执行摘要

• 一句话：清理 NPU 量化注释中的外部归属引用
• 推荐动作：值得快速回顾，作为文档清理的示例，但无需深入阅读。可参考其清理外部归属的方法，保持代码注释自包含。

功能与动机

文档性后续清理，使注释直接描述 SGLang 实现，保持术语自包含，避免外部项目引用，便于维护和理解。

实现拆解

1. 修改 python/sglang/srt/hardware_backend/npu/quantization/linear_method_npu.py：删除注释与 docstring 中对 vllm-ascend 的引用，改写为直接描述 SGLang 的布局与行为。
2. 修改 python/sglang/srt/layers/quantization/modelslim/schemes/modelslim_mxfp4_w4a8.py：移除 docstring 中对 vllm-ascend 方法的引用。
3. 保留所有实现细节、版本注意事项和故障排查指南，仅调整措辞。

关键文件：

• python/sglang/srt/hardware_backend/npu/quantization/linear_method_npu.py（模块 量化实现；类别 source；类型 core-logic）: 核心 NPU 量化实现，注释和 docstring 中移除了 vllm-ascend 引用，保留关键实现细节。
• python/sglang/srt/layers/quantization/modelslim/schemes/modelslim_mxfp4_w4a8.py（模块 量化方案；类别 source；类型 data-contract）: ModelSlim W4A8 方案的 docstring 移除了 vllm-ascend 引用，保持自包含。

关键符号：未识别

关键源码片段

python/sglang/srt/hardware_backend/npu/quantization/linear_method_npu.py

核心 NPU 量化实现，注释和 docstring 中移除了 vllm-ascend 引用，保留关键实现细节。

# 在线路径：在加载时将 FP16/BF16 权重量化到 MXFP8。
if weight.dtype not in (torch.float16, torch.bfloat16):
    logger.warning(...)
    weight = weight.to(torch.bfloat16)
# 将权重移至 NPU（如果 CPU offload 将其移回 CPU）。
if not weight.is_npu:
    weight = weight.to(f"npu:{torch.npu.current_device()}")
# 在线 MXFP8 权重量化（block_size=32）。
# qw: [out, in] float8_e4m3fn, w_scale: [out, in//64, 2] uint8。
qw, w_scale = torch.ops.npu.npu_dynamic_mx_quant(
    weight, dst_type=torch.float8_e4m3fn
)
layer.weight = Parameter(qw.transpose(0, 1), requires_grad=False)
layer.weight_scale_inv = Parameter(
    w_scale.transpose(0, 1), requires_grad=False
)
​
# 两条路径都产生 weight [in, out] 和 weight_scale_inv [in//64, out, 2] 作为
# strided transpose 视图 —— 不要调用 .contiguous()。matmul 归约循环按输出列扫描
# in 维；[out, in] 行主序源通过转置视图为该扫描提供 stride-1 访问，
# 匹配 msmodelslim 的离线布局。调用 .contiguous() 会将物理顺序重排为
# [in, out] 行主序，使内循环 stride 等于 out，降低 HBM 带宽。

评论区精华

reviewer ping1jing2 在评论中指出"只是注释更新，无需重新运行 CI"，且已批准该 PR，无其他讨论。

• CI 重新运行 (other): 决定不重新运行 CI

风险与影响

• 风险：风险极低，仅修改注释和 docstring，不影响任何代码逻辑、配置或 API。但需注意，docstring 可能被自动文档工具提取，修改后需确认文档措辞准确。
• 影响：对用户和系统无任何功能影响，仅改善代码可读性和可维护性。对团队而言，减少了对外部项目（vllm-ascend）的引用，增强了 SGLang 实现的自包含性。
• 风险标记：暂无

关联脉络

• PR #23650 相关原始实现 PR: PR body 中提到这是 #23650 的文档性后续清理，移除了对 vllm-ascend 的引用。