部署方案，能够确保算力能高效支撑流体仿真、分子动力学等垂直场景。

此外，MACA 的性能分析工具提供了系统级追踪和核函数指标采集功能，能够帮助开发者定位计算瓶颈。全栈工具链的完整性，使得开发者能够在沐曦平台上完成从开发到部署的全流程工作。

此种能力的背后，是沐曦构建的大模型训推一体化能力。

算力到生产力的转化

MACA-3.3.0.X 版本为开发者们构建起了一套全流程的一体化算力支撑底座，通过软硬件协同、核心算子优化以及分布式架构的升级，旨在实现训推效能的跨越式突破。

这一底座的基础是沐曦自研的 GPGPU，其高算力密度与高内存带宽确保了单卡能够高效处理千亿参数模型。通过自研的 MetaXLink 高速互连技术，沐曦在硬件层面构建了低时延、高带宽的分布式通信网络，使得算力供给扩展至万卡级集群，为 AI 大模型的超大规模分布式训练与推理奠定了基础。

在软件层面，MACA 构建起端到端的协同体系。其首要特点是极致的生态兼容性，除此之外，MACA 通过拓扑感知的 MCCL 高性能通信库和自研的编译器优化模块，能够智能地优化多机多卡的数据通信策略，实现算子自动融合、循环展开等编译级优化，深度挖掘出硬件底层潜力。

MACA 套件大模型推理优化技术。

一体化设计的重要优势，在于打破训练与推理之间的场景壁垒。MACA 支持模型训练后的轻量化转换与直接部署，无需二次适配。通过统一的模型格式与接口规范，它实现了「训练 - 微调 - 推理 - 部署」全流程链路贯通，大幅缩短了大模型从技术研发到业务落地的周期与成本。

在技术层面上，MACA-3.3.0.X 版本针对几个关键瓶颈进行了深度调优。

在关键算子上，MACA 针对 FlashAttention 优化，大幅减少了向 HBM 显存的数据搬运开销；通过对于分布式集合通信库的优化，MACA 将千卡集群的训练、推理线性度稳定在 95% 以上，专家并行效率提升了 15%；通过异步通信机制，还有通信 - 计算重叠优化，MACA 将数据传输任务与 GPU 计算任务解耦并行，缩短了端到端延迟，提升 GPU 利用率 15%-30%，解决了因等待数据通信而导致的芯片闲置问题。

在软件栈上层，沐曦进一步做了面向易用性和部署的优化：其深度支持 PyTorch 2.0 的 torch.compile 动态图编译，以最大化硬件利用率；针对推理场景打造轻量化引擎，优化批处理策略以同时降低延迟、提升吞吐；全面兼容容器化与云原生架构，支持企业级的大规模弹性部署与便捷运维。

MACA 全面兼容当前主流的大模型生态体系，无需代码修改即可开展训练、推理；针对大规模大模型训练场景，其工具链可以缩短训练周期，在分布式训练中展现出优异线性度，可以长周期无故障稳定运行；在推理时，MACA 针对主流大模型的深度优化降低了延迟，提升了吞吐量；与此同时，MACA 还具备从小规模调试到大规模训推的全场景平滑扩展能力。

实测数据表明，沐曦通过 MACA-3.3.0.X 构建的一体化算力底座在曦云 C 系列 GPU 上的训推效能已经展现了与国际旗舰 GPU 产品 A 正面竞争的实力。

DeepSeek、GLM、InternLM、Llama、Qwen 等多系列大模型，在不同参数规模（如 7B、13B）及任务类型（SFT、Pretrain）下的训练 TGS 数据，包含「旗舰 A TGS」（黄色柱）、「C550 TGS」（紫色柱）及两者效率比值（绿色折线）。

MACA 不仅是一个技术平台，更是沐曦「1+6+X」战略的重要组成部分。在这一战略中，「1」代表数字算力底座，「6」代表对于六大核心行业的赋能，包括金融、医疗健康、能源、教科研、交通和大文娱等行业的 AI 场景应用及开源生态建设，「X」代表具身智能、低空经济等新兴行业。

技术报告详细介绍了 MACA 对于多个垂直场景的优化：

• 在搜广推场景，MACA 针对 TensorFlow/JAX 与 XLA 技术栈进行了深度协同适配。在部分模型中，沐曦平台的性能已达到甚至超过国际旗舰产品。
• 在传统小模型支持方面，MACA 提供了多模型格式兼容和底层计算优化，覆盖计算机视觉、自然语言处理及传统机器学习等核心场景。
• 在 AI for Science 领域，MACA 适配了 PaddleScience、WRF 数值模式等科学计算工具。
• 除此以外在材料、技术科学、天气模拟、药物研发等领域，MACA 对领域主流 AI 框架都进行了适配。

这种场景化优化能力，使得沐曦 GPU 不再仅仅是提供原始的算力，而是能够针对特定行业需求提供优化方案，实现从算力到生产力的高效转化。

构建生态的长远布局

作为衔接自主 GPGPU 硬件与全栈软件体系的核心载体，MACA 3.3.0.X 的推出不仅是产品版本的常规迭代，更是国产芯片厂商在经历硬件破冰后，试图通过软件定义算力、通过标准重塑生态的长远布局。

值得肯定的是，沐曦提供的从 AI 芯片到软件核心平台的能力，是全栈自研的—— 与部分厂商选择兼容 CUDA 或基于现有开源 ISA 进行微调的方式不同，沐曦选择了最具挑战但也保证了长期安全性的路线：自主指令集。MACA 软件栈具有自己的编程模型和使用范式，但也深度兼容 CUDA 生态，无需大幅修改即可适配海量 CUDA 项目。另外，沐曦的 GPU 基于全自研 GPGPU 核心 IP 及架构，原生支持全精度计算、MetaXLink 高速互连等特性。

凭借自研的体系，沐曦保证了算力体系的安全合规、性能针对性以及演进自主权。与此同时，MACA 并没有将全自研等同于「生态完全推倒重来」，而是通过 MACA 软件栈构建了高度兼容的体系。

这种策略，保证了「算力自主」的战略目标。通过一并兼容已有生态海量的算法模型、软件资产与开发者技能，让更多开发者们无需重复造轮子，就可以在自主算力的底座上跑通业务。这种「高门槛自研、低成本迁移」的模式，最大化地保证了用户的商业效率与效益。

随着技术的不断进步，沐曦正在以最低的迁移成本，将 AI 开发者引入自己的生态轨道。