HUAWEI X HUXIU 在通往通用人工智能（AGI）的路上，如何像其他领域一样实现弯道超车，是业界绕不开的 话题。 在过去的十余年时间里，各项单点技术飞速演进，但随着单点技术演进的边际效应递减和系 统复杂度的提升，系统性能的天花板逐步从单点技术的上限演变成系统工程上限：单点优势 越来越像是精致的零件，提升空间有限；但采用系统工程创新，各个部分完美配合、高效协 同，实现整个系统的效能最优，才有更积极的现实意义。 如何在发挥单点技术优势的同时，以整体视角重新构建路径，通过对复杂系统的极致把控与 再组织、找到新的突破可能？解决这个看似不可能的问题，就有望为我们独立引领最前沿技 术发展创造条件。 近期，虎嗅将推出《华为技术披露集》系列内容，通过一系列技术报告，首次全面详述相关 技术细节，为业界提供参考价值。 我们期待通过本系列内容，携手更多伙伴共同构建开放协作的生态系统，助力昇腾生态在中 国的蓬勃发展。 "以非摩尔补摩尔、以集群补单芯片" 在讨论华为如何短时间内实现赶超的问题前，我们需要先明确一个问题："384超节点"算是华 为在制裁下的无奈之举吗？ 不完全是。 除了制裁下寻求破局这个角度，华为打造"超节点"这 ...

1. 迁得快：让三方框架模型 "零成本"迁移，避免重复造轮子，同时模型精度完全对齐。 2 . 部署快：训转推全流程自动化，让大模型部署像执行一行命令一般敏捷高效 。 Figure 1 MindSpore生态快速迁移解决方案的技术架构 接下来，我们将揭开昇思 MindSpore的破局之道。 一、支持训练Day0迁移，构建跨框架的"无感智能翻译"能力 当大模型架构日新月异，开发者最怕被生态绑定。昇思 MindSpore通过三重兼容术打通主流 技术栈 ， 支持 主流 加速库 模型0代码迁移 ，通过精度自动对比工具 实现跨框架、跨版本、 跨策略快速调优， 精度对齐原模型， 实现 在分布式并行策略保持不变的情况下，训练性能提 升5 %+ 。 在训练生态方面，通过 MindSpeed /Megatron桥接层实现 PyTorch 模型零代码迁移，训练 脚本可直接运行； 通过动态图能力重构，昇思让 PyTorch 开发者获得"原生体验"，同时借力 MSAdapter 工具自动转换9 5 %以上接口， 主流模型如 DeepSeek 、 Pan g u 等 迁移损耗 逼近于零。 大模型发展日新月异，新的大模型层出不穷，参数规模 ...

一、支持训练Day0迁移，构建跨框架的"无感智能翻译"能力 当大模型架构日新月异，开发者最怕被生态绑定。昇思Mi n dSp o r e通过三重兼容术打通主流 技术栈，支持主流加速库模型0代码迁移，通过精度自动对比工具实现跨框架、跨版本、跨策 略 快 速 调 优 ， 精 度 对 齐 原 模 型 ， 实 现 在 分 布 式 并 行 策 略 保 持 不 变 的 情 况 下 ， 训 练 性 能 提 升 5%+。 在训练生态方面，通过Mi n dSp e e d /Me g a tr o n桥接层实现PyTo r c h模型零代码迁移，训练脚本 可 直 接 运 行 ； 通 过 动 态 图 能 力 重 构 ， 昇 思 让 PyTo r c h 开 发 者 获 得 " 原 生 体 验 " ， 同 时 借 力 MSAd a p t e r 工 具 自 动 转 换 9 5% 以 上 接 口 ， 主 流 模 型 如 De e pSe e k 、 Pa n g u 等 迁 移 损 耗 逼 近 于 零。 迁移只是起点，性能才是硬道理。昇思Mi n dSp o r e构建了框架差异化技术，进一步提升模型 训练效率： 昇思MindSp ...

华为开源的昇思MindSpore ，了解一下。 金磊 发自 凹非寺 量子位 | 公众号 QbitAI 没有一个大模型可以一统天下。 这，或许已经成为了AI大模型时代行业里的一个共识。 在如此背景之下，面对众多且日新月异的主流大模型和AI技术，如何能 在一个框架、生态下去体验 ，却成了开发者们"老大难"的问题。 难道就没有一个又快又好又方便的解决办法吗？ 有的—— 在这里，主流SOTA大模型的"搬家"是这样的—— 训练Day0迁移 ： 只需改动极少极少的代码就OK，并且精度和性能都在线。 推理 是 一键部署 的： 训练转推理全流程自动化，20多个主流大模型开箱即用，百亿参数模型加载只需不到30秒。 △ MindSpore生态快速迁移解决方案的技术架构 那么昇思MindSpore是如何做到，我们继续往下看。 改4行代码，"搬家"DeepSeek-V3 为了让迁移大模型这件事变得无感知，昇思MindSpore"翻译神器"—— MSAdapter 。 简单来说，这个工具可以把其他框架的代码转换成MindSpore能看懂的语言，从而实现 "零损耗" 迁移。 比如PyTorch写的训练脚本，直接在MindSpore里运行 ...

有的—— 金磊 发自 凹非寺 量子位 | 公众号 QbitAI 没有一个大模型可以一统天下。 在如此背景之下，面对众多且日新月异的主流大模型和AI技术，如何能 在一个框架、生态下去体验 ，却成了开发者们"老大难"的问题。 难道就没有一个又快又好又方便的解决办法吗？ 这，或许已经成为了AI大模型时代行业里的一个共识。 华为开源的昇思MindSpore ，了解一下。 在这里，主流SOTA大模型的"搬家"是这样的—— 训练Day0迁移 ： 只需改动极少极少的代码就OK，并且精度和性能都在线。 △ MindSpore训练Day0迁移方案 推理 是 一键部署 的： 训练转推理全流程自动化，20多个主流大模型开箱即用，百亿参数模型加载只需不到30秒。 △ MindSpore生态快速迁移解决方案的技术架构 那么昇思MindSpore是如何做到，我们继续往下看。 改4行代码，"搬家"DeepSeek-V3 为了让迁移大模型这件事变得无感知，昇思MindSpore"翻译神器"—— MSAdapter 。 简单来说，这个工具可以把其他框架的代码转换成MindSpore能看懂的语言，从而实现 "零损耗" 迁移。 比如PyTorch ...

" 昇思MindSpore支持大模型训练Day0迁移、推理一键部署，携 手开发者共筑开源生态。 " 编辑丨 李希 大模型发展日新月异，新的大模型层出不穷，参数规模从十亿级跃升至万亿级，模型结构从稠密到稀疏， 应用范式走向多模态、 Agent… 如此多的模型和技术如何在昇腾上快速的使能和体验，是昇腾开发者的 核心诉求。昇思MindSpore "海纳百川"，全面融入主流生态，全面优化训练与推理全流程开发体验，让 开发者用极小成本完成SOTA大模型的迁移 ，昇思 Mind Spore 需攻克两大关键挑战： 1. 迁得快：让三方框架模型 "零成本"迁移，避免重复造轮子，同时模型精度完全对齐。 2. 部署快：训转推全流程自动化，让大模型部署像执行一行命令一般敏捷高效。 迁移只是起点，性能才是硬道理。昇思 Mind Spore 构建了框架差异化技术，进一步提升模型训练效率： 02 支持推理一键部署，分钟级拉起模型服务 在推理部署方面，借助 vLLM-MindSpore插件实现HuggingFace模型半小时部署上线。 面对千亿参数模 型，昇思用三层部署范式重构推理链路： Figure 1 MindSpore生态快速迁移解 ...

2. 部署快：训转推全流程自动化，让大模型部署像执行一行命令一般敏捷高效。 Figure 1 MindSpore生态快速迁移解决方案的技术架构 接下来，我们将揭开昇思 MindSpore的破局之道。 01 支持训练Day0迁移，构建跨框架的"无感智能翻译"能力 " 昇思MindSpore支持大模型训练Day0迁移、推理一键部署，携 手开发者共筑开源生态。 " 编辑丨 李希 大模型发展日新月异，新的大模型层出不穷，参数规模从十亿级跃升至万亿级，模型结构从稠密到稀疏， 应用范式走向多模态、 Agent… 如此多的模型和技术如何在昇腾上快速的使能和体验，是昇腾开发者的 核心诉求。昇思MindSpore "海纳百川"，全面融入主流生态，全面优化训练与推理全流程开发体验，让 开发者用极小成本完成SOTA大模型的迁移 ，昇思 Mind Spore 需攻克两大关键挑战： 1. 迁得快：让三方框架模型 "零成本"迁移，避免重复造轮子，同时模型精度完全对齐。 02 支持推理一键部署，分钟级拉起模型服务 在推理部署方面，借助 vLLM-MindSpore插件实现HuggingFace模型半小时部署上线。 面对千亿参数模 型，昇思 ...

万卡集群可用度达到98%，集群秒级快恢(训练+推理)。 编辑丨李希 01 引言 你是否注意到，现在的 AI 越来越 "聪明" 了？能写小说、做翻译、甚至帮医生看 CT 片，这些能力背后离 不开一个默默工作的 "超级大脑工厂"——AI 算力集群。随着人工智能从简单规则判断进化到能处理万亿参 数的大模型，单台计算机的算力就像小舢板面对汪洋大海，而算力集群则是把上万台甚至几十万台计算机 像搭积木一样连接起来，形成一艘能承载巨量计算任务的 "算力航空母舰"。 当我们把上万台计算机整合成一个有机整体时，需要解决一系列世界级难题：如何让它们像精密钟表一样 协同工作？如何在部分设备故障时依然保持高效运行？如何快速修复大规模训练中的中断问题？接下来我 们将逐一揭秘这些支撑 AI 算力集群的关键特性，看看华为团队如何用工程智慧驯服这头算力巨兽。 02 超节点高可用： 24 小时不停工的智能工厂 就像医院的急诊系统必须时刻在线， AI 训练和推理也不能轻易中断。算力集群里每台计算机都有 "备用替 身"，当某台机器出现故障（比如突然断电或硬件损坏），系统会立刻启动备用机接管任务，就像接力赛中 接力棒无缝传递，确保自动驾驶训练、语音 ...

HUAWEI X HUXIU 在通往通用人工智能（AGI）的路上，如何像其他领域一样实现弯道超车，是业界绕不开的 话题。 在过去的十余年时间里，各项单点技术飞速演进，但随着单点技术演进的边际效应递减和系 统复杂度的提升，系统性能的天花板逐步从单点技术的上限演变成系统工程上限：单点优势 越来越像是精致的零件，提升空间有限；但采用系统工程创新，各个部分完美配合、高效协 同，实现整个系统的效能最优，才有更积极的现实意义。 如何在发挥单点技术优势的同时，以整体视角重新构建路径，通过对复杂系统的极致把控与 再组织、找到新的突破可能？解决这个看似不可能的问题，就有望为我们独立引领最前沿技 术发展创造条件。 近期，虎嗅将推出《华为技术披露集》系列内容，通过一系列技术报告，首次全面详述相关 技术细节，为业界提供参考价值。 我们期待通过本系列内容，携手更多伙伴共同构建开放协作的生态系统，助力昇腾生态在中 国的蓬勃发展。 《华为技术披露集》系列 VOL.13 ：万卡集群 你是否注意到，现在的 AI 越来越 "聪明" 了？能写小说、做翻译、甚至帮医生看 CT 片，这 些能力背后离不开一个默默工作的 "超级大脑工厂"——AI 算力集 ...

( 3 ) Sim2Av a il abilit y高可用建模仿真： 马尔科夫高可用建模仿真框架，通过离散时间步长 仿真，建模单步时长内的故障性能劣化影响与恢复耗时，模拟复杂系统训练任务中的故障场 景及运维响应，实现对训练过程性能表现与故障恢复状态的全周期监控仿真。 建模仿真：算力底座的"数字化风洞" 框架迁移：给模型跑车换更酷炫轮胎 总结与展望 你是否注意到，现在的 AI 越来越 "聪明" 了？能写小说、做翻译，甚至帮医生看 CT 片，这些能 力背后离不开一个默默工作的 "超级大脑工厂"——AI 算力集群。随着人工智能从简单规则判断 进化到能处理万亿参数的大模型，单台计算机的算力就像小舢板面对汪洋大海，而算力集群则是 把上万台甚至几十万台计算机像搭积木一样连接起来，形成一艘能承载巨量计算任务的 "算力航 空母舰"。 当我们把上万台计算机整合成一个有机整体时，需要解决一系列世界级难题：如何让它们像 精密钟表一样协同工作？如何在部分设备故障时依然保持高效运行？如何快速修复大规模训 练中的中断问题？接下来我们将逐一揭秘这些支撑 AI 算力集群的关键特性，看看华为团队如 何用工程智慧驯服这头算力巨兽。 超节点高可用 ...