2026年9月8日，PyTorch 基金会宣布，寒武纪正式加入 PyTorch 基金会，成为最高级别的白金成员。PyTorch 基金会是 Linux 基金会旗下由社区驱动的开源 AI 组织，支持 PyTorch , vLLM 等一系列开源项目，在推动前沿 AI 技术开放创新、促进全球产业与开发者协作方面发挥着重要作用。
寒武纪成立于2016年，是人工智能芯片的先行者 ，专注于人工智能芯片产品及软件的研发。通过十年的持续迭代，寒武纪已构建出一套高效、易用、稳定、成熟且具备高可扩展性的软硬一体化产品体系。依托领先的芯片技术与完善的基础软件生态，寒武纪不仅全面支持大规模大语言模型的高效训练与推理，更推动了算力的全面产业化。产品已在智能对话应用、智能体 AI，搜索广告推荐以及音视频生成等多模态核心应用中实现规模化商业落地，获得了业界的广泛认可。
“我们深信，只有软硬架构的深度协同与开源开放的繁荣生态，才能真正释放 AI 算力基础设施的潜能。PyTorch 对我们而言不仅是一个框架，更是我们软件生态的核心。对于开发者来说，统一的框架接口意味着更低的迁移成本，以及更一致的工具和开发体验；对于 PyTorch 来说，更通用的设备抽象意味着更少的下游分支和更可持续的维护方式。因此，我们的目标不仅仅是让寒武纪产品支持 PyTorch，更是通过持续的核心主干共建，与 PyTorch 社区紧密合作，推动其更好地支持多设备后端，提升可扩展性与统一设备支持能力。我们希望通过整个社区的共同努力，让 PyTorch在更广泛的硬件平台上都能获得开箱即用的原生开发体验。这也是寒武纪加入 PyTorch 基金会的根本原因，我们希望将长期积累的大规模部署实践转化为面向全球开发者社区的技术贡献，持续推动更加开放、多样化的 AI 基础设施建设。”寒武纪软件工程副总裁 Elton Gong 说。
寒武纪坚持 “Upstream First”原则，持续投入开放的软件生态建设，是 PyTorch 的长期贡献者。在过去的几年中，寒武纪对于 PyTorch 的贡献覆盖了多个主干模块： torch 编译器（torch.compile）, Eager 模式算子、设备运行时、分布式计算、 自动混合精度、数据加载器（Dataloader）和 Profiler 性能分析器。
与此同时，寒武纪也与 vLLM 社区保持密切合作，实现 DeepSeek-V4、GLM-5等主流开源大语言模型的 Day 0 适配。
未来，寒武纪表示将加大开源生态投入，进一步深化与 PyTorch 基金会的合作，重点聚焦编译基础设施优化、CI/CD 能力提升以及面向 PyTorch 领域专用库的跨设备支持等方向，以更加长期、系统的方式参与 PyTorch 开源生态建设。寒武纪希望从PyTorch 的长期贡献者成为全球 AI 基础设施的共建者，与 PyTorch 基金会及全球产业伙伴共建开放、多元的 AI 生态。
“任何 AI 加速器要实现规模化应用并取得成功，都必须贯穿 AI 开发全生命周期，为开发者提供全面的技术支持，从基于 PyTorch 构建和优化模型到借助 vLLM 高效实现模型部署与服务。”PyTorch 基金会执行董事 Mark Collier 表示，“寒武纪持续为 PyTorch 上游社区贡献力量，并积极推动 vLLM 在寒武纪硬件上的应用，充分展现了其对开源生态的长期投入与坚定承诺。这些努力不仅推动了相关技术的发展，也为整个 AI 生态的持续演进提供了助力。欢迎寒武纪加入 PyTorch 基金会。寒武纪的加入将进一步强化我们的共同使命，携手推动 AI 基础设施向更加开放、灵活和多元的方向发展，为不同硬件平台提供更广泛的适配与支持，并促进开放、繁荣的 AI 硬件生态。”
作为白金成员，寒武纪将在 PyTorch 基金会理事会拥有一个席位。理事会依据基金会章程以及使命和愿景声明制定相关政策，并负责确定基金会各项倡议的总体范围、技术愿景和发展方向。
寒武纪 AI 框架高级总监王进代表寒武纪加入 PyTorch 基金会理事会。王进负责寒武纪人工智能框架及软件栈，团队专注于为高效推理和大规模模型训练提供软件支持。业务场景涵盖大语言模型、搜索广告与推荐、强化学习等领域，客户覆盖互联网、金融等多个行业。王进带领团队长期参与开源项目开发，推动寒武纪产品与主流人工智能框架的快速适配与深度优化。
寒武纪 PyTorch 的核心维护者朱靖加入 PyTorch 基金会的技术咨询委员会（Technical Advisory Council)。朱靖主要负责寒武纪产品接入 PyTorch 生态，围绕 PyTorch 后端集成机制（PrivateUse1）构建Torch-MLU扩展，涵盖算子适配、 Inductor 支持、基于 CNCL（Cambricon Communications Library，寒武纪高性能通信库） 的分布式训练、混合精度与图模式加速以及性能分析与调优工具链，让用户在寒武纪产品上拥有原生 PyTorch 开发体验。
