昇腾

小lo想吃棒棒糖11 天前
python·机器人·昇腾·启元机器人
把机器人训练从 GPU 搬到昇腾 NPU:启元 Q1 起身动作 PPO 训练全记录作者:叶毅翔(天津商业大学 · GewisLab) 平台:AtomGit CANNLab 云端昇腾 NPU 环境 关键词:启元 PrimeBot Q1 / 昇腾 Ascend 910 / torch_npu / PPO / MuJoCo / 具身智能
航天智算16 天前
大数据·人工智能·昇腾·国产算力·算力适配
300 万预算 国产信创遥感 AI 全自动处理生产线配置实战很多负责地市级卫星应用节点或商业遥感公司的技术负责人,最近都面临同一个棘手问题:手里有明确的国产化替代指标,预算也批下来了,大概三百万左右,但具体怎么配才能既满足“全 AI 自动解译”的产能需求,又不至于让设备买回来吃灰?市面上关于算力的宣传往往充斥着“单卡跑多少平方公里”的模糊概念,真正落地时才发现,要么存储带宽跟不上导致推理卡空转,要么存量 x86 软件在信创环境下跑不起来,甚至因为忽略了适配服务预算,导致项目验收时指标对不上。
小lo想吃棒棒糖18 天前
人工智能·python·机器人·昇腾·具身智能
把 启元机器人Q1 的训练搬到昇腾 910B:从 MuJoCo 到 PPO 的一次完整迁移从物理仿真到 PPO 的完整拆解,以及还没做完的部分2026-10-30 · GewisLab手上有台机器,两张 Ascend 910B,没有 NVIDIA 显卡。我们想训练启元 Q1 的人形动作跟踪,而官方那套 mjlab 训练链是绑死在 CUDA 上的。所以这件事得从最底层拆起,先搞清楚启元做了什么,再讲我们怎么设计,最后说清楚还没做完的部分。
昇腾CANN24 天前
人工智能·昇腾·cann·cann开源
10月26日直播丨DeepSeek推理性能跃迁4.5倍,ACL Graph技术解密
昇腾CANN25 天前
人工智能·开源·昇腾·cann·cann开源
基于CANNBot PyPTO Pro的DeepSeek-V4.1融合算子Agent生成实践PyPTO Pro是昇腾 CANN 体系下的AI算子编程框架,兼顾易用性与高性能。在本次 DeepSeek-V4.1 高性能算子生成实践中,基于CANNBot PyPTO Pro Agent强大的算子生成能力,结合PyPTO Pro简洁易用的 Python 编程接口、灵活高效的计算表达以及对 AI Agent 的良好适配,实现了算子分析、代码生成、精度验证和性能调优的全流程协同,提供了一种更加高效、智能的 NPU 算子开发方式。
昇腾CANN1 个月前
人工智能·昇腾·cann·cann开源
10月23日直播丨CANN挑战赛决赛赛题解析
昇腾CANN1 个月前
人工智能·开源·昇腾·cann·cann开源
CANNBot PyPTO 算子编程智能体的使用,从一段 Prompt 开始写过融合算子的开发者大概都遇到过这样的时刻:一个 shape 刚跑通,换成其他规格,精度验证又失败了;减少一次数据搬运,实测性能反而下降;单融合 kernel 性能验证结果符合预期,但接入整模型后,融合算子性能收益被调度及同步开销抵消。
昇腾CANN1 个月前
人工智能·开源·昇腾·cann·cann开源
10月21日16点直播丨CANN社区Agent能力介绍——模型、TileLang、AMCT开发围绕DeepSeek V4.1,昇腾950端到端训推参考实践分享 10月21日16点直播丨CANN社区Agent能力介绍——模型、TileLang、AMCT开发
昇腾CANN1 个月前
人工智能·昇腾·cann·cann开源
10月16日16点直播丨基于950超节点的万亿MoE模型预训练参考实践围绕DeepSeek V4.1,昇腾950端到端训推参考实践分享
昇腾CANN1 个月前
人工智能·昇腾·cann
开发者说直播预告|10月13日19:00 社区任务开发经验分享🎥 视频号、B站、昇腾社区多平台同步直播🎁 戳链接参与互动,赢惊喜定制好礼👉 issue链接:https://gitcode.com/org/cann/discussions/292
昇腾CANN2 个月前
人工智能·昇腾·cann·cann开源
CANN 端云协同:节约开发、运行成本,支撑Mate90发布会鸿蒙独占应用创新CANN端云协同将云侧研发积累延伸至终端开发。依托昇腾与麒麟NPU同源的达芬奇(DaVinci)架构,以及CANN软件开发能力,开发者在昇腾上完成的部分模型适配与算子实现,可以继续沿用于麒麟端侧,在降低开发投入的同时,也有助于降低云侧推理成本。
智码看视界2 个月前
昇腾·moe·开源大模型·智能体agent·本地推理·xing4.0-29b-a4b·单卡部署
开源大模型追踪:中电信人工智能Xing4.0-29B-A4B:SWE-bench 75.0逼近Qwen3.6-35B一句话定位:面向 Agent 的轻量 MoE,单张消费级显卡就能私有化跑长上下文智能体。这里要先说清一个容易混淆的点:总参 29B 听着比 7B 大,但本地跑得快不快,看的是"每 token 激活"而不是"总参"。Xing4.0 每 token 只点亮 4B 专家,推理算力开销接近一个 4B 稠密模型,显存却要装下全部 29B 权重——所以量化后单卡能跑,但原始 BF16 必须多卡。换句话说,它的"聪明"来自大权重库,"便宜"来自稀疏激活,两者分开看才不会误判部署门槛。
GitCode官方2 个月前
人工智能·开源·昇腾·atomgit
“开源共生 共赢未来”2026北京昇腾生态先锋中心系列活动之算子实操工坊成功举办近日,北京昇腾生态先锋中心在北京市门头沟区政府指导下,联合昇腾 CANN 开源社区、AtomGit AI 社区等,共同发起 「“开源共生 共赢未来”2026 北京昇腾生态先锋中心系列活动之算子实操工坊」 活动。
AI模力圈2 个月前
推荐算法·昇腾·生成式推荐
从级联架构到生成式推荐:推荐算法演进与昇腾落地作者:昇腾实战派 知识地图:https://blog.csdn.net/Lumos_Lovegood/article/details/161601003
昇腾CANN2 个月前
人工智能·昇腾·cann·cann开源
9月14日直播丨人芯对话:昇腾950算力落地算子的编程范式探索
是Yu欸2 个月前
人工智能·开源·大模型·昇腾·pangu
实测openPangu-2.0-Pro:昇腾原生, 505B大模型的开源答卷版权声明:本文为原创,遵循 CC 4.0 BY-SA 协议。转载请注明出处。505B 混合专家模型如何在昇腾上完成预训练、后训练和推理部署
昇腾CANN4 个月前
人工智能·昇腾·cann
基于 PyPTO 与 Agent,2周完成模型 QAT 算子开发与优化模型量化能够通过低比特表示降低推理阶段的存储和计算开销,但直接进行训练后量化(Post-Training Quantization,PTQ)时,模型往往会因量化误差而出现精度下降,尤其是低比特量化场景下,这一问题更加明显。为缓解量化带来的精度损失,量化感知训练(Quantization-Aware Training,QAT)在训练过程中模拟部署时的量化行为,使模型逐步适应低精度表示带来的数值扰动,从而在获得量化部署收益的同时,尽可能保持模型精度。
昇腾CANN4 个月前
昇腾·cann
昇腾软件说系列直播预告 | 7月28日19:00,昇腾算子编程专场【昇腾CANN】视频号、B站、昇腾社区多平台直播昇腾社区观看链接:昇腾直播-昇腾社区B站观看链接:https://live.bilibili.com/h5/23361884
网络工程小王4 个月前
人工智能·学习·华为·迁移学习·昇腾
【HCIE-AI】11.模型 昇腾迁移适配-精度调试-性能调优昇腾迁移适配1.1 torch.cuda → torch.npu 逐项替换清单1.1.1 设备管理类1.1.2 内存管理类
网络工程小王4 个月前
人工智能·pytorch·分布式·学习·昇腾·deepspeed
【HCIE-AI】12.deepspeed分布式并行训练进阶版概述: 训练大模型(7B+)时,会依次遇到显存、计算、通信、工程四个方面的瓶颈。理解这些瓶颈是理解后续所有解决方案的前提。