近日，在上海举办的PyTorch Conference China 2026大会上，昇腾公布与PyTorch社区的合作最新进展。昇腾上线PyTorch官网，成为PyTorch官方支持的第一个中国算力底座，双方的合作也成为共建AI产业生态的新里程碑。

  当前AI产业进入大模型与智能体快速迭代阶段，算力集群化、架构集约化、开发智能化成为行业发展趋势。开源框架是连接算力硬件与模型开发的关键中间层，硬件能否被主流开源社区原生接纳，直接关系硬件算力能否被广大开发者便捷使用，也影响算力底座的产业落地规模。过去较长一段时间，主流AI开源框架对国内硬件的支持大多以第三方插件形式实现，原生适配、社区CI质量看护、标准化测试等方面存在短板，给开发者带来额外适配成本。

  据会上披露，昇腾与PyTorch的合作已经从简单硬件适配，演进到社区共建阶段。昇腾完成社区全量特性、测试用例的硬件后端解耦改造，PyTorch核心API实现对昇腾硬件100%支持，功能、精度、性能层面实现对齐。PyTorch官网后端页面已经纳入昇腾入口，开发者可以通过一行命令完成昇腾环境的下载安装。同时，昇腾正式接入PyTorch社区CI/CD体系，2000多张昇腾算力卡接入社区，实现7×24小时自动化质量看护，保障版本迭代过程中的代码兼容性，降低开发者调试成本。

  “硬件接入开源框架，不只是完成代码适配，更要参与社区标准共建。”华为昇腾计算产品线副总裁张良在主题演讲中表示，八年开源实践过程中，昇腾累计向PyTorch社区贡献超过20万行核心代码，参与重构社区约100万个测试用例，推动硬件后端解耦等底层架构改造工作，以此实现硬件真正意义上的原生支持。

  技术层面，双方围绕算子编译、分布式训练、推理引擎等方向开展多项协同工作。算子层面，Inductor‑Ascend实现昇腾亲和融合算子生成，实现模型级端到端图模式，兼容Triton编程能力，降低算子迁移工作量；框架层面，HyperParallel分布式组件完成对PyTorch的FSDP、Muon优化器深度优化，相关成果也将向PyTorch生态社区贡献。在训练负载测试中，同等配置条件下，HyperParallel方案在维持损失收敛一致的前提下，提升大模型训练吞吐量。面向推理场景，昇腾团队向vLLM、SGLang等主流推理社区贡献调度、高可靠运行、部署编排相关特性；训练方面，孵化类似TransferQueue、MindSpeed MM等项目，补充数据传输、模型定义等基础组件能力，接入PyTorch生态社区。

  本次大会上，华为深度主导的PyTorch TAC加速器集成工作组对外公布阶段性成果。工作组面向行业硬件异构化难题，输出硬件接入指南、跨代码库CI测试机制、设备感知测试套件等标准化内容，推动建立多后端硬件统一接入路径，减少不同硬件适配框架的重复开发工作，为更多算力硬件接入PyTorch生态提供参考范式。

  从产业视角看，AI异构计算时代，单一硬件很难覆盖全部应用场景，开源社区正在探索一套可以兼容多元算力的技术体系。以往不少硬件厂商主要在自身内部完成框架适配，较少向上游社区输出底层改造逻辑，不同硬件适配方案分散，开发者切换硬件平台时需要做大量迁移工作。而将硬件能力原生合入上游社区，硬件厂商需要遵循社区开发规范，共同维护测试体系，对厂商的开源贡献能力提出更高要求。

  大会现场设置技术展区，展出昇腾950超节点、开源开放生态成果，开放真机实操体验，面向开发者提供算子开发、分布式训练、推理部署、Agent开发等实操任务。专题论坛与多场技术分享活动中，来自多个开源项目的技术人员围绕跨平台训练、AI编译器、MoE大规模训练、Agent场景缓存优化等议题分享工程实践，推动经过大规模集群验证的技术方案对外开源共享。

  据悉，面向Agentic AI发展方向，双方后续将围绕超节点Runtime、分布式执行、智能体框架开展进一步协同，打造面向智能体的原生超节点软件栈。行业人士认为，国产硬件完成主流开源框架原生适配共建，为国内开发者提供更多算力选择，同时也为全球AI开源社区带来来自中国产业侧的技术实践，推动异构算力生态进一步完善。但硬件生态建设是长期过程，后续还需要持续开展社区协同，补齐工具链、案例、开发者文档等配套内容，让算力能力真正落地到各类AI业务场景。