搜索: Ascend C

2026-07-19 16:11:45 0 阅读

长上下文推理变慢，不一定是算力不足，数据搬运、临时张量和算子下发也可能占大头。围绕昇腾 910C，梳理如何用 profiling 判断是否值得写 Ascend C 自定义算子，并处理 32 字节对齐、Tiling、融合和

2026-07-16 23:08:58 0 阅读

torch_npu 能让 PyTorch 模型较快接入昇腾，但代码执行成功只解决了第一道问题。延迟、OOM、长尾算子和 CANN 日志定位，会直接影响迁移能否稳定交付。团队还要判断：继续用兼容层，还是为热点算子投入 As

2026-07-16 03:44:06 0 阅读

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

2026-07-02 08:35:24 0 阅读

把Llama 3.3从英伟达H20迁移到昇腾910D，远不是改个设备名那么简单。在昆山园区的实测中，128K上下文带来的显存碎片和多卡通信延迟成了拦路虎。通过MindIE预分配KV Cache、Ascend C算子融合及

2026-07-02 01:35:39 0 阅读

基于昆山8000P算力园区运行数据，拆解Llama 3.3与DeepSeek V4迁移至昇腾910D的工程细节。重点解决HCCL通信延迟、Ascend C算子适配及MindIE显存碎片问题，提供国产算力落地实录。

2026-07-01 23:33:52 0 阅读

昇腾910D跑Llama 3.3，直接加载权重常遇算子报错。结合CANN 8.0与MindIE框架，用Ascend C自定义算子和MindQuantize量化工具可解决显存瓶颈。梳理了从环境配置到算子适配的工程避坑点。

2026-06-30 03:06:25 0 阅读

深圳星图智能用90天完成从A100到昇腾910D的迁移。自定义算子性能骤降30%，通过Ascend C重写和HCCL拓扑调整，将损耗控制在5%以内，集群稳定率提升至99.5%。最终硬件成本降40%，综合TCO下降近35%

2026-06-29 22:35:53 0 阅读

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

2026-06-29 22:10:42 0 阅读

2025年中，某股份制银行将GNN反欺诈系统迁移至昇腾910D时遭遇严重延迟问题。通过Ascend C定制算子优化内存访问，并利用盘古大模型生成合成数据进行量化感知训练，团队历时两个月将平均延迟压至18毫秒，同时保持高精

站内搜索