MoE Dispatch，也就是把 token 送给不同专家的过程，则改成一个 token 只读取、只量化一次，再发给多个专家，分发延迟下降 25% 到 30%，端到端最多改善约 5%。除了已经上线的模型权重、基础推理代码和技术报告，Ascend Tribe 当前还能看到 ascend-training-system、openPangu-2.0-Infer、openPangu-2.0-Op、asc

MoE Dispatch，也就是把 token 送给不同专家的过程，则改成一个 token 只读取、只量化一次，再发给多个专家，分发延迟下降 25% 到 30%，端到端最多改善约 5%。除了已经上线的模型权重、基础推理代码和技术报告，Ascend Tribe 当前还能看到 ascend-training-system、openPangu-2.0-Infer、openPangu-2.0-Op、asc

随着人工智能技术的持续神户以及人形机器人产业的快速发展，算力在提升机器人运动控制精度、实时响应能力与智能化水平方面的作用日益凸显。为实现降本增效，国产化算力代替需求不断攀升，本文基于国产化适配的 Pi0机器 VLA大模型，在昇腾 Atlas 800I A2服务器上完成部署与测试，结果表明：该模型在推理性能、推理精度及功能完整性等方面，不仅实现了与英伟达同级别硬件相当的算力表现，更在部分场景下表现出

今天，我们一起把当下最火的 Pi0 机器人视觉-语言-动作大模型，完完整整地部署在国产算力平台上，也就是华为的昇腾 Atlas 800I A2 服务器上。

🌌你好！这里是👋 欢迎添加好友 is_yu_ei，不定期掉落福利资讯。

我们推出 openPangu-2.0，包括两个主要架构版本：拥有 505B 参数、激活参数 18B 的，以及拥有 92B 参数、激活参数 6B 的。此外，我们还推出了一个面向资源受限场景执行的优化端侧模型，总参数量为 30B，激活参数量为 2B。为了最大化智能体能力与系统级效率，我们建立了一套严格的软硬件协同设计方法，将算法创新与昇腾原生基础设施紧密耦合。

我们推出 openPangu-2.0，包括两个主要架构版本：拥有 505B 参数、激活参数 18B 的，以及拥有 92B 参数、激活参数 6B 的。此外，我们还推出了一个面向资源受限场景执行的优化端侧模型，总参数量为 30B，激活参数量为 2B。为了最大化智能体能力与系统级效率，我们建立了一套严格的软硬件协同设计方法，将算法创新与昇腾原生基础设施紧密耦合。

我们推出 openPangu-2.0，包括两个主要架构版本：拥有 505B 参数、激活参数 18B 的，以及拥有 92B 参数、激活参数 6B 的。此外，我们还推出了一个面向资源受限场景执行的优化端侧模型，总参数量为 30B，激活参数量为 2B。为了最大化智能体能力与系统级效率，我们建立了一套严格的软硬件协同设计方法，将算法创新与昇腾原生基础设施紧密耦合。

我们推出 openPangu-2.0，包括两个主要架构版本：拥有 505B 参数、激活参数 18B 的，以及拥有 92B 参数、激活参数 6B 的。此外，我们还推出了一个面向资源受限场景执行的优化端侧模型，总参数量为 30B，激活参数量为 2B。为了最大化智能体能力与系统级效率，我们建立了一套严格的软硬件协同设计方法，将算法创新与昇腾原生基础设施紧密耦合。

我们推出 openPangu-2.0，包括两个主要架构版本：拥有 505B 参数、激活参数 18B 的，以及拥有 92B 参数、激活参数 6B 的。此外，我们还推出了一个面向资源受限场景执行的优化端侧模型，总参数量为 30B，激活参数量为 2B。为了最大化智能体能力与系统级效率，我们建立了一套严格的软硬件协同设计方法，将算法创新与昇腾原生基础设施紧密耦合。