华为开源CANN，再次释放“昇腾转向”信号

对抗英伟达？成为英伟达。

日前，华为正式宣布开源其AI计算架构CANN，并提出要打造“中国自己的CUDA”。结合此前“昇腾NPU改道GPGPU”的传闻，此举不仅进一步释放出昇腾战略转向信号，同时也描摹出一幅“全面对标英伟达”的崭新图景。

从底层架构变迁到上层生态重建，一夕之间换了新天。今天的昇腾，前路格外引人注目。

官宣：CANN开源号召共建昇腾生态

8月5日，华为轮值董事长徐直军在昇腾计算产业发展峰会上宣布，华为昇腾硬件使能CANN全面开源开放，Mind系列应用使能套件及工具链全面开源。

官宣消息显示，这一举措主要为了支持用户自主的深度挖潜和自定义开发，加速广大开发者的创新步伐，让昇腾更好用、更易用。“华为AI战略的核心是算力，并坚持昇腾硬件变现。”

据悉，CANN全称为“神经网络异构计算架构”，其直接对标对象正是英伟达的CUDA。对开发者来说，CANN是把上层AI训练框架（如PyTorch、TensorFlow、MindSpore）和底层昇腾芯片连接起来的桥梁，让开发者不用关心芯片细节就能调用底层算力。

当然，相较于CUDA，CANN在开发者规模、架构成熟度和生态完善度方面，均存在差距。这在很大程度上影响到昇腾芯片的易用性，用户在生态路线选择上更倾向于前者。

华为方面表示，公司与各界伙伴探讨了如何更好地构建昇腾生态，并发起《CANN开源开放生态共建倡议》，以凝聚产业力量，共探AI边界，共建昇腾生态。

显然，华为希望通过开源CANN，吸引更多开发者扩大其生态圈，拉近与CUDA的差距，并以此弥补昇腾产品早期易用性不足的问题。

值得一提的是，业内此前就传出“昇腾NPU转向GPGPU”的消息，并被视为国产ASIC芯片向主流技术路线靠拢的信号。此次CANN开源融入主流生态，无疑再次验证了这一点。

热议：NPU留下的坑没那么好填？

面对开源CANN发出的生态召集令，业界给出的反应值得玩味。部分观点颇为尖锐，认为昇腾NPU变道后会导致原有软件栈无法维系更新，这时候开源CANN吸纳开发者“惠而不费”。

有人将“昇腾转型GPGPU”和“CANN开源”合并探讨。“NPU走不下去了，原本基于NPU搞编译器的组就要转到基于GPGPU搞编译器，那原来的CANN内部没精力优先级维护了，正好放出来给‘冤大头’们用。”

另外，也有观点指出，开源是好事，问题在于NPU本来就没有GPU好编程。“全国不知道能不能找得出来一百个写昇腾算子写得很六的，因此开源社区能对昇腾的生态做出多少贡献我还是存疑。搞不好全是‘华子’自己的员工在上面commit。”

业内对CANN的“戒心”，源于昇腾NPU一贯以来的封闭特点。

根据公开资料，NPU与GPGPU架构存在根本技术差异，在场景应用上的定位也完全不同。NPU若从此前的全定制化路线转向通用GPGPU，新架构体系几乎无法复用之前的软件栈（包括基础环境、优化的核心算子、编译器等）。

“如果大量人员投入新架构研发，原有的NPU软件栈更新可能会陷入停滞。”某业内人士表示，这会导致后续的新模型或算法无法有效支持，不能充分发挥已采购芯片的价值，造成客户投资亏损。“这时候引导开发者进驻CANN，相当于靠大家一起去‘填坑’。”

正值昇腾架构更迭之际，内有NPU架构生态问题悬而未决，外有英伟达和国产GPGPU“珠玉在前”。也有部分开发者对此时开源的CANN态度十分保守。

前瞻：昇腾转向GPGPU或成定局

尽管CANN生态前景存在不确定性，但昇腾转向GPGPU几乎已成定局。种种迹象表明，ASIC芯片并不适用于主流场景需求，NPU架构路线甚至被一些媒体定义为“战略方向性失误”。

有专业人士分析，NPU和GPGPU相比，最大的问题在于软件适配成本。“由于整个深度学习生态都建立在CUDA之上，最新的算法和尝试也都基于英伟达的卡实现。将这些代码迁移到NPU上，需要大量的时间和开发成本。”

据介绍，NPU和GPU本身的差异，导致需要特定的范式才能发挥出NPU全部的功能。比如gpu kernel需要用ascend-c定制，cpu launch kernel怕打断、小内存访问低效等。

华为基于历史惯性，一直力推自己的软件栈（如Mindspeed-LLM、Mindspeed-RL、MindIE）。可惜具体到项目落地中效果并不理想，比如今年爆火的DeepSeek-GRPO，想要在NPU上进行GRPO训练，需要等待华为投入人力适配优化，根本跟不上市场节奏。

上述人士指出，从1月底GRPO爆火，2月初英伟达就已经有了社区的复现方案，到3月份verl都已经基本成熟。而昇腾卡直到6月份，grpo还处于“凑合能用”的状态。如果要跑其他强化学习算法（如DAPO、PPO等），在昇腾卡上还需要继续等待。

相对来说，GPGPU提供了另一种完全不同的思路——根据NVIDIA GPU公开(解密)的接口制造兼容CUDA (PTX)的硬件，然后做好编译器，提供cublus、cudnn等未开源的厂商定制库。上层的软件完全复用cuda的生态（Megatron-LM、vllm、verl、pytorch、flash-attention等）。

依托这种方案，用户进行精度对齐和性能对齐变得非常简便。由于接口完全一致，还可以使用自动化的程序找到精度和性能异常的bug，并进行修复，极大地降低了开发成本。

“昇腾战略转向的目的正在于此”，业内分析，华为需要借助GPGPU重新适应AI时代需求趋势。而CANN向开放者敞开怀抱，更大的可能是为其“换道超车”提供更多燃料。“问题在于，接下来会有多少用户登上这驾战车，更换架构引擎后的昇腾又需要陪跑多少里程？”

作者：蒜力一姐

声明：本文来源于网络，仅代表作者个人观点，不代表“技术领导力”立场