当大模型从实验室走向产品，算力成为绕不开的现实问题：技术路线怎么选、模型怎么迁、成本怎么控、团队里由谁承接。10月22日至24日，燕缘・链航加速计划第一期——“梦想启航・鲲鹏昇腾种子计划”专场在北京中关村国际创新大厦举办，由燕缘孵化器联合鲲鹏昇腾团队组织，20个入选项目的核心创始人、负责人与北京大学计算机科学与技术、人工智能、软件工程等专业的学生共同参与，用三天时间在鲲鹏昇腾的技术栈里把这些疑问逐个拆解。

直面真问题：选型、迁移、成本与人才

对这批项目而言，关注点集中在几处：现有模型能否平滑迁到鲲鹏昇腾、改造要动多少代码、训练与推理的算力成本如何测算、这部分工程由团队里的谁承接。对一同参训的在校学生，疑问更直接——课堂上学的算法，能不能在自主算力平台上跑通、跑快。加速营的课程编排，正是从这些问题倒推出来的。

10月22日的开营仪式上，燕缘科创生态宣讲、加速营整体解读、项目介绍与答疑依次展开，项目团队与产业、学术、投资导师面对面交流，把各自的技术路线与发展规划讲清楚，也让后续课程有了具体落点。10月23日至24日的实训则按一条完整的能力链铺开：先讲清硬件与软件栈，回答“怎么选”；再进入训练、推理与算子开发，解决“跑得起来、跑得快”；最后落到代码迁移与流水线，回应“怎么搬、搬完怎么稳”。

（开营仪式）

全链路实训：从选型到迁移的完整课程体系

鲲鹏技术方向，鲲鹏计算工程师黄子芸首先梳理了鲲鹏软硬件平台的整体构成，从产品规格、典型行业应用讲到操作系统、编译器与加速库组成的软件栈，并结合项目团队的业务类型，说明不同算力配置的选型依据。鲲鹏计算工程师叶嘉则聚焦鲲鹏高性能计算开发，讲解如何借助毕昇编译器完成多线程并发调优、以手工嵌入向量化指令提升浮点运算吞吐，并演示鲲鹏数学库 KML 与 KUPL 并行计算框架的替换方法与工程落地要点；课程还以流体力学求解为案例，展示高性能计算与 AI 融合编程模式下算力统一调度的可行性。

（鲲鹏计算工程师 叶嘉（左）、黄子芸（右））

昇腾技术板块的分享沿着“从一颗硬件到一套工具链”的路径展开。昇腾技术工程师张凯想首先阐释昇腾 AI 处理器的算力特性及其训练推理一体化的定位，进而逐层梳理 CANN 异构计算架构、MindSpore 框架，以及 MindStudio 工具链为代表的 Mind 系列应用使能套件，如何承接开发者在不同阶段的需求，为参训项目厘清昇腾软硬件技术栈的整体脉络与落地路径。昇腾计算工程师蔡云帆把大模型训练的工程难点拆开来看：并行策略怎么选、显存与通信开销怎么压、算子如何优化，并演示 MindSpeed 如何把这些复杂度收敛为可复用的训练流程，让预训练、微调与迁移适配不必从零搭建。昇腾计算工程师萧剑楠与童啸龙聚焦推理侧，结合 vLLM Ascend 的架构设计与真实模型适配案例，讲解如何定位推理链路的性能瓶颈并给出调优方案；昇腾计算工程师张超越则从开发范式入手，带参训人员搭建 Triton Ascend 环境、掌握关键 API，完成从读懂算子到写出基础算子的跨越。

（中国产业发展与生态部工程师 张凯想）

（昇腾计算工程师 蔡云帆）

（昇腾计算工程师 萧剑楠）

（昇腾计算工程师 童啸龙）

（昇腾计算工程师 张超越）

实训第二天聚焦工程落地与迁移调优。昇腾计算工程师刘昭源围绕模型迁移展开，从推理场景的实际约束讲起，梳理 PyTorch 模型迁移、ONNX 模型转换到小模型调优的完整路径，帮助项目团队判断适合自身的迁移方案。北京鲲鹏联合创新中心工程师矫星泽介绍了鲲鹏 DevKit AI 在代码迁移与性能调优上的能力，现场演示一键自动化安装，并结合企业真实实践案例，讲解如何借助 AI 完成代码扫描、迁移改造与调优分析，把原本依赖人工经验的鲲鹏化改造沉淀为可复用的工具流程。

（昇腾计算工程师 刘昭源）

（昇腾鲲鹏联合创新中心工程师 矫星泽）

双向价值：项目团队获得判断力，学生获得工程经验

本次加速营采用理论授课结合实战演练的方式，三天下来最直接的变化是判断力：面对同一个模型，团队能说清该走哪条迁移路线、大致要投入多少人、性能瓶颈可能出在哪一环，而不是靠反复试错。对参训学生来说，价值在于把课本上的算法接到了真实工程链路上。加速营期间，项目团队与在场学生依次开展项目展示，产业、学术、投资导师围绕算力选型、技术实现、产品迭代与商业化路径逐一给出建议，让技术判断与市场判断彼此校准。后续，加速营将持续输出实训课程、算力资源与导师辅导服务，赋能更多科创项目与开发者，为繁荣鲲鹏昇腾生态输送人才。