执行摘要

• 一句话：回滚 #36640，NPU MLA 修复引发回归
• 推荐动作：此 PR 是临时回滚，建议关注 #36813 的后续修复，确保其中包含针对 NPU MLA 的修复且不引入回归。值得回顾原 PR 的设计权衡，特别是如何处理跨硬件差异。

功能与动机

PR #36640 的目标是修复 NPU 上 import ggml_moe_a8_vec 失败以及 NPU MLA HiCache 备份访问缺失 data_ptrs 的问题。但该修复引入了回归：在非 NPU 环境中，无条件导入 ExpertPackMoEMethod 导致 ggml_moe_a8_vec 导入失败；同时移除了 NPU 专用的 kernel_ascend 处理，导致 NPU MLA HiCache 备份路径崩溃。因此需要回滚该 PR，以恢复稳定状态。

实现拆解

本 PR 为纯回滚操作，包含两个文件的变更：

1. python/sglang/srt/layers/quantization/mxfp4_flashinfer_trtllm_moe.py：恢复 is_npu 导入，并恢复 maybe_fuse_routed_scale_and_shared_add 中原有的条件导入逻辑——仅在非 NPU 时才导入 ExpertPackMoEMethod，避免在 CUDA 环境引发 ggml_moe_a8_vec 导入错误。
2. python/sglang/srt/mem_cache/pool_host/mla.py：恢复 backup_from_device_all_layer 中对 io_backend == "kernel_ascend" 的特殊处理，确保 NPU 池使用连续多层张量，不构建 CUDA 风格的 data_ptrs 数组。

未增加测试，回滚后回归风险已消除。

关键文件：

• python/sglang/srt/layers/quantization/mxfp4_flashinfer_trtllm_moe.py（模块 量化层；类别 source；类型 dependency-wiring；符号 maybe_fuse_routed_scale_and_shared_add）: 该文件是本次回滚的主要部分，恢复了 NPU 条件导入逻辑，避免非 NPU 环境出现 ggml_moe_a8_vec 导入错误。
• python/sglang/srt/mem_cache/pool_host/mla.py（模块 缓存池；类别 source；类型 core-logic；符号 backup_from_device_all_layer）: 恢复 NPU 专用的 kernel_ascend 处理，确保 NPU MLA HiCache 备份路径正确。

关键符号：maybe_fuse_routed_scale_and_shared_add, backup_from_device_all_layer

评论区精华

原作者在 Issue 评论中承认自己的修改并未完美解决问题，但认为对 MLA 的修复不应被回滚，并承诺通过新 PR #36813 单独修复 MLA 问题。

• 回滚决定 (question): 决定回滚 #36640，并由 #36813 单独修复 MLA 问题。

风险与影响

• 风险：回滚后，NPU 上的两个原始问题（ggml_moe_a8_vec 导入失败和 MLA HiCache 备份缺失 data_ptrs）仍然存在，在 NPU 上运行相关功能时可能崩溃。另外，回滚未包含测试，无法验证回滚后在其他平台上的稳定性。
• 影响：影响范围为所有使用 NPU 进行推理的用户，特别是依赖 MLA HiCache 备份的场景。回滚后，NPU 相关功能可能回到未修复状态，而其他平台（CUDA）则恢复稳定。
• 风险标记：缺少测试覆盖, NPU 回归未修复

关联脉络

• PR #36640 [NPU] [bugfix] Fix import of ggml_moe_a8_vec and Fix NPU MLA HiCache backup accessing missing data_ptrs: 被本 PR 回滚，是回归的源头。