前沿研究
昇腾910C集群实战：从算力调度到应用适配的避坑指南
基于昇腾910C千卡集群训练1.6万亿参数DeepSeek-V4-Pro的实战经验，拆解显存碎片、CANN算子开发、CUDA迁移、故障恢复与推理适配中的具体陷阱，提供数据驱动的避坑方案。
阅读全文
Search
站内搜索
关键词：CUDA
找到 36 篇相关文章
前沿研究
开发者生态
昇腾910C跑通之后，开发者还要改代码
1.6万亿参数DeepSeek-V4-Pro在昇腾910C集群上完成全参数后训练，证明了国产算力能扛大模型任务。但从CUDA迁到CANN，开发者还会碰到算子、显存、调试工具三道具体的坎。
阅读全文
AI 实操指南
910C和H200混部，坑在环境里
昇腾910C和H200放进同一套集群，难点不只是驱动安装。CANN、CUDA、HCCL、容器环境和调度策略都要拆开看，尤其要避免环境变量、通信库和拓扑配置互相干扰。
阅读全文
开发者生态
昇腾910C迁移，先查算子和通信
从 CUDA/PyTorch 迁到昇腾 910C，问题常不在模型代码本身，而在 CANN 算子、HCCL 拓扑和精度对齐。把这三处先跑通，后面的改造会少很多返工。
阅读全文
前沿研究
910D和海光DCU，先比迁移账
国产算力选型已经不只看峰值性能。昇腾继续加速云服务和CANN软件栈，海光DCU常被放进CUDA迁移方案里比较。对中小团队来说，真正要算的是代码改造、算子适配、上线周期和长期维护。
阅读全文A100换910C实录：重写算子与调优HCCL的四个月
深圳星图智能历时四个月，将推理服务从A100迁移至昇腾910C。团队直面CANN 7.0动态Shape Bug及HCCL拓扑差异，通过Ascend C重写关键算子并优化通信，最终实现推理成本降低45%，自定义算子损耗控制
阅读全文昇腾910C大规模部署实录：国产算力集群的兼容性痛点
2026年6月，深圳河套学院宣布基于昇腾910C完成1.6万亿参数模型训练，硅基流动与华为的论文显示CloudMatrix384集群推理性能超越H100。但同期一家头部电商的推荐模型迁移却遭遇算子缺失、通信瓶颈、软件栈碎
阅读全文实测昇腾910C与寒武纪MLU590迁移Llama-3的代价
2026年6月，我们实测了Llama-3-8B和Qwen2.5-72B从A100迁移到昇腾910C与寒武纪MLU590的过程。昇腾FlashAttention需重写，性能降22%；寒武纪滑动窗口注意力有bug，延迟增35
阅读全文华为910C与寒武纪MLU590：我们实测了PyTorch迁移的全程
我们花了两周时间，把ResNet-50、Whisper、Llama-3三个模型迁移到华为昇腾910C和寒武纪MLU590上。从驱动安装、算子适配到性能压测，记录了所有高频报错和性能数据，包括与A100的对比。
阅读全文昇腾910C交付实测：从“跑不通”到“省成本”的迁移账本
2026年6月，昇腾910C季度交付破10万卡，但开发者面临CUDA迁移阵痛。实测显示，未经适配性能损耗可达30%，招行等案例通过CANN 7.0补丁将损耗压至10%。虽然液冷方案解决稳定性问题，但小团队需权衡隐性迁移成
阅读全文实测昇腾910C与思元590：推理成本砍六成，算子填坑要两周
华为昇腾910C与寒武纪思元590跑Llama 3.3和Qwen 2.5实测：精度损失1%内，速度慢9%-18%，但单卡采购价仅为H100的三成多。标准化微调可替代，自定义CUDA算子仍需转译填坑。
阅读全文算力‘暗战’：2026年AI芯片供应链重构下的本土生态机遇与挑战
全球地缘政治与商业竞争加剧，推动AI芯片供应链深度重构。本文基于2026年最新动态，剖析英伟达新架构、本土芯片进展，探讨国产AI芯片在软件生态、应用适配上的真实差距与突围路径，为产业界提供战略前瞻。
阅读全文