前沿研究
8000P算力池扩容实录：千卡集群的调度开销到底藏在哪
千卡集群利用率常低于60%，调度开销藏在NCCL通信、显存碎片和异构排队里。结合深圳14000P集群与一线运维经验，给出五项可落地的调优动作，包括网络拓扑感知、显存池预分配和芯片亲和性分组。
阅读全文
Search
站内搜索
关键词：昇腾910C
找到 106 篇相关文章
前沿研究
开发者生态
从CUDA迁到昇腾910C的第三个月，三个性能坑才露出来
团队把基座模型微调从英伟达A100迁到8卡昇腾910C的Atlas 800。三个月后，最耗时的不是改接口，而是复合算子、显存碎片和跨机AllReduce。附内部实测与九项检查清单。
阅读全文
产业动态
8000P算力园区落成后，初创公司拿模型训练的门槛低了吗
分析海淀等地的8000P算力基础设施如何将AI创业的资本结构从CAPEX转向OPEX。探讨在算力租赁普及后，模型训练的真实门槛如何从“买不到卡”转移到“算不准账”与“调不通栈”，并对比自建集群与租赁算力的ROI差异。
阅读全文告别‘智能体’狂欢：2026年下半年企业AI预算转向哪里
2026年上半年大量AI Agent项目陷入“能聊天但不能办成事”的烂尾困局。麦肯锡数据显示企业AI ROI中位数仅12%，且分化严重。本文分析CIO如何将预算从盲目的Agent订阅转向数据治理、基础设施优化及垂直场景微
阅读全文B200、昇腾910C与RISC-V，争的不是同一笔订单
把三者放进同一张峰值算力榜，采购很容易算错。B200的门槛在CUDA迁移成本，昇腾910C要过算子与集群交付关，RISC-V则应在内存、功耗和散热受限的端侧设备上实测。
阅读全文
前沿研究
昇腾910C跑通1.6万亿参数模型，下一关在CANN
DeepSeek-V4-Pro已在昇腾910C集群完成全参数后训练，说明这套软硬件承接过1.6万亿参数模型任务。对PyTorch团队，更现实的考验是算子覆盖、版本匹配、OOM定位和性能复现。
阅读全文
AI 实操指南
昇腾910C与H200混部，20天迁移账怎么算
一套混合集群能否上线，关键看算子重写、数值对齐、HCCL/NCCL双栈、预热和运维。现有记录给出20天迁移、8ms延迟、45秒预热等数据，但测试配置并不完整，适合做项目预算，不宜直接外推为芯片结论。
阅读全文把PyTorch模型搬上昇腾910C，20天都花在哪了
把一套在 PyTorch 上训练半年的 VL-Mamba 模型搬到昇腾 910C 集群，20 天里真正耗时的是自定义算子、数值对齐和 HCCL。切到 MindSpore 并重写 Ascend C 算子后，项目平均 MFU
阅读全文
开发者生态
从 910B 迁移到 910C：那些被忽略的算子兼容性坑位清单
一线团队踩坑实录：从昇腾910B迁移到910C，处理万亿参数MoE模型时最常见的六大算子兼容性陷阱，包括FlashAttention跨die变慢、TopK精度隐雷、显存碎片等，附2026版国产算力集群调优Checklis
阅读全文
开发者生态
H200/H800迁到昇腾910C，先查算子、通信和显存
从H200/H800的CUDA环境迁到昇腾910C，费时的往往是算子兼容、HCCL通信和内存稳定性。纸面参数只划出边界，项目仍要按迁移分析、适配、精度调试和性能调优逐项验证。
阅读全文
前沿研究
昇腾910C扩到万卡前，先查通信和显存
千卡训练跑通，不等于万卡可以照搬。公开参数显示，昇腾910C配备96GB HBM、1.8TB/s显存带宽和400GB/s HCCS；规模继续放大后，HCCL通信、并行切分和显存分配都要先做现场压测。
阅读全文昇腾910C扩到万卡之前，先把运保账算清
据公开通报，昇腾910C集群已完成1.6万亿参数DeepSeek-V4-Pro全参数后训练，但通报未披露卡数、PUE、故障率和运保成本。准备扩到万卡时，能耗边界、备件粒度、版本适配与服务响应，都应写进验收和合同。
阅读全文