用途：在 Ubuntu 22.04 x86_64 主机上安装、升级、排障并验证本机加速平台栈（内核驱动、用户态 SDK、工具链、通信库），当前实例为 MUSA。技能名称与触发词保持平台无关，正文按平台特化。
主要能力：区分内核驱动与用户态 SDK；把 Toolkit、libmusa、muDNN、MCCL、torch、torch_musa 视为一个兼容集；采用带版本的用户态前缀，避免改动宿主机；提供从只读检查、兼容集选择、下载校验、环境变量配置到验证阶梯的完整流程。
使用方式：先做只读检查（lsb_release -a、uname -a、lscpu、lspci -nn、mthreads-gmi、lsmod | awk '$1 == "mtgpu" {print}'、dkms status）。再依据官方发布说明与 torch_musa 发布页记录兼容矩阵。用户态布局示例：export MUSA_ROOT="${MUSA_ROOT:-$HOME/opt/musa}"、export MUSA_VERSION=5.2.0、export MUSA_HOME="$MUSA_ROOT/$MUSA_VERSION"。环境变量：export PATH="$MUSA_HOME/bin${PATH:+:$PATH}"、export LD_LIBRARY_PATH="$MUSA_DRIVER_LIB_DIR:$MUSA_HOME/lib${LD_LIBRARY_PATH:+:$LD_LIBRARY_PATH}"。验证阶梯依次为工具链查询、ldd 检查、单卡 torch 计算、单进程 MCCL、双进程 torchrun all-reduce、短应用负载、全设备通信、长时训练稳定性。
适用场景：新主机或已有主机的加速平台栈部署与排障，共享 HPC 系统可用 Environment Modules 设置相同变量。
限制：不得在 GPU 任务运行时升级或重载内核驱动；musaInfo 查询成功不代表 torch_musa wheel 兼容；torch 与 torch_musa 版本必须完全一致；wheel 标签需匹配 Python ABI；不要安装含 nvidia-*、CUDA Triton、bitsandbytes、NCCL 等 CUDA 依赖到 MUSA 环境；未验证项需标注 (未验证)。