華為開源CANN，再次釋放“昇騰轉向”信號

對抗英偉達？成為英偉達。

日前，華為正式宣布開源其AI計算架構CANN，并提出要打造“中國自己的CUDA”。結合此前“昇騰NPU改道GPGPU”的傳聞，此舉不僅進一步釋放出昇騰戰略轉向信號，同時也描摹出一幅“全面對標英偉達”的嶄新圖景。

從底層架構變遷到上層生態重建，一夕之間換了新天。今天的昇騰，前路格外引人注目。

官宣：CANN開源號召共建昇騰生態

8月5日，華為輪值董事長徐直軍在昇騰計算產業發展峰會上宣布，華為昇騰硬件使能CANN全面開源開放，Mind系列應用使能套件及工具鏈全面開源。

官宣消息顯示，這一舉措主要為了支持用戶自主的深度挖潛和自定義開發，加速廣大開發者的創新步伐，讓昇騰更好用、更易用。“華為AI戰略的核心是算力，并堅持昇騰硬件變現。”

據悉，CANN全稱為“神經網絡異構計算架構”，其直接對標對象正是英偉達的CUDA。對開發者來說，CANN是把上層AI訓練框架（如PyTorch、TensorFlow、MindSpore）和底層昇騰芯片連接起來的橋梁，讓開發者不用關心芯片細節就能調用底層算力。

當然，相較于CUDA，CANN在開發者規模、架構成熟度和生態完善度方面，均存在差距。這在很大程度上影響到昇騰芯片的易用性，用戶在生態路線選擇上更傾向于前者。

華為方面表示，公司與各界伙伴探討了如何更好地構建昇騰生態，并發起《CANN開源開放生態共建倡議》，以凝聚產業力量，共探AI邊界，共建昇騰生態。

顯然，華為希望通過開源CANN，吸引更多開發者擴大其生態圈，拉近與CUDA的差距，并以此彌補昇騰產品早期易用性不足的問題。

值得一提的是，業內此前就傳出“昇騰NPU轉向GPGPU”的消息，并被視為國產ASIC芯片向主流技術路線靠攏的信號。此次CANN開源融入主流生態，無疑再次驗證了這一點。

熱議：NPU留下的坑沒那么好填？

面對開源CANN發出的生態召集令，業界給出的反應值得玩味。部分觀點頗為尖銳，認為昇騰NPU變道后會導致原有軟件棧無法維系更新，這時候開源CANN吸納開發者“惠而不費”。

有人將“昇騰轉型GPGPU”和“CANN開源”合并探討。“NPU走不下去了，原本基于NPU搞編譯器的組就要轉到基于GPGPU搞編譯器，那原來的CANN內部沒精力優先級維護了，正好放出來給‘冤大頭’們用。”

另外，也有觀點指出，開源是好事，問題在于NPU本來就沒有GPU好編程。“全國不知道能不能找得出來一百個寫昇騰算子寫得很六的，因此開源社區能對昇騰的生態做出多少貢獻我還是存疑。搞不好全是‘華子’自己的員工在上面commit。”

業內對CANN的“戒心”，源于昇騰NPU一貫以來的封閉特點。

根據公開資料，NPU與GPGPU架構存在根本技術差異，在場景應用上的定位也完全不同。NPU若從此前的全定制化路線轉向通用GPGPU，新架構體系幾乎無法復用之前的軟件棧（包括基礎環境、優化的核心算子、編譯器等）。

“如果大量人員投入新架構研發，原有的NPU軟件棧更新可能會陷入停滯。”某業內人士表示，這會導致后續的新模型或算法無法有效支持，不能充分發揮已采購芯片的價值，造成客戶投資虧損。“這時候引導開發者進駐CANN，相當于靠大家一起去‘填坑’。”

正值昇騰架構更迭之際，內有NPU架構生態問題懸而未決，外有英偉達和國產GPGPU“珠玉在前”。也有部分開發者對此時開源的CANN態度十分保守。

前瞻：昇騰轉向GPGPU或成定局

盡管CANN生態前景存在不確定性，但昇騰轉向GPGPU幾乎已成定局。種種跡象表明，ASIC芯片并不適用于主流場景需求，NPU架構路線甚至被一些媒體定義為“戰略方向性失誤”。

有專業人士分析，NPU和GPGPU相比，最大的問題在于軟件適配成本。“由于整個深度學習生態都建立在CUDA之上，最新的算法和嘗試也都基于英偉達的卡實現。將這些代碼遷移到NPU上，需要大量的時間和開發成本。”

據介紹，NPU和GPU本身的差異，導致需要特定的范式才能發揮出NPU全部的功能。比如gpu kernel需要用ascend-c定制，cpu launch kernel怕打斷、小內存訪問低效等。

華為基于歷史慣性，一直力推自己的軟件棧（如Mindspeed-LLM、Mindspeed-RL、MindIE）。可惜具體到項目落地中效果并不理想，比如今年爆火的DeepSeek-GRPO，想要在NPU上進行GRPO訓練，需要等待華為投入人力適配優化，根本跟不上市場節奏。

上述人士指出，從1月底GRPO爆火，2月初英偉達就已經有了社區的復現方案，到3月份verl都已經基本成熟。而昇騰卡直到6月份，grpo還處于“湊合能用”的狀態。如果要跑其他強化學習算法（如DAPO、PPO等），在昇騰卡上還需要繼續等待。

相對來說，GPGPU提供了另一種完全不同的思路——根據NVIDIA GPU公開(解密)的接口制造兼容CUDA (PTX)的硬件，然后做好編譯器，提供cublus、cudnn等未開源的廠商定制庫。上層的軟件完全復用cuda的生態（Megatron-LM、vllm、verl、pytorch、flash-attention等）。

依托這種方案，用戶進行精度對齊和性能對齊變得非常簡便。由于接口完全一致，還可以使用自動化的程序找到精度和性能異常的bug，并進行修復，極大地降低了開發成本。

“昇騰戰略轉向的目的正在于此”，業內分析，華為需要借助GPGPU重新適應AI時代需求趨勢。而CANN向開放者敞開懷抱，更大的可能是為其“換道超車”提供更多燃料。“問題在于，接下來會有多少用戶登上這駕戰車，更換架構引擎后的昇騰又需要陪跑多少里程？”

作者：蒜力一姐

聲明：本文來源于網絡，僅代表作者個人觀點，不代表“技術領導力”立場