2026-09-20—23 深度学习复盘：从算子数据流到推理系统协同优化
统计窗口与覆盖范围
北京时间2026-09-20 00:00（含）至2026-09-23 14:51资料检索截点；23日不是全天结束版。另复查18—19日遗漏，未取得足以新增其它主题的证据，保留原有覆盖限制。
依据可访问历史提问摘录、定向检索与Notion正式笔记。不是完整账号聊天导出；本次补充原理解释、教学推导与实验方案，不冒充原始回答或用户完成的实验。未连接用户服务器进行复测。
本轮新增与更新
新增3篇深度专题：
更新5篇既有正式文章：
- DP2、TP8 与 MoE EP：两节点部署为何不一定是两份独立模型
- W8A8C8 与 GPQA：把量化位宽、数值误差和模型能力分开看
- 昇腾软件栈分层：Firmware、Driver、CANN 与 Tiling 下沉
- 昇腾算子开发体系：AOL、Ascend C、CATLASS、Triton-Ascend、TileLang 与 PyPTO
- 如何分层学习推理 Infra：从 CUDA 基线到昇腾，再到训练与 RL
另新增本统计窗口总览。已按主题复用旧文，未发现需搬入99回收站的确定重复稿；无永久删除。根目录仍沿用既有01—07分类。
从零散问答到三条知识链
第一条：CUDA/Ascend硬件层级→分块→数据搬运→双缓冲→算子正确性→性能。它解释“为什么Ascend名词多”“CUDA一个if是否更强”和“UB预算为何影响运行”。
第二条：集合通信语义→TP/EP数据布局→通算融合→资源竞争→端到端SLO。它解释“通信是不是都一样”“哪些kernel能并行”和“Agent搜索为什么仍需硬件实验”。
第三条：量化编码→实际kernel→数值误差→任务质量→服务性能。它连接Sinh转换、INT8硬件支持、W8A8与此前GLM恢复案例；不能把一个dtype标签当作完整执行路径。
按日期核对已取得问题
9月20日：工具可信度与投机解码后续
已取得OpenCode v2迁移与稳定性、Tavily/Exa搜索服务、DFlash/DSpark及Ascend支持、定时任务模型选择等提问。
OpenCode：保留你明确指出“opencode migrate根本不支持”的纠正。未经对应版本CLI/help或官方仓库确认，不再把该命令作为可执行步骤。升级前后session丢失是你的反馈，具体迁移方案仍需当前文件与版本证据，本次未操作应用数据。
搜索API：把网页搜索、内容提取、语义检索、引用质量、延迟与单次有效答案成本分开评估。旧回答中的免费额度、绑卡要求和价格未在本次重新核实，未作为最新套餐写入笔记。
投机解码：已整理MTP旧实测，但DFlash/DSpark的确切论文、平均接受token数及vLLM-Ascend支持尚缺本次一手证据，不将名字相近的方法混合。比较应固定目标/草稿模型、硬件、数据和草稿长度；接受率与加速比不是同一指标。MTP 与投机解码：接受率、每步产出和加速收益的区别。
定时任务：记录你质疑“提示词指定Luna-low是否真的改变运行模型”。旧回答不能作为接口能力证明；本次不修改四个say pong任务，也不恢复或暂停任何自动任务。
另见“jev决策模型”的提问，但缩写所指对象未确认，保留待补原始链接。
9月21日：开发入口、架构类比与资源
已取得Thrust/同算子多实现、算子题库/WebGPU、芯片标识、Gather、AI Core/SIMT和CMake构建追问。内容分别并入调试、数据流和软件栈文章。
ASC配置找不到首先属于构建依赖定位问题；驱动版本不能直接代表toolkit具备新构建接口。Ascend910_9382等标识应与实际芯片版本及官方映射核对，本次不猜SKU。
租用910C、HiDevLab卡时、低价多卡CUDA等需求已记录；相关会话跨21—22日，具体提问以原始时间为准。当前未核查可用库存和计费，不给“免费可用”的保证。学习通信必须核实多卡拓扑、网络、权限和能否运行集合通信，而非只看总显存。
9月22日：算子基础与研究路线
已覆盖：Ascend C入门、ACL/aclnn/pybind11与Tensor/NumPy；TileLang与核数对比；TBuf/TQue、HBM/shared、双缓冲和同步；Sinh/int32/INT8、Norm/ND；UB预算和hang；910A/B跨代、旧教材、FA、PyPTO/仿真；集合通信；HPC、竞赛和一年发展路线。
教材不宜只按年份判断：数学、数据依赖和测量方法可保留，API、支持芯片、构建与搬运路径必须对照当前版本。未核实苏统华书籍全部版本内容，不宣布其“已无必要看”。
宏定义位置来自你贴出的toolkit路径；宏展开需读取对应头文件，本次未访问该机器，故不宣称具体展开已核对。
已有研究路线文档和知识地图需求作为背景记录，本次没有重写DOCX/PDF或改网站。Notion路线页新增独立的项目验收建议。
近期贡献issue清单、技术分析表格技能和论文周报是你提出过的任务；本次整理不把“提出任务”当作“已交付结果”。未核实的issue状态、论文跑分与新技能安装状态保留待补。
9月23日：调度与系统共同优化
已覆盖vLLM continuous batching和DP、CUDA/Ascend存储架构、Tensor Core调用、量化kernel、通算融合、算子资源竞争与Agent调优；知识地图的图形结构、依赖连线与掌握标记偏好也已纳入路线页。
Cerebras访谈仅取得所贴标题与部分转述，未取得可对照的完整访谈原文；“95%高质量开源模型”等数字不纳为事实。SRAM/HBM/晶圆级设计的判断需要容量、带宽、互联、成本和工作负载条件，不能仅凭文章标题定论。
关于GPT模型身份与发布的会话不作为技术产品事实来源，本次没有重申旧助手自报身份或未经核实的发布结论。
本轮关键纠错
| 旧说法或风险 | 此次处理 |
| 910C固定32个核，与数千CUDA Core直接比 | 撤销无证据的确定口径，区分计算簇与算术单元 |
| CUDA只有shared，UB/L0都是其简单对应 | 按存储位置、访问路径、消费者和代际拆解 |
| compute再load加两个buffer即可重叠 | 补生产消费依赖、完成等待、复用与排空 |
| ubDataNumber=6就是每元素6字节 | 需乘inputBytes；对齐仅是假设之一 |
| DP2×TP8永远两份完整独立模型 | 明确MoE跨DP专家组例外 |
| 一个向量函数转float说明INT8无硬件意义 | 区分向量函数、整数矩阵路径和反量化路径 |
| Agent数量越多，kernel一定越快完成 | 加入硬件预算、测量隔离、正确性和端到端验收 |
下一次复盘如何增量
优先补UB问题的完整源码/日志、当前CANN配套矩阵、实际kernel dtype与profile、通信并发实验、DFlash/DSpark原始出处。证据足够后更新对应专题，不重复建同名文章。
对比表应给统一对象、版本、场景、指标、事实来源和日期；分数需要尺度与理由，缺失信息不记零分。已确认/用户反馈/教学算例/假设四类分别记录。
既有日期总览
2026-09-18 学习复盘：量化恢复、长上下文压测与推理系统；2026-09-19 学习复盘：EP与TP、代码数据处理疑问。18日量化恢复62.1%→91.1%仍按用户反馈保留，未回退成“仍未解决”；19日检索覆盖缺口仍存在。