硬件、算子与编译

问题起点 9月22日问AllReduce与AllGather是否“通信完全没区别”；23日继续问通算融合、MegaMoE、多Agent调优及算子并行。本篇把语义正确性、执行重叠和端到端收益分开。 用两个rank计算一次 rank0=[1,2]，rank1=[10,20]： - S

整理日期：2026-09-10。本文根据一次关于 PyPTO、PTO、PTOAS 与 PTX 的技术讨论整理，结合对话中查阅的公开项目文档。代码用于解释概念，未进行编译或性能测试。 1. 从一个疑问出发：PTO 不是虚拟指令集吗？ 理解昇腾编程生态时，很容易形成这样的直觉：PyP

整理日期：2026-09-14。来源：当天可见聊天摘要；原理说明为整理时补充，非完整对话逐字稿。未取得的设备参数与未验证的结论明确保留为待核实。 今天的困惑 A3 容器为什么要映射两个设备节点？npu-smi 里的 NPU、Chip、Phy-ID 分别是什么？没有模型运行，为什么

从 950 工程营笔记出发，建立“计算架构—存储—互联—软件生态—推理工作负载”的完整理解。 整理日期：2026-09-10。来源为个人课堂记录及公开资料。本篇将“通用技术原理”“厂商公开规划”“已发生的产品进展”“工程营待核实信息”分开；厂商标称指标不等于第三方实测性能，产品亮

超节点的核心并不是“把很多服务器连起来”，而是把更多加速器纳入一个更紧耦合、低时延、高带宽的 Scale-Up 计算域，使模型能够像使用一台更大的计算机一样使用更多计算、内存与通信资源。 整理日期：2026-09-10。本文将通用网络原理与昇腾公开方案分开描述；具体链路带宽、卡数

整理日期：2026-09-14。来源：当天可见聊天摘要；原理说明为整理时补充，非完整对话逐字稿。未取得的设备参数与未验证的结论明确保留为待核实。 用职责理解软件栈 Firmware 负责设备侧底层运行与管理的一部分；Driver 建立 Host 操作系统与设备的控制、内存和任务交

这篇文章回答一个核心问题：开发者写下一个 PyTorch 模型之后，它究竟如何穿过昇腾软件栈，最终在 NPU 上执行？ 整理日期：2026-09-10。 1. 衡量 AI 芯片“好不好用”，不能只看芯片 AI 芯片的最终使用者之一是开发者。对开发者而言，“好用”意味着：常见模型能

昇腾生态的竞争力，需要沿着“模型适配—算子与编译器—HBM—互联—调度与可靠性—客户交付”整条链路理解。超节点与大规模专家并行可以改善部分 MoE 推理瓶颈，但收益取决于工作负载和系统实现。 整理日期：2026-09-11。来源为本次培训笔记与公开项目、厂商文档。正文解释通用原理

昇腾算子开发并不是只有一条路径。不同开发接口本质上是在“开发效率、可移植性、可控性、极致性能”之间做不同取舍。 整理日期：2026-09-10。 1. 先区分“调用算子”和“开发算子” 这是理解昇腾算子生态最重要的第一步。 调用现有算子 如果框架需要的算子已经存在，优先直接调用

这篇文章的目标不是背型号，而是建立一个稳定的产品层级： Ascend 是处理器，Atlas 是板卡/服务器/集群产品，SuperPoD 是超节点系统形态。 整理日期：2026-09-10。本文优先采用当前昇腾官网产品目录与华为 2026 年公开资料；早期路线图数字与当前实际产品规