执行摘要

• 一句话：删除多平台内核死代码，净删 396 行无功能变更
• 推荐动作：作为纯死代码删除的 PR，不建议精读实现细节；但值得关注其识别死代码的方法：跨多个硬件后端与 V1 执行路径系统性地通过调用关系与 CI 验证删除无引用符号。对于维护内核生态的工程师，可以借此了解 vLLM 内核演进痕迹（如 FA4 编译请求的简化、旧 libtorch_stable 内核的退役）。合并前确认了 CI 通过，风险较低。

功能与动机

PR 标题和正文仅说明 "Remove kernel dead code"，意图是清理 vLLM 内核层在演进过程中积累的、已不再被引用的代码，降低维护成本与阅读负担。由于没有关联 Issue 或详细设计文档，具体删除依据主要来自调用方搜索与 CI 验证。

实现拆解

1. 清理 V1 注意力编译请求链路
   - 在 vllm/v1/attention/backends/fa_utils.py 中移除 FlashAttentionCuTeDSLCompileSpec 数据类及其 compile()、request_key() 方法，并清理不再需要的 dataclass 与 torch 导入。该删除不影响 flash-attn 的版本选择逻辑，因为版本选择由保留的 get_flash_attn_version() 完成。
2. 清理 CuTeDSL 瘦 GEMM 编译接口
   - 在 vllm/model_executor/kernels/linear/cute_dsl/skinny_gemm.py 中删除 request_warmup() 包装方法，保留 request_warmup_configs()。由于所有调用方已直接传入配置，包装方法成为冗余，删除后编译请求接口更简洁。
3. 清理 AMD Inkling Gluon 注意力内核
   - 在 vllm/models/inkling/amd/ops/gluon/rel_mha_decode_gfx950.py 中删除 _rel_mha_decode_sliding_fp16() 内核入口及其辅助的 store_output() 方法；在 utils.py 中删除仅供其使用的 attention_layouts() 布局推导函数。这些代码属于 GFX950 平台的滑动窗口 FP16 解码路径，已无启用入口。
4. 清理 CPU 与 libtorch_stable 中的陈旧内核
   - csrc/cpu/cpu_attn_fp8.hpp 删除仅作参考的 fp8e5m2_to_float_scalar() 标量反量化；csrc/libtorch_stable/ 下删除 copy_blocks_kernel 与 copy_blocks_mla_kernel 两个旧 KV cache 拷贝内核、WarpSort 的 load_sorted/dump/dumpIdx 辅助方法，以及量化转换的 scaled_quant_conversion() 设备端函数。
5. 验证与配套
   - 本 PR 没有新增或修改测试、配置、schema 或部署文件，依赖编译与既有 CI 验证删除后代码可正常构建运行。

关键文件：

• vllm/v1/attention/backends/fa_utils.py（模块 注意力后端；类别 source；类型 core-logic；符号 FlashAttentionCuTeDSLCompileSpec, compile, request_key）: V1 注意力后端的核心工具文件，删除了 FA4 编译请求数据类 FlashAttentionCuTeDSLCompileSpec（含 compile() 与 request_key()）以及 dataclass、torch 导入，是本次清理中影响面最大的符号。
• vllm/model_executor/kernels/linear/cute_dsl/skinny_gemm.py（模块 瘦矩阵乘；类别 source；类型 data-contract；符号 request_warmup）: CuTeDSL 瘦 GEMM 编译请求对外接口的收敛，删除了 request_warmup() 包装方法，减少了一层形状到配置的转换。
• vllm/models/inkling/amd/ops/gluon/rel_mha_decode_gfx950.py（模块 AMD内核；类别 source；类型 infrastructure；符号 store_output, _rel_mha_decode_sliding_fp16）: AMD GFX950 滑动窗口 FP16 解码内核删除，移除 _rel_mha_decode_sliding_fp16 入口与 store_output 辅助方法，共 113 行。
• csrc/cpu/cpu_attn_fp8.hpp（模块 CPU内核；类别 source；类型 core-logic；符号 fp8e5m2_to_float_scalar）: CPU FP8 KV cache 路径删除了参考用标量反量化函数 fp8e5m2_to_float_scalar，保留实际量化函数。
• vllm/models/inkling/amd/ops/gluon/utils.py（模块 AMD内核；类别 source；类型 infrastructure；符号 attention_layouts）: 与 rel_mha_decode_gfx950.py 配套的布局推导函数 attention_layouts 被删除，属于 AMD Gluon 内核清理的一部分。
• csrc/libtorch_stable/moe/grouped_topk_kernels.cu（模块 分组排序；类别 source；类型 core-logic；符号 load_sorted, dump, dumpIdx）: libtorch_stable 下 WarpSort 类中未使用的 load_sorted、dump、dumpIdx 方法被删除，减小 MoE top-k 内核维护面积。
• csrc/libtorch_stable/cache_kernels.cu（模块 KV缓存；类别 source；类型 core-logic；符号 copy_blocks_kernel, copy_blocks_mla_kernel）: 删除旧的 copy_blocks_kernel 与 copy_blocks_mla_kernel KV cache 拷贝内核，这些内核已被其他实现取代。
• csrc/libtorch_stable/quantization/fused_kernels/quant_conversions.cuh（模块 量化转换；类别 source；类型 core-logic；符号 scaled_quant_conversion）: 删除标量量化转换辅助函数 scaled_quant_conversion，该函数已无调用方。

关键符号：FlashAttentionCuTeDSLCompileSpec, request_key, request_warmup, store_output, _rel_mha_decode_sliding_fp16, fp8e5m2_to_float_scalar, attention_layouts, load_sorted, dump, dumpIdx, copy_blocks_kernel, copy_blocks_mla_kernel, scaled_quant_conversion

关键源码片段

vllm/v1/attention/backends/fa_utils.py

V1 注意力后端的核心工具文件，删除了 FA4 编译请求数据类 FlashAttentionCuTeDSLCompileSpec（含 compile() 与 request_key()）以及 dataclass、torch 导入，是本次清理中影响面最大的符号。

# vllm/v1/attention/backends/fa_utils.py（变更后）
# 本模块根据平台选择 flash-attn 实现。此次 PR 删除了下方曾经存在的
# FlashAttentionCuTeDSLCompileSpec 数据类（含 compile() 与 request_key()），
# 因为它已无任何调用方，删除后模块仅保留运行时导入与版本选择逻辑。
from typing import Any
​
import vllm.envs as envs
from vllm.logger import init_logger
from vllm.platforms import current_platform
​
logger = init_logger(__name__)
​
# 记录 ROCm 平台是否可用上游 flash-attn，模块初始化时确定后不再修改。
_ROCM_FLASH_ATTN_AVAILABLE = False
​
if current_platform.is_cuda():
    from vllm._custom_ops import reshape_and_cache_flash
    from vllm.vllm_flash_attn import (
        compile_flash_attn_varlen_func_from_specs,
        flash_attn_varlen_func,
        get_scheduler_metadata,
    )
elif current_platform.is_xpu():
    from vllm import _custom_ops as ops
    from vllm._xpu_ops import xpu_ops
    reshape_and_cache_flash = ops.reshape_and_cache_flash
    flash_attn_varlen_func = xpu_ops.flash_attn_varlen_func
    compile_flash_attn_varlen_func_from_specs = None
    get_scheduler_metadata = xpu_ops.get_scheduler_metadata
elif current_platform.is_rocm():
    from vllm.platforms.rocm import on_gfx1250
    compile_flash_attn_varlen_func_from_specs = None
    try:
        if on_gfx1250():
            from aiter.ops.triton.mha import flash_attn_varlen_func
        else:
            from flash_attn import flash_attn_varlen_func
        _ROCM_FLASH_ATTN_AVAILABLE = True
    except ImportError:
​
        def flash_attn_varlen_func(*args: Any, **kwargs: Any) -> Any:
            package = "aiter" if on_gfx1250() else "flash-attn"
            raise ImportError(
                f"ROCm platform requires upstream {package} "
                f"to be installed. Please install {package} first."
            )
​
    def get_scheduler_metadata(*args: Any, **kwargs: Any) -> None:
        return None
​
    from vllm import _custom_ops as ops
    reshape_and_cache_flash = ops.reshape_and_cache_flash

vllm/model_executor/kernels/linear/cute_dsl/skinny_gemm.py

CuTeDSL 瘦 GEMM 编译请求对外接口的收敛，删除了 request_warmup() 包装方法，减少了一层形状到配置的转换。

# vllm/model_executor/kernels/linear/cute_dsl/skinny_gemm.py（变更后）
# 原先还有一个 request_warmup(dtype, shapes) 包装方法，负责把 (M, N, K)
# 形状迭代转换为配置并调用本方法；PR 删除该包装，因为所有调用方已直接
# 使用 request_warmup_configs 传入显式配置，包装不再有存在价值。
def request_warmup_configs(
    self,
    dtype: torch.dtype,
    configs: Iterable[SkinnyGemmConfig],
    *,
    has_residual: bool = False,
) -> None:
    """请求在图捕获前编译显式测量过的配置。"""
    # 将配置收集到集合中，避免重复编译同一 (dtype, config, has_residual)。
    self._warmup_configs.update((dtype, config, has_residual) for config in configs)
    # 只注册一次 warmup provider，避免重复向全局注册表添加自己。
    if self._warmup_registered:
        return
    from vllm.model_executor.warmup.cutedsl_warmup import (
        register_cutedsl_warmup_provider,
    )
    register_cutedsl_warmup_provider(self)
    self._warmup_registered = True

评论区精华

本 PR 的 review 流程中没有实质技术讨论：claude[bot] 仅发布仓库配置提示（可手动触发 @claude review），sfeng33 直接批准且未留评论。因此不存在争议点、设计权衡或未解决疑虑。删除决策本身未引起讨论，说明变更争议较小。

• 暂无高价值评论线程

风险与影响

• 风险：主要风险来自删除是否覆盖了所有符号引用：
  • 回归风险：fa_utils.py 中删除的 FlashAttentionCuTeDSLCompileSpec 若仍被其他模块通过动态导入或反射引用，会在导入期触发 AttributeError；但 CI 与合并结果表明仓库内已无静态引用。
  • 兼容性风险：csrc/libtorch_stable 下的 copy_blocks_* 与 WarpSort 辅助方法属于内部实现，若下游 fork 或第三方插件直接引用这些符号，升级后在编译期会失败。
  • 性能风险：本 PR 为纯删除，理论上不影响运行时性能，甚至可能轻微减少二进制体积与编译时间。
  • 验证缺口：没有新增回归测试；若未来某个被删函数被重新启用，需要重写。建议后续在删除死代码时至少使用代码搜索或脚本确认无引用。
• 影响：影响范围：
  • 用户：无行为影响，推理结果与性能不变。
  • 系统：减少源码体积 396 行，略微降低内核编译时间和二进制体积。
  • 团队：减少后续维护负担，但需要注意被删除的内部符号不再可用；对 vLLM 的公共 API 无影响（这些符号均属内部实现）。
  • 影响程度：低。该 PR 属于低风险清理，但涉及多硬件后端（NVIDIA CUDA、AMD ROCm/GFX950、CPU、XPU），合并前需各平台 CI 验证。
  • 风险标记：缺少测试覆盖, 多平台内核删除, 纯删除无新增

关联脉络

• 暂无明显关联 PR