昇腾910D集群避坑：多机通信带宽瓶颈与HCCL调优实战
针对昇腾910D大规模集群训练中常见的通信瓶颈问题，本文通过实测数据分析多机AllReduce延迟原因，提供一套从拓扑感知到HCCL参数调优的实操方案，旨在将千卡集群的MFU（模型算力利用率）从30%量级提升至50%以上
阅读全文
Search
站内搜索
关键词：集群训练
找到 5 篇相关文章
前沿研究
昇腾910D谈性价比还早，先看千卡集群能否跑稳
现有素材没有提供可核验的910D测试数据。相比单卡跑分，企业更需要关注集群扩展、软件迁移和长期稳定性。基于目前的公开信息，国产算力的性价比拐点还无法下结论。
阅读全文
前沿研究
昇腾910C集群运维实录：从算力调度到应用适配的避坑指南
基于河套学院千卡集群训练1.6万亿参数DeepSeek-V4-Pro的实战经验，拆解网络拥塞、显存碎片化、CANN算子迁移与故障自愈中的具体陷阱，提供可复用的配置参数和监控看板搭建方法，帮助一线运维工程师少走弯路。
阅读全文
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。
阅读全文国产芯片订单翻倍，但真正的麻烦刚换了一茬
2026年二季度三大运营商和两家头部云厂商的招标数据显示，国产AI芯片在大规模集群训练中的占比从2025年的不足20%升至接近35%。硬件不再是主要卡点，集群稳定性和软件适配问题浮上台面；供应链深处的先进封装与HBM瓶颈
阅读全文