昇腾CANN全面开源：重塑AI算力生态，赋予开发者底层定义权

11小时前 • AI产业动态 • 阅读 2

在人工智能技术飞速发展的当下，大模型竞争已进入白热化阶段，而算力基础设施的自主可控与开放创新成为行业关注的焦点。近日，华为昇腾宣布将其核心底层基础软件——CANN（Compute Architecture for Neural Networks，神经网络异构计算架构）全面开源开放，这一举措不仅标志着国产AI算力生态建设迈出关键一步，更可能从根本上改变全球计算架构的竞争格局。

CANN作为连接上层AI训练框架（如PyTorch、TensorFlow、MindSpore等）与底层昇腾AI芯片的桥梁，其开源意味着开发者首次获得了直接定义算力的能力。长期以来，AI芯片的算子开发因技术门槛高、生态封闭而被视为“黑盒”，许多开发者只能依赖厂商提供的有限接口，难以实现深度优化。CANN的开源彻底打破了这一壁垒，通过开放神经网络异构计算架构的完整技术栈，让开发者能够从模型、算子、内核到底层资源进行全链路自主优化。

从技术架构层面分析，CANN的开源开放主要体现在三个维度：生态兼容性、开发路径多样性和架构灵活性。在生态兼容方面，CANN已实现对PyTorch、TensorFlow、MindSpore、PaddlePaddle等主流AI框架的无缝对接，并开放GE图开发接口，允许开发者自定义图结构。大模型支持方面，CANN覆盖了Llama、Mistral、Phi等国际主流模型，以及Qwen、DeepSeek、GLM等国产大模型家族，总计超过50种模型，昇腾已参与10余个大模型开源社区的生态构建。

针对不同技术背景的开发需求，CANN提供了三条差异化的算子开发路径。第一条路径面向习惯GPU编程范式的开发者，通过深度对接Triton生态，实现Linalg IR与AscendNPU IR的转换，使开发者能够使用熟悉的Python语法编写高性能算子，原有Triton代码可以极低成本迁移到昇腾NPU。同时引入的TileLang编程选择，提供了比Triton更细粒度的性能控制能力，允许开发者显式管理数据分块和内存层级映射，有效应对现代AI芯片的“内存墙”挑战。

第二条路径针对追求极致性能的系统级程序员，昇腾原生提供的Ascend C编程语言采用C/C++语法风格，开放了算子底层资源管理接口。这意味着开发者可以直接调用NPU的原子级能力，精确控制每一个时钟周期的行为和片上缓存管理。无论是FlashAttention还是复杂的MoE融合算子，Ascend C都能让开发者充分发挥硬件性能潜力，实现SOTA级别的优化效果。

第三条路径则面向希望快速开发的场景，CANN推出的CATLASS算子模板库基于Ascend C构建，将复杂的矩阵乘法及其融合算子抽象为可配置模板。开发者无需重新编写复杂的切分和流水线逻辑，通过简单参数配置即可快速生成适配不同形状和精度的矩阵乘算子。在当前主流的MoE模型支持上，CANN还推出了创新的MLAPO融合算子，将原本需要多个算子完成的MoE计算融合为单个高效算子。测试数据显示，在大参数DeepSeekV3模型的量化场景下，MLAPO算子能将计算耗时从109us缩减至45us，带来整网性能提升20%。

为降低开发者上手门槛，CANN已在AtomGit平台开放多个核心仓库，包括CATLASS算子模板库、ops-math基础数学库、ops-nn神经网络库、ops-transformer大模型库、ops-cv图像处理库以及HCCL通信库等，并发布了集成主流大模型环境的官方容器镜像。目前CANN已预置超过1400个基础算子、100多个融合算子以及15个通信算法，为大模型开发提供“开箱即用”的能力。这些算子经过深度优化和实际生产验证，能够充分发挥昇腾硬件的性能潜力。

CANN能够实现如此灵活的开放策略，核心在于其架构设计上的“分层解耦”理念。传统的AI软件栈往往将工具链、运行时、驱动、编程体系、加速库等打包成整体，虽然简化了部署，但对于追求极致性能的头部模型厂商和系统工程师而言却显得笨重。CANN通过宏观架构上的功能解耦与组件独立演进，将整个技术栈拆解为多个功能正交的组件，从底层硬件驱动到中间运行时，再到上层编译器和加速库，每一层都实现物理上的松耦合。

这种分层解耦架构带来了多重优势：首先，各组件可以独立演进，加速技术创新迭代；其次，开发者可以根据需求灵活组合不同组件，避免不必要的功能冗余；最后，开放接口标准化降低了生态参与门槛，吸引更多开发者贡献代码。从产业影响角度看，CANN的开源可能引发AI算力生态的重构——当底层计算架构变得透明可控，算法创新将不再受限于硬件黑盒，模型优化可以深入到指令级粒度，最终推动AI计算效率的全面提升。

展望未来，随着CANN开源生态的不断完善，我们有望看到更多基于昇腾架构的创新型AI应用涌现。对于开发者而言，这不仅是技术工具的升级，更是思维范式的转变——从被动接受算力供给到主动定义计算架构。在AI技术民主化的浪潮中，CANN的开源开放无疑为国产算力生态建设注入了强大动力，也为全球AI基础设施的多元化发展提供了新的可能性。

— 图片补充 —