CANN作为面向AI计算的异构软件栈，通过软硬协同设计，在性能、易用性与生态兼容性之间取得了良好平衡。无论是科研探索还是工业部署，它都为开发者提供了一条高效、可靠的AI加速路径。随着工具链的不断完善与社区的壮大，CANN有望成为下一代AI基础设施的重要组成部分。

训练大模型需要海量算力，而自动混合精度（AMP）是提升效率的关键。CANN 原生支持 AMP，可在几乎不损精度的前提下，显著加速训练并降低显存占用。

CANN 并非单一工具，而是一套从底层驱动到高层 API 的完整软件体系。它专为 AI 计算设计，支持训练与推理，兼容主流框架，并通过软硬协同实现极致效率。其核心优势在于分层解耦 + 全栈优化：上层开发者无需关心硬件细节，底层则针对特定架构深度调优。当内置算子不足时，可通过 TBE（Tensor Boost Engine）编写自定义算子。例如一个简单的平方算子：python编译后即可在模型中调用，

将训练好的模型高效部署到边缘或云端，是 AI 落地的关键一步。CANN（Compute Architecture for Neural Networks）提供端到端的推理解决方案，支持模型转换、量化、多流并发与容器化部署。