昆仑芯 XPU 适配（百度昆仑芯）

本篇说明如何在 CubeStudio 平台上接入百度昆仑芯（kunlunxin / XPU）算力卡，覆盖主机驱动、k8s device plugin、节点资源识别、Notebook 与推理服务使用。

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

平台资源名配置

昆仑芯在平台中对应的 GPU 资源 key 为 xpu，映射到 k8s 资源名 kunlunxin.com/xpu（install/docker/config.py:1202 的 GPU_RESOURCE）：

"xpu": "kunlunxin.com/xpu",    # 百度昆仑芯

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 张昆仑芯卡填 1(xpu)。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）。

补充能力：

• 分布式训练：分布式任务模板侧同样内置 xpu → kunlunxin.com/xpu 映射（job-template/job/pkgs/k8s/py_k8s.py:46），TF / PyTorch 等分布式训练任务可直接申请昆仑芯卡；
• vXPU 虚拟化预置：平台部署的 HAMi 调度配置已预置昆仑芯虚拟化资源——kunlunxin.com/vxpu（切分数量）与 kunlunxin.com/vxpu-memory（显存切分，install/kubernetes/gpu/vgpu/vgpu.yaml:117-125），如需单卡多任务共享可按 HAMi 官方文档启用；
• 飞桨开发镜像：Notebook 可参考 config 中整理的昆仑芯 Paddle 镜像 ccr.ccs.tencentyun.com/cube-studio/paddle-xpu:ubuntu20-x86_64-gcc84-py310（install/docker/config.py:973 注释）。

一、主机 xpu-smi

主机驱动正常安装后，使用 xpu-smi 查看卡信息。

二、K8S device plugin / exporter

在 k8s 中部署昆仑芯的 device plugin 与 exporter 组件。下载地址（外部 OSS）：

• k8s device plugin：https://cube-studio.oss-cn-hangzhou.aliyuncs.com/install/xpu_device_plugin_1.0.0.3.tar.gz
• k8s exporter：https://cube-studio.oss-cn-hangzhou.aliyuncs.com/install/xpu_exporter_1.0.0.10.tar.gz

三、节点资源

device plugin 部署完成后，k8s 节点上会上报昆仑芯卡资源。

四、Notebook 使用

在 Notebook 中申请昆仑芯卡（GPU 字段填 数量(xpu)），进入容器后即可使用昆仑芯算力。

五、推理服务（部署 DeepSeek）

在推理服务中使用昆仑芯卡部署 DeepSeek 模型。

• 镜像：ccr.ccs.tencentyun.com/cube-studio/xtrtllm_ubuntu_2004_x86_64_deepseek-v3:v20

• 挂载目录：kubeflow-user-workspace(pvc):/mnt，/mnt/model(hostpath):/workspace
• /mnt/model 内容放在文件夹 model 中

• 启动命令：

source /home/pt201/bin/activate && export LD_LIBRARY_PATH=/usr/local/xpu/so:$LD_LIBRARY_PATH && bash /workspace/deepseek_server/run_server.sh /workspace/DeepSeek-R1-tokenizer /workspace/DeepSeek-R1-0528-BF16-engine r1

六、测试

部署完成后测试推理接口。