执行摘要

• 一句话：修复 NPU 多 stage PP 启动崩溃，去掉失效属性引用
• 推荐动作：值得花几分钟精读，但不是因为改动的技术难度，而是因为它揭示了一个可复用的工程教训：删除公共属性（#38293）与新增对该属性的引用（#38249）在时间上交错，最终由 NPU 用户在启动阶段埋单。阅读时建议重点关注三点：① 作者在 PR body 中的根因回溯链路，理解「跨 PR 集成缺口」是如何形成的；② all_gather_group 从条件取值改为恒取 attn_tp_group 的语义变化，是否会影响下游 all-gather 分支；③ 该路径为何没有自动化测试，以及在 NPU CI 中加入 pp-size > 1 启动冒烟用例的可行性。若你是 NPU 相关代码的维护者，建议顺手排查其他平台分支（XPU/ROCm）是否存在同样指向 require_attn_tp_allgather 的残留引用。

功能与动机

PR body 明确说明：在 NPU 上以 --pp-size > 1 运行时，调度器启动即崩溃，报错为 AttributeError: 'Scheduler' object has no attribute 'require_attn_tp_allgather'，位置在 scheduler_pp_mixin.py 的 _pp2_only_send_recv_output_tensors_npu。作者回溯了根因：「#38293 has deleted require_attn_tp_allgather. The issue was introduced by #38249. Possibly due to a timing gap between #38249 and #38293, the reference to require_attn_tp_allgather, which should have been removed, was still kept.」也就是说，一个删除属性的清理 PR 与一个新增该引用路径的功能 PR 在时间上交错合入，导致 NPU 的 PP 输出收发路径留下悬空引用，属于典型的跨 PR 集成缺口。

实现拆解

1. 定位崩溃入口：问题集中在 python/sglang/srt/managers/scheduler_pp_mixin.py 的 _pp2_only_send_recv_output_tensors_npu。该函数用一次 batch_isend_irecv 同时完成「向下一个 stage 发送输出张量」和「从前一个 stage 接收输出张量」，是 NPU 上规避 HCCL 上 isend/irecv 相互阻塞死锁的关键路径。

2. 修复失效的属性引用：函数体开头原本通过三目表达式构造 all_gather_group——self.attn_tp_group if self.require_attn_tp_allgather else None。由于 require_attn_tp_allgather 已在 PR#38293 中被删除，这行代码在 NPU + PP 场景下必然抛出 AttributeError。改动把它替换为单行 all_gather_group = self.attn_tp_group，删掉条件判断，删除 3 行、新增 1 行。

3. 语义层面的变化：修复不只是「去报错」，还改变了取值语义——原先在 require_attn_tp_allgather 为假时会向后续通信封装传 None（表示不做 attention TP 的 all-gather），现在恒为真实的 attn_tp_group。作者在 PR 描述中的口径是「pass all_gather_group=self.attn_tp_group unconditionally」，因此这是一次有意的行为统一：NPU PP 路径默认走 attention TP all-gather。下游消费该变量的位置未在提供的材料中展示，是本次评审最需要额外确认的点。

4. 测试与配套：本 PR 没有新增或修改任何测试、文档、配置或部署脚本，仅 1 个源码文件、1 个 commit。验证依赖作者手工跑的两组精度对照：Qwen3-32B + pp-size=2 的 debug tensor dumps 比对，以及 Qwen3-VL-4B-Instruct + pp-size=2 的多模态并行验证（PR 描述中以截图形式给出）。该路径此前没有自动化用例，因此这类「属性被删后引用残留」的问题缺少 CI 守门。

关键文件：

• python/sglang/srt/managers/scheduler_pp_mixin.py（模块 流水并行；类别 source；类型 core-logic；符号 _pp2_only_send_recv_output_tensors_npu, all_gather_group）: 唯一的改动文件。修复点位于 NPU 专用的 _pp2_only_send_recv_output_tensors_npu，把对已删除属性 require_attn_tp_allgather 的条件引用替换为无条件使用 self.attn_tp_group，直接决定了 NPU 上 --pp-size > 1 能否启动。
• python/sglang/srt/managers/scheduler_pp_mixin.py（模块 流水并行；类别 source；类型 core-logic；符号 _pp2_only_send_recv_output_tensors_npu）: 同上，补充说明：该文件是整个 PP（pipeline parallel）调度编排的集中地，_pp2_only_send_recv_output_tensors_npu 与其它 _pp2_only_* 变体共同决定 micro-batch 的收发与 skip 策略，因此这里的行为变更会直接影响 NPU 上的 PP 吞吐与死锁规避逻辑。

关键符号：_pp2_only_send_recv_output_tensors_npu

关键源码片段

python/sglang/srt/managers/scheduler_pp_mixin.py

唯一的改动文件。修复点位于 NPU 专用的 _pp2_only_send_recv_output_tensors_npu，把对已删除属性 require_attn_tp_allgather 的条件引用替换为无条件使用 self.attn_tp_group，直接决定了 NPU 上 --pp-size > 1 能否启动。

# python/sglang/srt/managers/scheduler_pp_mixin.py
# NPU 专用的 PP 输出张量收发：用一次 batch_isend_irecv 同时完成「发给下一 stage」
# 与「从前一 stage 接收」，避免 HCCL 上 isend/irecv 相互阻塞导致的死锁。
def _pp2_only_send_recv_output_tensors_npu(
    self: Scheduler,
    next_first_rank_mb_id: int,
    next_mb_id: int,
    mbs: List[ScheduleBatch],
    mb_metadata: List[PPBatchMetadata],
    last_rank_comm_queue: deque[Tuple[torch.Event, PPProxyTensors]],
    pp_outputs: PPProxyTensors | None,
) -> Tuple[
    Optional[PPProxyTensors],
    Optional[GenerationBatchResult],
    Optional[torch.Event],
    List[P2PWork],
]:
    """NPU-specific output tensor send/recv using batch_isend_irecv.
​
    Pairs the send of output tensors to the next stage with the recv
    of output tensors from the previous stage in a single
    ``batch_isend_irecv`` call, avoiding the deadlock that can occur
    on HCCL when separate isend/irecv calls block waiting for each
    other.
    """
    next_pp_outputs = None
    d2h_event = None
    batch_result = None
    send_output_work = []
​
    # ---- 本次修复的核心（PR#39561）----
    # 这里原先写作：
    # all_gather_group = (
    # self.attn_tp_group if self.require_attn_tp_allgather else None
    # )
    # 但 require_attn_tp_allgather 属性已在 PR#38293 的清理中被删除，
    # 而引入本函数的 PR#38249 仍保留了对它的引用。两者合入时间交错，
    # 导致 NPU 上以 --pp-size > 1 启动时，调度器初始化阶段直接抛
    # AttributeError: 'Scheduler' object has no attribute
    # 'require_attn_tp_allgather'。
    # 修复方式：无条件使用真实的 attention TP 通信组，去掉条件判断，
    # 既消除属性查找失败，也把「是否做 attn TP all-gather」的语义统一。
    all_gather_group = self.attn_tp_group
​
    # ---- Prepare send dict ----
    # NPU 上必须始终发出内容（完整输出或轻量 skip 标记），
    # 保证对端 batch_isend_irecv 里的 recv 总能匹配到一条 send。
    # 否则 SGLANG_PP_SKIP_PURE_CHUNKED_OUTPUT_COMM 会让相邻 rank 做出不一致的
    # skip 判定（send 的目标与 recv 的目标是两个不同 micro-batch），
    # 进而死锁，或迫使使用者彻底关掉该优化（约 10% 吞吐损失）。
    send_dict: Optional[Dict[str, torch.Tensor]] = None
    if self.pp_group.is_last_rank:
        target_send = mbs[next_first_rank_mb_id]
        if target_send is not None:
            q_event, pp_outputs_to_send = last_rank_comm_queue.popleft()
            if not target_send.forward_mode.is_prebuilt():
                if _pp_can_skip_output_comm(target_send):
                    send_dict = {"__msg_type__": "output", "__skip__": True}
                else:
                    self.device_module.current_stream().wait_event(q_event)
                    send_dict = dict(pp_outputs_to_send.tensors)
                    send_dict["__msg_type__"] = "output"
    elif pp_outputs:
        # 中间 rank：收到上一 stage 的输出后原样转发给下一 stage；
        # __skip__ 标记同样透传，保证 skip 决策由 last rank 单点决定。
        if pp_outputs.tensors.get("__skip__"):
            send_dict = {"__msg_type__": "output", "__skip__": True}
        else:
            send_dict = dict(pp_outputs.tensors)
            send_dict["__msg_type__"] = "output"

评论区精华

本次 PR 几乎没有形成技术讨论：review_comments_count 为 0，唯一的 review 是 NPU 机器人 sglang-npu-bot 的 APPROVED（body 为空），另外机器人还发出了 /tag-and-rerun-ci 以触发重跑。PR body 中记录的三个 CI 状态均为失败（PR Test (Base)、PR Test (Extra)、PR Test (AMD ROCm 10) 都是 ✗），但材料里没有针对这些失败项的具体归因或结论，无法判断是环境抖动还是与本改动相关。真正有价值的信息来自作者在 body 里的根因回溯（#38249 引入引用、#38293 删除属性、时间差导致残留），这比 review 环节的讨论更能说明问题性质。

• NPU PP 启动崩溃：对已删除属性 require_attn_tp_allgather 的残留引用 (correctness): 已按作者的方案合入：net +1/-3，条件引用被移除，NPU 上 --pp-size > 1 恢复可启动；但「恒传 attn_tp_group」带来的行为差异（原先可能是 None）未在讨论中被进一步验证。
• CI 失败状态下的批准与重跑 (testing): 缺少对人类可读的失败归因结论，无法从现有材料判断失败是否与本改动相关；PR 最终仍被合入（merged_by 为 sglang-npu-bot），重跑结果在材料中不可见。

风险与影响

• 风险：1）语义变更未完全闭环（正确性）：把 all_gather_group 从「可能为 None」改为「恒为 attn_tp_group」会改变 _pp2_only_send_recv_output_tensors_npu 后续 all-gather 分支的行为。如果下游封装对 None 与真实 process group 有不同的分支处理，NPU 上可能多做一次 all-gather（额外通信开销）或改变张量形状协商方式。材料中未展示该变量的消费点，无法从本次上下文确认等价性，这是最需要补验证的地方。

2）缺少自动化测试（回归）：仓库里没有 NPU + pp-size > 1 的启动冒烟用例，本次修复靠人工跑 Qwen3-32B / Qwen3-VL-4B-Instruct 截图佐证。同类悬空引用一旦再次出现，仍只能在用户侧启动崩溃时才被发现。

3）跨 PR 时序耦合（流程）：require_attn_tp_allgather 被删除时没有同步清理 NPU 侧新增引用，说明「删属性」类重构缺少全仓符号引用检查或 ratchet 测试兜底。

4）CI 可信度（发布）：PR 记录中的三个 PR Test 运行均为失败状态，而 review 侧只有机器人批准与重跑指令，存在「以失败状态合入」的观感风险，需要后续确认重跑是否转绿。

5）影响面收敛：改动只在 NPU 分支函数内，CUDA / ROCm / CPU 的 PP 路径与 all_gather_group 逻辑不受影响，回归半径小。

• 影响：用户侧：使用 NPU 并开启 --pp-size > 1 的用户此前会在调度器初始化阶段直接崩溃、完全无法服务；修复后该配置恢复可用，同时对 Qwen3-32B 这类纯文本大模型与 Qwen3-VL-4B-Instruct 这类多模态模型的 PP 并行都得到验证。

系统侧：影响范围限定在 NPU 的 PP 输出张量收发函数 _pp2_only_send_recv_output_tensors_npu，不改变通信顺序、消息协议（仍然使用 __msg_type__ / __skip__ 标记）或死锁规避策略，因此对已有非 NPU 部署与非 PP 部署无影响。

团队侧：这是一次典型的「清理 PR 与新功能 PR 交错合入」事故，提示维护者在删除公共属性或方法时，需要以符号级搜索 + 平台分支检查（尤其是 NPU、XPU、ROCm 等旁路代码）为前置动作；同时说明 NPU PP 场景的自动化覆盖仍属空白区。

• 风险标记：语义变更待确认, 缺少测试覆盖, 跨 PR 时序耦合, NPU 专有路径, CI 状态曾失败

关联脉络

• PR #38293 删除 require_attn_tp_allgather 的清理 PR（标题未在提供材料中给出）: PR body 明确指出 require_attn_tp_allgather 由 #38293 删除，是本 PR 修复的直接上游：删除动作没有同步清理 NPU PP 路径中的引用，才产生了本次启动崩溃。
• PR #38249 引入 _pp2_only_send_recv_output_tensors_npu 的功能 PR（标题未在提供材料中给出）: PR body 说明「The issue was introduced by #38249」，即该 PR 新增了引用 self.require_attn_tp_allgather 的代码路径；它与 #38293 的时间差是问题根因。
• PR #38402 fix(npu): fix hybrid KV transfer with PP prefill in PD disaggregation: 同属 NPU + PP 组合场景的修复线，同样触及 NPU 侧并行通信路径（disaggregation/conn.py、memory_pool.py）并补了单测，可与本 PR 对照：这类问题在 NPU 上反复出现，但本 PR 未补充测试。