中国AI的源头活水，藏在昇腾CANN中

近年来，中国芯片不断迭代，超节点集群陆续商用，让国内算力供给的紧张情况得到缓解。

当中国AI产业不用再因算力焦渴而焦虑，下一个新的问题随之浮现：这些已经建起来的算力，怎样才能真正进入企业的业务，转化为好用、易用的AI能力？

水库逐渐充盈，就需要修建运河，把资源送往需要它的地方，AI也不例外。

有了充沛的算力，还需要一套成熟、开放的软件体系，把算力高效地传导到模型研发和产业应用之中。

以DeepSeek为例，这一先进且开源的中国模型，是许多行业用上普惠AI的首选之一。9月30日，DeepSeek把自己面向昇腾算力平台的基础设施组件开源了出来，包括高级语言编译工具、计算库、分布式通信库，和它此前面向英伟达开源的组件相对应。

过去，硬件的性能优势需要复杂的算子开发和集群调优；如今，DeepSeek实践验证的优化成果，以开源的形式开放出来。意味着，广大的模型研究者、企业和个人开发者，在使用昇腾算力时，可以从CANN为代表的昇腾基础软件上，获取到一套可复用和改进的底层工具，不用重复造轮子。

这极大地降低了模型开发、训练的门槛，让更多企业和开发者以更低的工程成本，用上先进的模型和算力。

由此不难发现，基础软件，正是计算硬件与模型应用之间的关键通道。而基础软件的开源开放，直接关乎AI能力能否被更多人顺畅地使用。

告别算力焦渴之后，中国AI还需要一条基础软件的大运河，把算力与模型引向千行百业，为智能经济注入活水。那么，这条运河建造得怎么样了？

几乎每一个呈现垄断性的软件领域，最终都会出现一个开源的对应物。比如说操作系统，Windows严格控制源代码，随后Linux向全社会完全开源开放。

基础软件的开源开放，是打破单一供给结构的必要手段。AI时代，尤其需要一个开放的软件生态。DeepSeek这次开源昇腾基础组件，就深刻地反映出了这个需求。

AI开发者常感叹“AI一天，人间一年”，模型的迭代和更新速度极快，既要追赶模型的迭代，也要处理底层适配和性能优化。如果每次模型结构发生变化，都要从头编写算子、重新调优，等待硬件平台更新配套工具，研发时间就会大量消耗在重复的工程工作中。

所以，一套能跟上模型变化、发挥硬件性能的软件工具，是AI开发者迫切需要的。而封闭体系只能等待一个中心化的厂商发布新版本，与之相比，一个开源开放、群体协作的技术生态，显然更适配AI时代的开发节奏。

9月30日，DeepSeek面向昇腾AI基础软硬件平台开源的一系列基础组件，其中TileKernels项目增加昇腾后端支持，同一套Python接口能够在海外GPU和昇腾NPU上运行。开发者不必为昇腾削足适履，就可以将原本的工作在昇腾算力集群上高效运行，降低了开发者的工程压力，也减少了对单一供给方的依赖。

模厂愿意开源，但如果没有一个开放的底层平台，开发者依然用不上、用不好。CANN为代表的昇腾软件基础设施，就扮演了这个关键角色：为底层开发和硬件适配提供支撑，为上层AI框架和应用提供软件基础能力，开发者可以在这一体系中进行算子开发、编译、调优和运行。

当然，客观来说，模型开源、软件开放，并不意味着完全免去硬件适配工作。DeepSeek官方也提到，目前开源项目的相关实现面向昇腾950系列产品等特定软硬件环境，并不是对所有昇腾型号的无条件支持。也就是说，实际使用中，开发者可能还有一些必要的工程工作要做。

这或许是一个风向标，中国AI的基础设施，具备了模型领先、算力充沛等条件之后，一个完整、开放的基础软件体系，重要性越来越不容忽视。

此前，中国基础软件也有不少开源，以此吸引开发者和用户。但是，大量开源项目处在无维护、无社区、无应用的三无状态，代码上传之日，就是生命的终点。

开源软件生态搞不好，与之相关的硬件与应用自然发展不起来。N卡就是一个很好的对照，海外芯片的大规模应用，离不开十几年积累下来的社区资源、共建习惯和开发者粘性，作为护城河。

开源开放，铺就了基础软件的河床。但要让软件生态奔流不息，还需要吸引开发者不断加入。如何让开发者愿意来、留得住，在社区中持续贡献，是过去几十年来，国产基础软件最难跨越的一道门槛。

幸好，Agentic时代，正在带来积极的变化。

首先，原有的开发方式，发生了变化，为基于Agentic的创新软件平台，带来了新的机遇和变量。

Agent协助完成任务，正在成为越来越多开发者采用的新范式，过去的工作流也面临重塑。以算子开发为例，这曾是令不少工程师望而生畏的工作，需要理解模型的计算逻辑，熟悉特定硬件的编程方式，再依次完成代码编写、编译、测试和性能调优。如今，Agent开始将这些环节串联起来。一个全流程都有Agent可以选用的软件平台，意味着更简单、更顺畅的开发体验，从而争取到更多 AI-native developers（AI 原生开发者）。

以昇腾的CANNBot为例，开发者可以描述算子的计算需求，由工具协助完成代码生成、编译和测试，全流程可复用工作流。MindStudio的智能开发能力，也通过智能体技术自动识别精度异常，解决性能瓶颈等问题。简单易用的Agent贯穿整个开发全流程，大大减少了手搓工程量，为CANN吸引AI-native developers创造了条件。

开发方式的变化，为中国基础软件争取到了更多存量用户，那么AI让技术平权之后，则为基础软件带来了新的增量。

当Agent能够协助处理一部分工程任务，原本不熟悉这套体系的工程师和开发者，也有机会更直接地参与进来，为软件生态持续吸引外部开发者。目前我们看到，一些中国基础软件已经跨越了生态拐点，比如昇腾CANN已进入常态化的开源社区运作，月活开发者突破5200名，开源代码达3723万行，且超过一半的活跃贡献来自昇腾之外。外部开发者积极参与其中，在社区中持续贡献，说明昇腾生态不再是单一企业在支撑，真正具有了可持续的生命力。

不过，需要保持一点清醒的是，目前CANN在中国开源项目活跃度排名中位列第一，但即使这个体量，放在全球顶级开源社区的量级里并不算庞大。中国基础软件的下一阶段才刚刚启程，仍有一段路要走。

随着更多开发者愿意持续使用、贡献和维护，中国基础软件的运河上，终于行驶着川流不息的舟船。但行船不是目的，借助水的运力开展商业活动，创造经济收益才是。

基础软件的真正价值，也不能止于开发，最终要通向产业。

算力和模型通过基础软件，流入千行百业，在真实的生产经营中提升效率、创造价值，技术能力才能转化为经济收益，并反过来支撑软件生态的发展。

以超节点为例，超节点的出现，为中国AI算力基础设施的发展提供了新的支撑，也让产业界看到了缓解算力供给压力的可能，已经成为 Agentic AI 时代算力基础设施的主流形态。但企业要把超节点用起来、用得好，绝不只是花钱进行算力建设那么简单，软件平台的易用性、兼容性和开发效率，都会影响到企业使用算力的成本和效率。

过去一年，中国AI除了昇腾超节点等硬件突破之外，基础软件上的探索也同样值得关注。为了降低算力门槛，让硬件能力更顺畅地进入实际应用场景，昇腾就做了大量的工作。

一方面应开尽开，CANN的算子编程、算子库、通信库与工具，都做了全量代码开源，Mind系列应用使能套件也全量开源，这让开发者可以基于开放的代码进行修改和适配，让算子更贴合自己的模型结构与计算需求。开发完成后，还可以借助配套工具进行性能调优。

通过全量开放，开发者把工程工作更多地掌握在自己手中，不仅能减少重复开发的成本，缩短模型适配周期，也能提高资源利用率，让现有算力发挥更大价值。

另一方面，昇腾CANN主动融入主流开发生态，拥抱业界前沿技术和社区开发者，适应开发者的习惯，而不是要求别人来适应自己。比如说，Triton API与社区完全兼容，开发者可以继续使用熟悉的Triton编程接口和开发方式，减少为适配新硬件而重新学习工具链的工作量，一个习惯PyTorch等主流框架的工程师，在PyTorch里写好的代码，几乎不用改，就能跑在昇腾上。

可以看到，超节点为中国AI提供了更强的算力基础，基础软件则在尝试缩短算力与产业应用之间的距离。当然，软件优化仍是有上限的，要彻底解决企业算力难、AI成本高的问题，既需要软件的持续完善，也需要硬件的不断突破，提供更充沛的算力供给，以及企业挖掘更具价值的AI应用场景，把算力等投入用在刀刃上。

只有算力供给、软件能力、产业需求形成联动，中国AI才能真正驶入智能经济的下一段航程。

如今，大模型能力不断提升，企业对AI和智能体的使用意愿更是前所未有，算力基础设施的投入也在增加。但这些投入，更强的模型和更多的算力，并不必然带来业务价值。从这个角度看，基础软件的开源开放，不只是一种技术的选择，更是释放AI产业价值的必由之路。

当AI需要进入更广泛的应用场景时，需要开源开放的基础软件来降低使用门槛，减少重复造轮子的低效投入，加速模型和算力向产业落地。

如今，运河已经落成。以CANN为代表的昇腾基础软件，已经成为支撑中国AI的重要基建之一。

但不必高兴过早。正如运河不是建造完工就大功告成，后期还要不断地维护与加固，基础软件的生命力来自生态，离不开开发者和商用用户的源头活水。中国AI基础软件，离不开你，离不开每一个人，去使用它，关注它，去社区提一个issue，或上传一段代码。与基础软件一同奔流，一同驶入AI时代。