文/海峰看科技

2026年，AI正式邁入智能體規模化落地元年。OpenClaw全民部署、自主AI智能體普及，全民“養蝦”成行業新風向，AI徹底跳出對話交互，走向實際生產執行。

但行業狂歡背后，兩大難題愈發尖銳：智能體爆發讓推理算力需求指數級暴漲，全球高端算力“一卡難求”；國產算力依然存在適配難、開發繁、模型遷移周期長的問題，還要直面CUDA生態的長期壟斷。

中國計算產業應該怎么解決挑戰？筆者注意到，而昇騰生態，早已走出一條自研突圍之路。

昇騰將開放4000卡免費算力，支撐超2萬開發者創新；聯動90+主流開源社區，完成70余款頭部大模型0day適配；恰逢DeepSeek V4系列發布，昇騰更實現全系列產品芯模聯合優化、全面適配。

面對產業痛點與白熱化競爭，昇騰是如何破局的？在“開源開放筑底座好用易用聚生態”媒體溝通會上，華為昇騰副總裁張良給出答案：以開源開放升級開發體驗，以生態共建重構AI算力發展路徑。

能力躍升：CANN全面開源開放，從“能用”到“好用”

作為昇騰AI異構計算架構，CANN是連接硬件與上層應用的核心紐帶，其性能與易用性直接決定昇騰生態的競爭力。

目前，行業可以仿照CUDA走一條“捷徑”，但一旦制裁加碼，仿制路線將導致所有硬件和軟件瞬間失效。因此，昇騰堅持不模仿，從底層指令集、編譯器到運行時全棧自研。

此次昇騰將CANN全面開源開放作為核心升級方向，從軟硬件架構、開發體驗、社區資源三大維度實現突破，推動CANN從“能用”向“好用”跨越，切實解決國產算力“適配難、開發繁”的行業痛點。

在軟硬件架構層面，隨著昇騰950系列技術架構的推出，CANN完成了多項底層優化升級。算力配比上，Vector與Cube的比例從910系列的1:16調整為1:8，使多模態生成速度提升2倍，小算子訪存效率提升60%，大幅提升算力利用效率。

同時，CANN新增SIMT+SIMD混合編程模式，細化Cache Line粒度，更好適配離散訪存場景，還引入mxFP4/mxFP8低精度數據格式，精準貼合大模型訓練與推理的核心需求。

在開發體驗層面，開發體驗的優化是此次CANN升級的一大亮點。算子開發繁瑣、周期長是困擾開發者的核心痛點。

此次CANN開源的PyPTO編程范式，將Softmax算子代碼量壓縮至200多行，CV融合算子開發周期縮短至1周，大幅提升開發效率。

同時，CANN全面兼容Ascend C、Triton、TileLang等多種算子編程范式，并配套完備的調試調優工具鏈，既滿足了資深開發者追求極致性能的需求，也降低了新開發者的上手門檻。

在社區資源層面，CANN社區資源的完善為開發者提供了全方位支撐。昇騰搭建的一站式開發平臺，將環境部署時間從90分鐘壓縮至5分鐘，4000卡免費算力資源持續保障開發者“邊開發、邊驗證、邊落地”的需求。

據張良介紹，截至目前，CANN開源社區已吸引超1.3萬名認證開發者，月活躍開發者超2000人，Star數突破1.3萬，下載量接近700萬，形成了初具規模、良性循環的開發者生態。

生態破局：昇騰從“兼容”到“原生”，共建共治共享

在本次溝通會上，我發現昇騰在筑牢CANN技術底座的同時，也加速生態布局，實現了從“被動兼容”到“主動共建”的轉變，深度融入全球開源體系。

與仿CUDA路線的最大不同在于，昇騰選擇了一條更難的路：既要堅持底層指令集、編譯器等根技術自研，又要向上兼容PyTorch、Triton等開源社區。如何兼容更多社區，讓開發者實用起來更方便？昇騰做了三件事。

首先，昇騰深度融入第三方開源生態。張良指出，昇騰已與PyTorch、Triton、vLLM、DeepSpeed等90多個主流開源社區實現雙向聯動，作為PyTorch基金會白金會員，華為已向PyTorch社區累計貢獻超1000個PR，并搭建了昇騰專屬的CI體系與門禁看板，深度參與社區技術迭代。

2026年3月，Triton-Ascend正式成為原生Triton社區的out-of-tree module。這是國內首個獲得該社區認證的后端，標志著昇騰在全球AI編譯技術體系中獲得核心認可，打破了國外技術壟斷。

其次，昇騰實現開源模型“發布即支持”，降低開發者創新門檻。昇騰通過預置1500余個基礎算子和100余個融合算子，全面覆蓋大語言模型、多模態模型、搜索推薦模型等主流AI場景，對DeepSeek、Qwen、Llama等70余款全球及國產主流大模型完成0day適配與全鏈路優化，真正實現“發布即支持、開箱即用”。大幅縮短模型適配周期至1小時內完成驗證，真正實現高效落地。

最后，昇騰推動生態治理開放下沉，構建“共建、共治、共享”格局。目前，CANN開源社區已有中國聯通、上海交通大學、華南理工大學、南方電網等12家伙伴與高校參與治理，三分之一的SIG（特別興趣小組）由外部機構主導或參與。

張良表示，這一開源舉措帶來了意想不到的效果：中石油基于開源CANN開發了化工仿真庫，南方電網開發了電力負荷預測庫。

此外，昇騰在化工、電力等行業SIG已建立骨干庫，推動專用算子與領域大模型的深度適配，讓生態發展更具包容性和生命力。

落地提效：Agent體系打通“最后一公里”

模型從開發到部署的“最后一公里”，是制約AI技術規模化落地的關鍵瓶頸。為解決這一痛點，溝通會上，昇騰推出全套強大的Agent體系，以Model Agent平臺為核心，通過七大智能Agent覆蓋模型全生命周期，實現模型落地部署的自動化、高效化，大幅降低落地門檻。

過去，昇騰的專家需要頻繁出差到客戶現場，花數周時間幫助完成模型遷移適配。隨著模型和場景激增，人力根本覆蓋不過來。昇騰團隊開發出了Model Agent平臺，將專家經驗固化到工具中。

昇騰Model Agent平臺的七大智能Agent各有側重、協同發力，實現全流程賦能。比如，search-agent可在1分鐘內為開發者精準檢索已完成昇騰可用性驗證的模型，呈現模型系列、適配框架等關鍵信息，助力快速選型；verify-agent支持一鍵完成模型下載、NPU狀態巡檢、自動化驗證及報告生成，1小時內即可完成模型適配驗證；doc-agent可一鍵生成標準化部署文檔，兼顧專業性與易用性，讓新手也能快速上手。

尤為值得一提的是，Agent體系搭配Agent SkillHub，能將每個Agent的能力、使用指南及工程經驗匯聚整合，方便開發者隨時檢索調用，實現知識傳承。

我們以算子開發為例，過去手寫一個高性能Vector算子需要數天甚至數周。如今，通過Agent Skills，開發者只需描述設計意圖，1小時內即可完成開發，精度100%達標，開發效率提升50%以上。

張良笑著打了個比方：“我們也不希望Agent把所有活都干了，那樣開發者就沒有成就感了——就像寫文章，Agent幫你寫了初稿，你還是得自己改一遍才有價值?！?/p>

據張良介紹，目前，Model Agent與Agent Skills已全量開源，支持OpenCode、OpenClaw等多平臺復用，通過一句命令即可完成安裝，進一步降低了開發者的使用成本。

點評：多維發力，CANN生態更加繁榮

此次昇騰生態升級，展示了中國AI算力正從“跟跑”向“并跑”跨越。在全球算力荒蔓延、中國算力加速突圍的背景下，昇騰以CANN開源開放筑牢技術底座，以生態共建擴大影響力，以Agent體系打通落地瓶頸，走出了一條“開源開放、好用易用、共建共享”的發展路徑。

在《海峰看科技》看來，其核心突破在于，擺脫了“重硬件、輕生態”的傳統模式，將開發者體驗和生態繁榮置于核心位置，通過免費算力、工具開源、生態共治等舉措，凝聚全球創新力量。

隨著開源生態的持續完善、Agent體系的不斷升級，昇騰有望進一步鞏固中國算力優勢，推動AI算力從“可用”向“好用、易用”跨越，為我國人工智能產業發展和算力自主創新筑牢堅實底座。