这场Meetup的契机，源于一个重磅消息：摩尔线程（688795）MUSA后端，正式加入全球领先的开源推理框架SGLang的官方支持体系，相关代码也已成功合入SGLang主线。
图注：SGLang GitHub官方仓库展示的 Moore Threads（MUSA）GPU 支持开发规划与路线图
代码合入SGLang主线，标志着摩尔线程（688795）全功能GPU获得SGLang“原生支持”（First（FFBC）-Class Support），成为官方后端矩阵一员。
现在，无论是用SGLang框架本体sglang、高性能算子库sgl-kernel，还是多模态生成组件multimodal_gen，开发者均可原生调用摩尔线程（688795）GPU，享受极致性能优化。
打破壁垒：
国产GPU融入全球开源生态
SGLang是业界领先的大语言模型推理与服务框架，凭借卓越的吞吐性能和灵活的编程接口，受到开发者广泛关注。
此次，摩尔线程（688795）贡献的MUSA后端，原生支持MUSA架构的算子加速与显存管理，同时开源MATE算子库，为SGLang在摩尔线程（688795）GPU上的高效运行提供了坚实的核心性能支撑。开发者在AI训推一体智算卡MTT S5000上运行DeepSeek、Qwen等主流模型，可实现“开箱即用”的推理加速。
摩尔线程（688795）进入SGLang官方后端矩阵，不仅意味着国产GPU在生态适配上拥有更充分、更直接的兼容路径，也为中文AI社区提供了一条基于国产硬件的高性能推理路径。
开发者只需克隆 SGLang 官方仓库，并执行以下命令，即可获得同时支持大语言模型（LLM）与多模态模型（文生图/文生视频等）的运行能力：
安装 SGLang kernel（MUSA支持）
python setup_musa.py install
安装SGLang及其完整MUSA依赖环境
pip install "python[all_musa]"
未来，随着SGLang官方发布针对MUSA架构优化的正式sglang-kernel build，还可以通过以下命令安装专为摩尔线程（688795）硬件优化的kernel版本：
pip install sglang-kernel --index-url https://docs.sglang.io/whl/musa<
MUSA开源技术沙龙：
SGLang × MUSA Meetup
为庆祝这一重要合作，摩尔线程（688795）联合SGLang社区将于5月10日（周日）下午在北京举办技术Meetup，采用「线下活动 + 线上直播」双通道形式。
▼ 议题一：框架适配与架构演进
SGLang核心贡献者Xiaoyu Zhang（BBuf）与摩尔线程（688795）核心贡献者，将分享SGLang Roadmap、kernel优化、Vibe Coding应用、MUSA移植落地等。
▼ 议题二：算子编译与性能优化
Triton、TileLang项目技术大牛，揭秘算子工程，分享高性能算子生成、MUSA专项优化、MATE技术协同。
▼ 议题三：系统整合与生态共建
Mooncake等明星项目专家将探讨训推一体系统与开源社区协同，共建 AI 新生态。
