中國計(jì)算產(chǎn)業(yè)，終于邁過了生態(tài)這道坎

一位從事算法開發(fā)的朋友，向我們講述了他親身經(jīng)歷的故事：

他所在的團(tuán)隊(duì)，被領(lǐng)導(dǎo)安排了一個(gè)任務(wù)——將已有的圖像識(shí)別模型從CUDA遷移到昇騰平臺(tái)上。

最開始，他以為會(huì)是個(gè)“大工程”，時(shí)常在論壇里看到缺少算子、工具鏈不夠完善的討論，想要在昇騰平臺(tái)上開發(fā)AI應(yīng)用，等于是在啃一塊硬骨頭，連基礎(chǔ)的算子都要自己寫。

結(jié)果竟然比想象中順利許多。

大部分主流算子已能在CANN的算子庫中找到，只有少數(shù)需要通過算子開發(fā)套件自定義實(shí)現(xiàn)。官方提供的工具鏈談不上成熟，整體來看已經(jīng)比較完善。最終只做少量修改，就跑通了模型。

一位開發(fā)者的際遇，其實(shí)是整個(gè)生態(tài)的縮影。

很長一段時(shí)間里，國內(nèi)計(jì)算生態(tài)的“貧瘠”可謂深入人心，“缺算子、缺文檔、缺工具”等問題被頻頻詬病。

現(xiàn)在，情況正在悄然改變。昇騰CANN的算子庫、工具鏈的不斷豐富，讓開發(fā)者的遷移體驗(yàn)越來越順暢，論壇里的因?yàn)椤芭懿煌ā碑a(chǎn)生的“吐槽帖”，漸漸變成了“怎么跑得更快”的“經(jīng)驗(yàn)貼”。

中國的計(jì)算產(chǎn)業(yè)，終于走出了至暗時(shí)刻。

01 計(jì)算的終局是生態(tài)

回顧計(jì)算產(chǎn)業(yè)的發(fā)展史，從不缺少“性能耀眼”的產(chǎn)品，有的被寫進(jìn)了“技術(shù)史”，卻沒能在產(chǎn)業(yè)中占據(jù)一席之地。

典型的例子就是Intel的Itanium。

時(shí)間回到上世紀(jì)90年代末，在x86上一家獨(dú)大的Intel清楚地意識(shí)到：x86架構(gòu)的指令集復(fù)雜度高，遺留兼容性拖累了架構(gòu)演進(jìn)。

于是Intel選擇和HP聯(lián)手押注EPIC架構(gòu)，把并行性、指令調(diào)度等由“硬件猜”的事交給編譯器靜態(tài)完成，CPU本身可以更簡單、更高效地執(zhí)行，相當(dāng)于“把硬件未來幾十年的負(fù)擔(dān)一次性解決”。

遺憾的是，Intel和HP都低估了構(gòu)建軟件生態(tài)的成本。

當(dāng)時(shí)Linux和Windows均已綁定了x86，企業(yè)沒有動(dòng)力投入到新架構(gòu)，開發(fā)者想要在Itanium上運(yùn)行應(yīng)用，必須重寫或移植，導(dǎo)致積極性嚴(yán)重不足。被寄予厚望的Itanium，無奈淪為了“昂貴的試驗(yàn)品”。

和Intel形成鮮明對(duì)比的，是英偉達(dá)CUDA的崛起。

2006年的GPU市場，還是英偉達(dá)和ATI分庭抗禮的局面，就在AMD斥巨資并購ATI時(shí)，英偉達(dá)默默做了別人不愿做的事：提供類似C語言的編程接口，允許開發(fā)者直接把GPU當(dāng)并行處理器使用，即使在市場不看好的情況下，仍然十幾年如一日地投資開發(fā)者生態(tài)，完善工具鏈、文檔和社區(qū)。

當(dāng)深度學(xué)習(xí)浪潮到來時(shí)，CUDA已然成為事實(shí)上的標(biāo)準(zhǔn)，成了任何想做AI的團(tuán)隊(duì)都難以跳過的選項(xiàng)。

這些成功或失敗的案例背后，藏著計(jì)算產(chǎn)業(yè)的現(xiàn)實(shí)：一些產(chǎn)品之所以輸?shù)袅宋磥恚皇且驗(yàn)樾阅懿粔驈?qiáng)，而是沒能跨過生態(tài)這道坎，沒能打動(dòng)千萬計(jì)的開發(fā)者。技術(shù)決定起點(diǎn)，而生態(tài)決定了終局。

02 一道殘酷的生死題

既然生態(tài)這么難，連Intel這樣的巨頭，當(dāng)年也沒能另起爐灶，為什么還要“冒險(xiǎn)”孵化自己的計(jì)算生態(tài)呢？

答案很殘酷，這不是選擇題，而是生死題。

以AI應(yīng)用為例，國內(nèi)外有不少計(jì)算企業(yè)想要在生態(tài)上走捷徑，即兼容CUDA。簡單來說就是在CUDA的API和芯片的底層驅(qū)動(dòng)間加一個(gè)“翻譯器”，幫助開發(fā)者快速跑通已有的CUDA應(yīng)用，最大程度降低開發(fā)者的門檻。

諸如此類的做法無可厚非。

早期靠“兼容”解決“能用”的問題，接下來圍繞卷積、矩陣乘法、KV Cache等重點(diǎn)算子做深度優(yōu)化，一步步實(shí)現(xiàn)“好用”，長期則試圖培育基于自身軟硬件的原生生態(tài)，逐漸擺脫對(duì)CUDA的綁定。

只是CUDA并非開源，而且更新非常頻繁，第三方產(chǎn)品很難通過指令翻譯的方式實(shí)現(xiàn)完美兼容。在大多數(shù)通用AI訓(xùn)練和推理場景下，兼容路徑難以匹敵英偉達(dá)的性能和能效。

況且英偉達(dá)一旦感受到了競爭壓力，還可以通過“扎緊生態(tài)藩籬”的形式，倒逼開發(fā)者“用腳投票”。就像2024年初的一幕，英偉達(dá)宣布禁止在其他GPU上通過轉(zhuǎn)譯層運(yùn)行CUDA軟件，給不少廠商敲響了警鐘。

計(jì)算生態(tài)的“有”與“無”，決定著一整個(gè)產(chǎn)業(yè)鏈的生死存亡。

如果是“無”，始終存在被卡脖子的風(fēng)險(xiǎn)，意味著關(guān)鍵軟件無法運(yùn)行、關(guān)鍵應(yīng)用無法落地，被鎖死在別人搭好的舞臺(tái)上。

哪怕只是“有”，即使暫時(shí)不夠好用、工具鏈不夠完善，也意味著可以逐步打磨、可以不斷迭代，避免徹底出局的風(fēng)險(xiǎn)。

業(yè)界不少芯片廠商選擇兼容CUDA生態(tài)時(shí)，華為副董事長、輪值董事長徐直軍卻坦言：“如果我們投如此多的錢兼容CUDA生態(tài)，而且還是CUDA過去的版本，哪天CUDA生態(tài)兼容不了了怎么辦？”

所以在計(jì)算生態(tài)的抉擇上，華為做了一個(gè)很多人不理解的決定——做屬于自己的CANN生態(tài)。

03 CANN開源開放的“陽謀”

2025年8月初的昇騰計(jì)算產(chǎn)業(yè)發(fā)展峰會(huì)上，華為宣布“CANN全面開源開放，Mind系列應(yīng)用使能套件及工具鏈全面開源，支持用戶自主的深度挖潛和自定義開發(fā)，加速廣大開發(fā)者的創(chuàng)新步伐，讓昇騰更好用、更易用。”

在英偉達(dá)的封閉生態(tài)遭遇“信任危機(jī)”時(shí)，華為站在了歷史正確的一邊——加速開源開放。

CANN的全面開源開放，意味著開發(fā)者可以深入到圖優(yōu)化、算子融合、內(nèi)存調(diào)度等底層機(jī)制，不僅可以調(diào)用，還能看到底層實(shí)現(xiàn)邏輯，甚至在必要時(shí)改造、優(yōu)化，進(jìn)行二次創(chuàng)新。

Mind系列工具鏈的開源，讓模型移植、調(diào)試、Profiling的全過程“白盒化”，開發(fā)者不再局限于現(xiàn)成的工具和框架，可以根據(jù)自身需求進(jìn)行深度定制和優(yōu)化，實(shí)現(xiàn)更高的性能和效率。

CANN還進(jìn)一步兼容了vLLM、SGLang、PyTorch、Tensorflow等主流框架，開發(fā)者將應(yīng)用遷移到昇騰平臺(tái)時(shí)，無需對(duì)原有代碼進(jìn)行大規(guī)模修改，只需做少量適配乃至“零改動(dòng)”。

故事并未就此結(jié)束。

9月18日的華為HC 2025上，華為的硬件和超節(jié)點(diǎn)架構(gòu)占據(jù)了多家媒體的頭條，其實(shí)還有另一個(gè)影響可能更深遠(yuǎn)的動(dòng)作——華為宣布將開放靈衢2.0技術(shù)規(guī)范，全面開放超節(jié)點(diǎn)技術(shù)，包括開放超節(jié)點(diǎn)參考架構(gòu)、開放超節(jié)點(diǎn)基礎(chǔ)硬件、開源操作系統(tǒng)靈衢組件等等。

無論是昇騰384超節(jié)點(diǎn)，還是支持8192張卡的Atlas 950超節(jié)點(diǎn)，都是基于靈衢互聯(lián)協(xié)議開創(chuàng)的。底層技術(shù)協(xié)議和整套超節(jié)點(diǎn)技術(shù)的開放，意味著產(chǎn)業(yè)界可以基于技術(shù)規(guī)范自研相關(guān)產(chǎn)品或部件，自主設(shè)計(jì)基于靈衢的各種產(chǎn)品，實(shí)現(xiàn)真正意義上的AI算力自由。

個(gè)中邏輯并不難解釋。

只有走開源路線，降低產(chǎn)業(yè)參與門檻，才有更多的企業(yè)從中受益，才會(huì)讓更多的開發(fā)者敢于All in。華為通過硬件開放、軟件開源主動(dòng)拆掉了最核心的“護(hù)城河“，用“技術(shù)讓利”換取“生態(tài)復(fù)利”，吸引全球的開發(fā)者參與進(jìn)來，促進(jìn)產(chǎn)業(yè)鏈上下游協(xié)同，形成良性的正反饋循環(huán)。

一組不應(yīng)該被忽略的數(shù)據(jù)是：CANN全面開源開放48小時(shí)內(nèi)，昇騰開發(fā)者社區(qū)新增注冊用戶就超過了10萬，Gitee平臺(tái)上的CANN代碼庫收獲了5.7萬星標(biāo)，向外界宣示了中國計(jì)算生態(tài)的號(hào)召力和凝聚力。

04 前路漫漫亦燦燦

客觀評(píng)價(jià)CANN代表的國產(chǎn)計(jì)算生態(tài)，必須承認(rèn)仍處于“追趕”階段，在成熟度、應(yīng)用廣度、生態(tài)完善度上和CUDA仍有差距。畢竟CUDA已經(jīng)打磨了近20年，CANN在2018年才推出。

有差距不代表沒機(jī)會(huì)，大模型技術(shù)正在重構(gòu)千行萬業(yè)，也在加劇底層計(jì)算生態(tài)的重新洗牌。

比如華為一直積極與高校合作，通過編寫教材、開設(shè)實(shí)驗(yàn)課、聯(lián)合研發(fā)等方式，將昇騰、鯤鵬生態(tài)納入到了人才培養(yǎng)體系，同時(shí)幫助高校和科研機(jī)構(gòu)在國產(chǎn)平臺(tái)上進(jìn)行前沿研究。

典型例子就是北京大學(xué)的楊智老師，基于Ascend C自主開發(fā)了AI編程語言TileLang，提供Tile-level的類Python編程方式，大幅降低了AI編程門檻。目前昇騰CANN與TileLang已對(duì)接，并完成了FlashAttention算子的開發(fā)實(shí)現(xiàn)，性能持平官方版本，核心代碼從500+行減少到了80行。

某種程度上，昇騰已經(jīng)初步形成了“教育—應(yīng)用—生態(tài)”的閉環(huán)：學(xué)生們在求學(xué)階段就能接觸到國產(chǎn)計(jì)算生態(tài)，在實(shí)驗(yàn)室里嘗試開發(fā)應(yīng)用，畢業(yè)后應(yīng)用到廣闊的產(chǎn)業(yè)場景中，為生態(tài)的繁榮持續(xù)注入 “新鮮血液”。

再比如在大模型領(lǐng)域，MoE架構(gòu)逐漸成為提升參數(shù)規(guī)模和推理效率的主流路徑，卻也遇到了跨卡通信的高帶寬壓力、專家路由的動(dòng)態(tài)調(diào)度等新挑戰(zhàn)。除了超節(jié)點(diǎn)的架構(gòu)創(chuàng)新，CANN也進(jìn)行了針對(duì)性優(yōu)化。

在算子開發(fā)方面，CANN將在下個(gè)版本中同時(shí)支持SIMD+SIMT的編程方式，滿足不同場景的開發(fā)需求：其中SIMD新增支持的Cube和Vector融合編程，無需寫數(shù)據(jù)搬運(yùn)指令，實(shí)現(xiàn)融合算子開發(fā)效率提升30%。

在通信效率方面，昇騰將開源共享內(nèi)存能力Share Memory，在超節(jié)點(diǎn)范圍內(nèi)的所有片上內(nèi)存可實(shí)現(xiàn)資源池化共享，并通過Load and Store方式通信，較傳統(tǒng)通信時(shí)間大幅降低。

截止到目前，越來越多的第三方企業(yè)和開發(fā)者與華為站在一起，加入到了開源共建的陣營中。

比如無問芯穹基于CATLASS模板庫開發(fā)的Group GEMM算子，相比aclNN算子，性能再提升50%；科大訊飛、華南理工等企業(yè)和高校，在不斷豐富算子開發(fā)的專家知識(shí)庫，幾分鐘內(nèi)便可輸出最優(yōu)Tiling策略......

一邊在人才培養(yǎng)上“補(bǔ)短板”，一邊在工程創(chuàng)新上“立長板”，只要沿著正確的道路走下去，一個(gè)繁榮的計(jì)算生態(tài)只是時(shí)間問題。

05 寫在最后

計(jì)算生態(tài)的范疇不只是AI算力，CPU、操作系統(tǒng)等都需要從0到1構(gòu)建自主生態(tài)，每一個(gè)都深刻影響著整個(gè)產(chǎn)業(yè)格局。

樂觀的是，CANN的崛起已經(jīng)論證了自主生態(tài)的可行性，跑出了開源開放的生態(tài)新范式：有人在計(jì)算架構(gòu)上不斷試探極限，有人在工具鏈和框架中默默補(bǔ)齊短板，有人在高校課堂和開源社區(qū)里播下種子……這不是一家企業(yè)的獨(dú)角戲，而是中國計(jì)算產(chǎn)業(yè)的集體答卷。

生態(tài)不是三年五載就能完成的工程，需要千千萬萬的開發(fā)者參與進(jìn)來，考驗(yàn)的不是速度，而是中國計(jì)算產(chǎn)業(yè)的集體耐力。