当昇腾CANN全面开源开放,AI生态里的玩家们看见了什么?
代码成为了资产,技术服务不再是难以度量的“人天”,而是可复用的“积木”。对于外部开发者而言,这个被封装起来的算力底座,是一个“能用”但“看不清”的黑盒。这些案例证明,开源开放的CANN正在成为技术创新的“粘合剂”,让算力底座能够适应从云端大模型到边缘小模型,再到科学计算的复杂场景。龚徐建直言,行业数据的质量是目前最大的拦路虎。他们共同复盘的,不仅仅是一次技术栈的开放,而是一场关于算力如何从“保姆式
在很长一段时间里,计算产业像是在黑夜中赶路。为了追赶国际先进水平,底层的软硬件团队必须在封闭的环境中进行千万行代码的“饱和式补齐”。对于外部开发者而言,这个被封装起来的算力底座,是一个“能用”但“看不清”的黑盒。
但在2025年的尾声,这个盒子彻底被打开了。
随着昇腾CANN完成全面开源开放,AI算力生态迎来了一个隐喻性的“成人礼”。在“昇腾CANN开源开放创享周”的收官对话中,我们看到了这场变革背后的四股力量:CANN生态发展总监陈海波,中间层极客伙伴向昊、唐适之,以及行业落地伙伴龚徐建。
他们共同复盘的,不仅仅是一次技术栈的开放,而是一场关于算力如何从“保姆式服务”走向“自主共生”的生存实验。
战略之辩:为什么开源开放是“必答题”?
对于置身一线的技术伙伴而言,这种变化带来的首先是“确定性”。
清昴智能CTO向昊用“地图”来比喻这种变化。在闭源时代,面对文档缺失或版本差异,开发团队往往像在黑盒中盲人摸象,充满了不确定性。而开源相当于给了一张高精度的地图,“我们可以按图索骥,去探寻代码深处的蛛丝马迹”。
清程极智联合创始人唐适之则从开发者的主权角度解读了这一战略。他认为,单一的固定接口永远无法满足极致性能的需求。只有获得开放的代码,开发者才能深入到系统软件的每一层——从算子到推理引擎——进行跨层联合优化。
从“请求原厂支持”到“自己动手建设”,这是算力生态成熟的标志,也是CANN开源开放成为“必答题”的底层逻辑。
技术共振:在“无人区”的联合代码实验
开源开放并没有停留在战略层面的握手,它迅速转化为了一场场在技术“无人区”的联合实验。在直播中,两位技术极客分享了三个极具代表性的突围案例。
案例一:“软FP4”的逆袭——当硬件不支持,就用软件定义
DeepSeek等前沿模型对量化精度提出了新要求,但在某些特定的硬件(如910B加速卡)上,原生指令集并不支持FP4数据类型。如果是在闭源时代,这可能是一个死结。

但在开源环境下,唐适之的团队没有等待硬件升级,而是选择自己补轮子。他们利用CANN开放的算子编程能力,通过整数指令模拟实现了FP4计算,并利用Ascend C优化了张量的内存排布,成功利用上了NPU内部的向量单元。这种“软硬结合”的解法,让算力在硬件迭代的间隙,依然能够承载最新的算法创新。
案例二:边缘算力的百倍压榨——小车也能拉大炮
在边缘计算场景,硬件资源往往捉襟见肘。向昊分享了在Atlas 300I Duo卡上部署Qwen系列轻量化模型的经历。

面对这款紧凑型硬件,标准算子库无法发挥极致性能。清昴团队通过Ascend C重写了Decode阶段的关键算子Conv2D Update,将该算子的性能提升了百倍,最终带动整网推理收益提升了15%,实现了单路16 TPS的流畅体验。
案例三:AI for Science的跨界修补
在昌平实验室的IL-Diffusion蛋白质结构预测项目中,科研人员依赖DGL(Deep Graph Library)图学习库,而该库在昇腾上的原生支持并不完美。向昊团队没有选择漫长的等待,而是基于Ascend C快速重写了关键的hsoftmax算子,以点带面地打通了科研落地的堵点。

这些案例证明,开源开放的CANN正在成为技术创新的“粘合剂”,让算力底座能够适应从云端大模型到边缘小模型,再到科学计算的复杂场景。
商业重构:从“买卖关系”到“有机体”
随着技术黑盒的打破,产业链的协作模式也在发生深刻重构。
向昊描述了一种“1+1+1>3”的新商业模式。在以前,软件商只是卖软件,硬件商只是卖盒子。而在最近的一个20卡集群项目中,清昴智能(软件)、服务器厂商(硬件)与华为(底层驱动/固件)进行了三方联合定义开发。软件团队深入到散热、拓扑与通信方案的硬件设计中,共同交付了一套差异化的解决方案。在这种模式下,生态成员不再是线性的上下游,而是向昊口中高度自主协同、持续进化的“智能有机体”。
对于杭州天宽科技CTO龚徐建来说,开源让服务的价值显性化了。
作为行业ISV,天宽科技过去做了大量“看不见”的适配与调优工作。现在,他们将这些经验沉淀为“行业算子库”。例如,在智能巡检场景中积累的算子能力,可以被封装并快速复制到电力、化工等不同行业。代码成为了资产,技术服务不再是难以度量的“人天”,而是可复用的“积木”。
最后一公里:硬骨头与新征程
尽管技术与商业模式都在进化,但在AI落地的“最后一公里”,依然横亘着几块“硬骨头”。
龚徐建直言,行业数据的质量是目前最大的拦路虎。“我们发现行业内的数据集质量远没有想象中那么好,这直接制约了AI的落地效果。”
唐适之则指出了场景的复杂性。现在的AI应用不再是简单的“文本进文本出”,而是需要频繁与外部世界交互。这对AI Infra的灵活性提出了极高要求——它必须能适应这种复杂的交互逻辑,而不仅仅是跑通基准测试。
面对这些挑战,产学研的闭环正在加速形成。龚徐建观察到一个新趋势:越来越多的高校和实验室开始主动要求“基于昇腾CANN直接做科研创新”,而不仅仅是做迁移适配。当算力成为科研创新的第一选择,一个具备自我造血能力的生态闭环便已成型。
结语:建设者的宣言
在直播的最后,唐适之留下了一句朴素却有力的话:“如果大家觉得硬件或者是软件还不够好用,那么我们就去建设它。”
这或许是昇腾CANN开源开放最真实的注脚。从2018年为了“能用”而进行的独力开发,到之后的分层开放,再到2025年为了“好用”而全面开源开放,计算产业走过了一段漫长而孤独的夜路。在算力资源最黑暗的时刻,有一群人选择打开计算黑盒,用透明对抗封锁,用协作穿越寒冬。
如今,盒子已经打开,一片等待被定义的星辰大海被释放出来。对于身处其中的开发者而言,这既是挑战,更是重塑计算规则的历史机遇。
更多推荐



所有评论(0)