本文基于MiniMind模型在Ascend 910B4上的推理性能分析，通过msprof工具发现主要瓶颈集中在：1）Device侧算子串行导致stream利用率低；2）小batch size限制MatMul和FlashAttention并行度；3）部分算子落入低效AI_CPU路径；4）高频小算子累积开销显著；5）Host侧调度和首次调用开销较大。