PyTorch 迁到昇腾 910C/910D，先改哪几处
把 PyTorch 项目从 CUDA 搬到昇腾，先处理设备、HCCL 和混合精度，再用 CANN 8 Profiling 查看算子、通信、内存与下发延迟。代码能启动只是入口，自定义算子和版本对齐更容易拖慢进度。
阅读全文
Search
站内搜索
关键词：910C
找到 110 篇相关文章
昇腾910C迁移实录：从跑通到优化的真实成本账单
避开宏大叙事，本文通过一个70B参数模型从H100迁移至昇腾910C的真实案例，量化拆解代码适配、算子重写与HCCL调优的人力与时间成本，为技术负责人提供国产算力迁移的ROI决策参考。
阅读全文
前沿研究
华为2035报告之后，国产智算怎样降低CUDA依赖
华为把未来十年的AI重心落在产品价值、效率和成本上。对国产智算中心而言，API改写只是开头，真正费工的是算子、精度、通信、调度和开发工具。迁移顺序应由模型稳定度与交付边界决定。
阅读全文
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
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