摩尔线程MTT S5000与百度飞桨完成III级兼容性测试

近日，摩尔线程旗舰级AI训推一体智算卡MTT S5000与百度飞桨（PaddlePaddle）深度学习平台成功完成了III级兼容性测试。

测试结果表现优异——双方在兼容性上表现出色，系统整体运行稳定可靠。

目前，Paddle-MUSA算子适配率已经达到91%，覆盖了深度学习训练与推理所需的主流算子。

这一成果能为大语言模型、OCR、图像分类、目标检测、图像分割、推荐系统等核心应用场景提供稳定的运行基础。

百度飞桨平台简介

百度飞桨是百度研发的产业级开源深度学习平台，也是中国首个自主研发的深度学习框架。

其核心目标是降低深度学习技术的创新与应用门槛。产品支持从模型训练到多端部署的全流程开发。

截至2025年底，飞桨已凝聚超2300万开发者，服务76万家企业。

适配工作全面覆盖，两大亮点突出

本次适配工作全面覆盖了PaddlePaddle主框架的最新接口及算子注册体系，进一步增强了Paddle-MUSA与飞桨主线开发版本的协同能力。

具体来看，有两个亮点值得关注：

工程效率方面

Paddle-MUSA已经实现了对PaddlePaddle最新联合编译模式的支持。

开发者可以在同一个工程流程中完成主框架与MUSA后端的协同编译、安装与验证。

这很大程度上降低了构建成本，版本联调效率也明显提升。

技术架构方面

Paddle-MUSA建立了一套规则化适配机制。

这套机制用轻量、可复用、可回放的规则，替代了传统的大规模补丁或整文件覆盖方式。

它系统性地解决了MUSA算子库与CUDA生态接口之间的差异化适配难题。

这样一来，PaddlePaddle主线版本升级时，只需要维护必要的MUSA语义差异，不必携带大量上游源码副本。

代码合并冲突和回归风险都被有效控制住了。

适配周期大幅缩短，交付确定性提升

基于这些能力，在本次PaddlePaddle最新版本适配过程中，整体适配周期已经缩短到大约2人天。

版本跟进效率和工程交付确定性都得到了极大提升。这也是本次合作最实在的交付成果之一。

已完成多类典型模型适配

目前，Paddle-MUSA已完成多类典型模型的适配与验证，部分代表性模型包括：

• 大语言模型与多模态模型：ERNIE-4.5、LLaMA、PaddleOCR-VL 等；
• OCR系列模型：PP-OCRv3、PP-OCRv4、PP-OCRv5等；
• 视觉分类模型：AlexNet、VGG11、ResNet18、ResNet50、PP-LCNet、PP-HGNetV2 等；
• 检测、分割与姿态估计模型：SOLOv2、OCRNet、DMNet、UNet、PP-TinyPose 等；
• 检索与识别模型：PP-ShiTuV2、MobileFaceNet 等；
• 推荐系统模型：DLRM、DeepFM 等。

国产算力与框架协同的实质性突破

从算子到框架，从训练到推理，Paddle-MUSA正在持续拉近摩尔线程全功能GPU与飞桨开发者之间的距离。

这次III级兼容性认证，既是国产算力与国产深度学习框架技术协同的又一次实质性突破，也为国内AI开发者提供了一个更加自主可控、高效稳定的开发选择。

摩尔线程将继续深化与飞桨的合作，持续优化开发者体验，助力国产AI生态繁荣发展。

《夸克》非常好用的免费AI浏览器

下载APP查看