微软将在6月2日的Build 2026大会上宣布 WSL 3 的诞生。这一升级对 WSL 进行了彻底的架构改革：它用一种轻量级的半虚拟化运行环境取代了WSL 2中使用的完整Hyper-V虚拟机技术。最显著的特点是：现在可以直接利用GPU和NPU的性能，这样一来，使用PyTorch、CUDA或JAX等工具进行开发时，其效率可接近于在原生Linux系统上的水平，误差仅在3%到5%之间。经过多年以来，AI/ML开发者们一直倾向于使用macOS或专门的Linux机器来进行开发，现在，Windows终于有了与之相媲美的解决方案。
WSL 2在Hyper-V虚拟机中运行着真正的Linux内核。与WSL 1相比，这无疑是一种重大的改进。不过，完全虚拟化会带来一定的性能损耗：对于GPU密集型任务来说，这种损耗通常在5%到15%之间；而在需要长时间运行的训练过程中，由于启动延迟的影响，损耗甚至可能高达33%。对于原型开发来说，大多数开发者都能接受这种性能损耗。但在进行实际生产环境的训练时，很多开发者则无法忍受这样的性能损失。
WSL 3用一种基于半虚拟化技术的轻量级虚拟机取代了Hyper-V虚拟机。在这种架构中，Linux内核不再通过完整的虚拟化层来与硬件进行交互，而是通过一个简化的兼容性层与GPU和NPU进行通信。从测试结果来看，使用WSL 3进行PyTorch模型训练时，其效率比在纯Linux系统中低3%到5%。不过，对于大多数应用来说，这种差异可以忽略不计。WSL 2和WSL 3可以并行使用，用户无需强制转换虚拟机环境。现在，你可以通过Windows Insiders计划来尝试使用WSL 3。
WSL 2完全无法使用NPU功能。如果你想利用Linux开发工具在Snapdragon Hexagon NPU或Intel AI Boost上进行推理操作，那是不可行的。而WSL 3则改变了这一状况：现已确认，三种平台系列都可以通过半虚拟化技术来使用NPU功能。
Qualcomm Snapdragon X Elite / X Elite 2 — Hexagon NPU Intel Meteor Lake / Lunar Lake — Intel AI Boost AMD Ryzen AI — XDNA 2 NPU
这涵盖了当前一代的Copilot+电脑。
根据Stack Overflow的调查数据，59%的开发者将Windows作为自己的主要操作系统。不过，在人工智能/机器学习领域，开发人员的使用习惯则有所不同：他们用Windows电脑处理办公事务，而用于实际模型开发的则通常是MacBook或运行Linux系统的电脑。问题并不在于Windows系统本身，而在于在WSL 2环境下运行复杂的PyTorch程序时，性能会受到影响，尤其是在需要长时间运行的训练过程中，这种性能损失会更加明显。
WSL 3首次提出了实现资源整合的可行方案。在2026年的Build大会上，通过“将WSL作为AI开发环境”的演示可以看出：使用在WSL 3中开发的程序，可以直接部署到Azure平台上，而无需进行任何代码调整或环境配置。对于那些为了进行AI开发而不得不购买双工工作站或云Linux虚拟机的企业来说，这无疑意味着成本的显著降低。
WSL 3: GPU and NPU Passthrough for Windows AI Dev (Build 2026)
微软，宝刀不老呀
Featured Collection
Popular Ranking
Popular Events
中文 
deepin deepin 
Terminal with theme error. 
微软将在6月2日的Build 2026大会上宣布 WSL 3 的诞生。这一升级对 WSL 进行了彻底的架构改革：它用一种轻量级的半虚拟化运行环境取代了WSL 2中使用的完整Hyper-V虚拟机技术。最显著的特点是：现在可以直接利用GPU和NPU的性能，这样一来，使用PyTorch、CUDA或JAX等工具进行开发时，其效率可接近于在原生Linux系统上的水平，误差仅在3%到5%之间。经过多年以来，AI/ML开发者们一直倾向于使用macOS或专门的Linux机器来进行开发，现在，Windows终于有了与之相媲美的解决方案。
WSL 2在Hyper-V虚拟机中运行着真正的Linux内核。与WSL 1相比，这无疑是一种重大的改进。不过，完全虚拟化会带来一定的性能损耗：对于GPU密集型任务来说，这种损耗通常在5%到15%之间；而在需要长时间运行的训练过程中，由于启动延迟的影响，损耗甚至可能高达33%。对于原型开发来说，大多数开发者都能接受这种性能损耗。但在进行实际生产环境的训练时，很多开发者则无法忍受这样的性能损失。
WSL 3用一种基于半虚拟化技术的轻量级虚拟机取代了Hyper-V虚拟机。在这种架构中，Linux内核不再通过完整的虚拟化层来与硬件进行交互，而是通过一个简化的兼容性层与GPU和NPU进行通信。从测试结果来看，使用WSL 3进行PyTorch模型训练时，其效率比在纯Linux系统中低3%到5%。不过，对于大多数应用来说，这种差异可以忽略不计。WSL 2和WSL 3可以并行使用，用户无需强制转换虚拟机环境。现在，你可以通过Windows Insiders计划来尝试使用WSL 3。
WSL 2完全无法使用NPU功能。如果你想利用Linux开发工具在Snapdragon Hexagon NPU或Intel AI Boost上进行推理操作，那是不可行的。而WSL 3则改变了这一状况：现已确认，三种平台系列都可以通过半虚拟化技术来使用NPU功能。
Qualcomm Snapdragon X Elite / X Elite 2 — Hexagon NPU
Intel Meteor Lake / Lunar Lake — Intel AI Boost
AMD Ryzen AI — XDNA 2 NPU
这涵盖了当前一代的Copilot+电脑。
根据Stack Overflow的调查数据，59%的开发者将Windows作为自己的主要操作系统。不过，在人工智能/机器学习领域，开发人员的使用习惯则有所不同：他们用Windows电脑处理办公事务，而用于实际模型开发的则通常是MacBook或运行Linux系统的电脑。问题并不在于Windows系统本身，而在于在WSL 2环境下运行复杂的PyTorch程序时，性能会受到影响，尤其是在需要长时间运行的训练过程中，这种性能损失会更加明显。
WSL 3首次提出了实现资源整合的可行方案。在2026年的Build大会上，通过“将WSL作为AI开发环境”的演示可以看出：使用在WSL 3中开发的程序，可以直接部署到Azure平台上，而无需进行任何代码调整或环境配置。对于那些为了进行AI开发而不得不购买双工工作站或云Linux虚拟机的企业来说，这无疑意味着成本的显著降低。
WSL 3: GPU and NPU Passthrough for Windows AI Dev (Build 2026)