摩尔线程 GPU 适配（mthreads / MUSA）
本篇说明如何在 CubeStudio 平台上接入摩尔线程（mthreads）GPU 算力卡，覆盖主机驱动、k8s device plugin、节点资源识别、容器占卡与平台部署 DeepSeek 模型。
来源：
install/kubernetes/gpu/mthreads/readme.md，原文为图文操作记录。下文保留原始操作截图（外部 OSS 链接），并补充平台侧资源名配置事实。
平台资源名配置（已核实）
摩尔线程在平台中对应的 GPU 资源 key 为 mthread，映射到 k8s 资源名 mthreads.com/gpu。
依据 myapp/config.py:1256 的 GPU_RESOURCE 配置：
"mthread": "mthreads.com/gpu" # 摩尔线程
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 2 张摩尔线程卡填 2(mthread)。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）。
一、主机驱动正常安装
主机正常安装摩尔线程驱动后，使用 mthreads-gmi 查看 GPU 卡。
二、部署 k8s device 插件
在 k8s 中部署摩尔线程 gpu-device 插件。
三、查看 k8s 节点资源
device 插件部署完成后，查看 k8s 节点上报的摩尔线程卡资源。
四、容器 yaml 文件
在容器 yaml 中申请摩尔线程卡，比如这里 Pod 占用 2 张卡。
五、Pod 内查看占用卡情况
进入容器后用 mthreads-gmi 查看占用的卡。
六、CubeStudio 平台部署 DeepSeek 模型
在 CubeStudio 平台上使用摩尔线程卡部署 DeepSeek 模型。
七、DeepSeek 接口测试
部署完成后测试 DeepSeek 推理接口。
