登录社区云，与社区用户共同成长
邀请您加入社区
暂无图片
为遵守国家网络实名制规定，未绑定将限制内容发布与互动
团队研发人员占比70%,成员来自清华大学、海德堡大学、上海交通大学、电子科技大学等高校,不少人曾任职于微软、百度、美团点评、中国通号等企业,在图像识别、自然语言理解、高速边缘AI硬件、高稳定性AI软硬件系统设计等领域有16年以上的研发积累,AI算法研究成果曾发表于Science、NIPS、ICML、CVPR等学术平台。业务范围上,匠数科技的产品已服务于北京地铁、北京十二中、义乌全球数贸中心、上合组
MindSpore-Transformers（MindFormers）实现对Megatron-LM核心API语义对齐，支持张量、流水线、序列并行，兼容Megatron数据集与权重格式。通过四层架构设计，实现接口、参数、分布式逻辑高度一致，开发者仅需少量适配即可将大模型训练脚本迁移至昇腾NPU，复用图编译、算子融合、混合精度等加速能力，显著降低国产化迁移成本。配套提供数据集加载、权重双向转换、精度比
本文系统阐述了在昇腾NPU上通过昇思MindSpore全栈优化提升大模型吞吐量的策略。基于图编译、算子融合、内存复用、PageAttention、ZeroBubbleV并行及动态batching等技术，从训练到推理全流程优化，结合可运行代码与benchmark工具，实现token吞吐逼近硬件上限。重点解决显存碎片、通信开销、调度瓶颈等问题，助力开发者高效释放算力，降低部署成本，尤其在多模态强化学习
昇腾 NPU 整套体系分为内核驱动和CANN Toolkit 用户态 SDK两部分，二者职责分离：内核驱动负责硬件调度；CANN Toolkit 提供头文件、动态库，用于业务代码编译开发。使用 Makefile 构建 NPU 应用时，编译阶段依赖 Toolkit 的 include 头文件目录；链接阶段依赖 lib64 动态库目录；程序运行阶段，既需要系统加载匹配版本 NPU 内核驱动，又要保证操
AscendCluster解决昇腾NPU大模型训练集群的四大痛点：静态rank_table配置繁琐、故障恢复能力弱、资源利用率低、通信拓扑脱节。通过动态组网、故障自愈、拓扑感知调度与资源池化混部，实现算力利用率提升25%-45%，任务可用性显著增强，广泛适配大语言模型、多模态及MoE模型训练。结合msrun启动与MindSpore自动并行，零代码改造即可接入，大幅降低万亿参数模型落地门槛。
文｜鹏鹏开发手记2026 年 10 月 23 日一部华为手机、一部 iPhone，放在桌上时很方便，分开放进包里就容易错过消息。10 月 20 日，Pura X View 推送 HarmonyOS 7.0.0.111 SP8，更新日志中“与 iPhone 互联”的一句话，正好击中了双机用户的这个痛点。但“互联”究竟连到了哪一步？这次更新带来了什么，哪些能力此前就已经存在？对鸿蒙开发者来说，又有什么
我用小智AI的ESP32-S3开发板接通MCP,说一句话就调起PowerShell交给Kimi Code,2项真实任务跑通后又把黑箱改造成可见窗口。文中有最小复现路径和四条工程规则,业务代码零改动。
本次大会完整呈现深开鸿在智慧空间赛道的技术积累、产品矩阵、场景案例与生态布局。未来，深开鸿将持续深耕开源鸿蒙底座，联合全产业链伙伴，持续打磨开鸿智慧空间解决方案，推动开源鸿蒙在多元物理空间规模化落地，让每一个空间都拥有原生智能，助力千行百业数字化转型。
本文介绍昇思MindSpore生态通过MindSpore-Lite转换工具，实现Caffe模型向昇腾NPU的迁移。针对存量CV模型（如LeNet、VGG），支持将prototxt与caffemodel文件解析为MindSpore原生MINDIR格式，经优化后可编译为om模型部署推理。流程涵盖转换架构、代码实操、约束限制及问题排查，强调需验证输入对齐、算子兼容性与精度一致性，确保迁移可靠性。
10月22日，在第二届深开鸿创新科技大会上，深开鸿正式发布开鸿智慧空间解决方案 。方案以“开源鸿蒙+AI”构建统一数字底座，通过超级物模型、Agent应用和开放工具链，让空间具备感知、理解、执行和持续生长的能力，推动空间从设备联网、被动响应走向主动服务与自主运营。
