寒武纪 MLU 适配（Cambricon）

本篇说明如何在 CubeStudio 平台上接入寒武纪 MLU（Cambricon，型号 MLU370）算力卡，覆盖主机驱动运行时、k8s device plugin、节点可用卡数查询、Pod 占用测试与整体资源查看。

部署步骤来自 install/kubernetes/gpu/mlu/readme.md（含原始操作截图）。

平台资源名配置

寒武纪在平台中对应的 GPU 资源 key 为 mlu370，映射到 k8s 资源名 cambricon.com/mlu370（install/docker/config.py:1197 的 GPU_RESOURCE）：

"mlu370": "cambricon.com/mlu370",   # 寒武纪370

在 Notebook / 推理服务 / 任务流的「GPU」字段中填写格式为 数量(型号key)，例如申请 1 张寒武纪卡填 1(mlu370)。括号里的 key 会被平台解析后映射到对应的 k8s 资源名（解析逻辑见 myapp/utils/core.py:1622 的 get_gpu）。

大模型推理：寒武纪可用平台提供的 vLLM MLU 镜像 ccr.ccs.tencentyun.com/cube-studio/vllm:v0.11.2-mlu（install/docker/config.py:1277 注释）。

补充能力：

• 分布式训练：分布式任务模板侧同样内置 mlu370 → cambricon.com/mlu370 映射（job-template/job/pkgs/k8s/py_k8s.py:40），TF / PyTorch 等分布式训练任务可直接申请寒武纪卡；
• vMLU 虚拟化预置：平台部署的 HAMi 调度配置已预置寒武纪虚拟化资源段——cambricon.com/vmlu（数量）与 cambricon.com/mlu.smlu.vmemory（sMLU 显存切分，install/kubernetes/gpu/vgpu/vgpu.yaml:507-509），如需 MLU 切分共享可按 HAMi 官方文档启用。

一、主机驱动和运行时

主机正常安装寒武纪驱动与运行时。

二、安装 k8s 相关组件

在 k8s 中安装寒武纪相关组件，包含 device plugin 等。

三、查询机器可用卡数

通过 kubectl describe node 查看寒武纪节点上报的可用卡数：

kubectl describe node xx.xx.xx.xx
# xx.xx.xx.xx 是寒武纪节点 ip

四、Pod 占用寒武纪卡测试

在 Pod 内部查看占用的卡。

五、整体资源查看

在平台上查看寒武纪卡的整体资源占用情况。