硬件环境(Ascend/GPU/CPU): Ascend 910MindSpore版本: mindspore=2.1执行模式（PyNative/ Graph）:GraphPython版本: Python=3.8.15操作系统平台: linux。

昇思MindSpore与openGauss深度集成技术解析 摘要：本文探讨了华为两大开源项目——昇思MindSpore AI框架与openGauss数据库的协同创新。通过三种集成模式（数据库内AI、外部AI服务调用、端到端AI流水线），展示了如何构建智能数据驱动应用。重点介绍了智能推荐系统实战案例，包括用户嵌入模型构建、实时推荐服务实现及数据库表设计。文章还分享了性能优化策略（数据读取优化、模型部

本文介绍了在昇腾910B服务器上为MindSpore 2.3.0框架集成自定义HCCL通信算子的完整流程。以AlltoAllV算子为例，详细说明了从算子编译、MindSpore注册到分布式训练部署的步骤，包括环境准备、参数配置和具体实现方法。实验结果表明，自定义算子与原生HCCL算子性能相当（64MB数据耗时约1.1ms），并在MoE模型训练中实现了10%的性能提升，验证了该方案的可行性和有效性。

KADC 2025丨分论坛参会全览

华为全联接大会2024 | 昇腾参会全览预热启航！

摘要：本文介绍了基于昇腾910B芯片和MindSpore动态图方案的大语言模型推理优化实践。通过昇腾800T A2服务器部署Qwen2.5-7B和Qwen3-8B模型，详细阐述了从环境搭建、模型转换、推理优化到多场景评估的全流程方案。重点展示了单卡/多卡推理配置、TensorRT加速、算子融合等关键技术，并通过lm_eval工具实现了MMLU、C-Eval等数据集的自动化评估。该方案为开发者提供了

本文介绍了基于MindSpore框架和昇腾910 NPU构建Transformer股票价格预测模型的全流程解决方案。该方案针对券商短期股价波动预测需求，通过数据预处理、特征工程和Transformer模型设计，实现了42ms延迟的实时推理，测试集准确率达76.3%，较传统LSTM模型提升12%精度和3倍速度。重点展示了MindSpore在昇腾平台上的自动并行加速、模型导出部署等关键技术，为金融AI

PyTorch与MindSpore深度对比：两大AI框架各有千秋 PyTorch以动态计算图著称，支持灵活调试，成为学术界首选（89% ICLR论文使用）。MindSpore采用动静统一架构，兼顾开发灵活性与执行效率。性能方面，MindSpore在昇腾910上展现出50%的吞吐量优势，内存占用降低35%，得益于其自动图优化和混合精度技术。PyTorch在NVIDIA GPU生态更成熟，而MindS

随后，他追溯了量子计算的起源，介绍了量子计算的基本原理和现代应用场景，如量子加密、量子模拟等，以此作为引入，他深入讲解了昇思MindSpore Quantum量子计算框架的基本概念，包括量子线路、量子门操作等。校企将共同为鲲鹏昇腾开发者培养提供强大的支持和资源，为学生提供接触和实践最前沿技术的机会，激发学生的创新思维和实践能力，帮助他们在信息技术快速发展的时代中，掌握关键技能，成为推动社会进步和科

他表示，昇腾AI不仅为开发者提供了体系化的成长计划，包括技能培训、项目实践、导师指导等，还设立了丰富的权益激励机制，如提供开发板、云资源等硬件支持，以及举办各类技术竞赛，激发开发者的创新热情和潜能。面向鲲鹏昇腾开发者一年一度的技术盛会，旨在打造开放、共享、学习交流的平台，汇聚行业领袖、技术大咖、学术领军人物以及广大伙伴、高校、优秀开发者等，分享计算产业趋势、前沿AI技术、行业创新案例，优秀开发者实