首页 > 科技快讯 > 破壁CUDA生态！华为宣布CANN和Mind工具链全面开源！它带来什么价值？

破壁CUDA生态！华为宣布CANN和Mind工具链全面开源！它带来什么价值？

晰数塔互联网快讯
2025-08-08 08:05

（来源：电子创新网）

8月5日，昇腾计算产业发展峰会在北京召开。来自AI领军企业、伙伴、高校与科研机构的代表共同探讨了如何更好地构建开源开放的昇腾生态，加速AI创新和发展。

华为轮值董事长徐直军在主题演讲中强调：华为AI战略的核心是算力，并坚持昇腾硬件变现。徐直军在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，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。

与会代表和华为共同发起了《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。

华为的CANN和英伟达的CUDA

CANN（Compute Architecture for Neural Networks）和Mind工具链的全面开源具有多方面的价值，CANN作为昇腾芯片的底层加速引擎，对标的就是英伟达CUDA！

CANN是华为针对AI场景推出的异构计算架构，旨在连接上层AI框架（如TensorFlow、PyTorch、MindSpore等）和底层昇腾AI处理器（如昇腾310、昇腾910等），通过优化计算任务调度和资源管理，最大化昇腾芯片的性能。

CANN和CUDA（Compute Unified Device Architecture）在功能和目标上有相似之处，两者目标一致都是为特定硬件设计的计算平台，旨在通过编程接口（API）调用硬件加速能力，提升AI训练和推理效率。

两者都提供底层算子开发、内存管理、并行计算支持等功能，帮助开发者直接操作硬件资源。两者都试图构建独立的开发者生态，通过工具链（如编译器、调试器）降低开发门槛。

CANN和CUDA都包含驱动层、运行时层和库层，架构设计上非常相似。例如，CANN的驱动层负责设备初始化、资源分配和命令调度，运行时层管理应用程序的生命周期，库层提供优化的软件组件。

两者不同的是CUDA专为英伟达GPU设计，覆盖消费级到服务器级显卡（如GeForce、Tesla系列），适用于广泛的计算密集型任务。CANN仅适配华为昇腾AI芯片（如Ascend 310、910），专注于AI推理和训练场景。

CUDA自2007年推出以来，已形成庞大生态，拥有丰富的开发者工具（如cuDNN、TensorRT）、教程和社区支持，几乎成为AI加速的行业标准。CANN起步较晚（约2018年后），生态尚在完善中，虽提供中文支持和国产化适配，但全球开发者资源和案例仍有限。

CUDA仅支持英伟达硬件，但覆盖Windows、Linux、macOS等多系统。CANN目前以华为自研芯片为主，暂无兼容其他厂商硬件的明确计划，生态封闭性更强，这次CANN将弥补以前的短板。

CANN和Mind工具链全面开源的价值

CANN 是面向昇腾 AI 处理器的算子开发与编译优化框架，它打通了从模型构建、算子优化到芯片执行的完整链路。MindSpore 是全流程 AI 框架（类似 TensorFlow 或 PyTorch），但原生支持昇腾芯片，并深度结合 CANN 进行算子调度与硬件加速。

全面开源意味着开发者可以从源码级别优化模型性能，适配各种异构场景，而不再受限于“黑盒”库的性能瓶颈。

开源的价值主要体现在：

1、打通软硬协同优化路径

CANN开源后，开发者可以自由访问和修改源代码，能够快速发现并修复漏洞，优化现有功能，甚至开发全新的功能，从而加速CANN和Mind工具链的技术迭代速度。开源为不同技术之间的融合提供了便利。例如，CANN开源后，开发者可以将其与现有的各种深度学习框架（如TensorFlow、PyTorch等）进行无缝集成，实现技术优势的互补。

开源还将推动底层硬件优化，CANN作为异构计算架构，开源后开发者可以直接接触到底层硬件的编程接口，能够针对昇腾芯片的特性进行深度优化，充分发挥硬件的计算潜力。

2、推动中国AI生态构建

开源的CANN与Mind 意味着华为的 AI 工具链不只是“产品”，而成为可以共享、复制、优化的“基础设施”。这对构建去依赖、可演进、跨平台的国产AI堆栈至关重要，尤其在 NVIDIA 框架生态受限的大背景下。

Mind 工具链开源后，国内高校、研究机构、中小厂商可以直接基于源码开发 AI 模型、部署 AI 应用，不再依赖国外封闭平台。配合昇腾 NPU，可以形成类似“芯片-框架-工具链”的完整生态闭环，增强产业集聚效应。

开源能够吸引全球范围内的开发者参与，形成一个庞大且活跃的开发者社区。开发者们可以在社区中分享经验、交流技术、贡献代码，共同推动工具链的发展。

开源后，开发者可以根据自己的需求对工具链进行定制和扩展，从而将AI技术应用到更多领域和场景中。例如，Mind工具链开源后，开发者可以将其应用于医疗影像分析、金融风险预测、智能交通等多个领域。

CANN和Mind工具链的开源能够促进产业链上下游企业的协同合作。硬件制造商可以基于开源的工具链更好地适配和优化自己的硬件产品；软件开发商可以利用开源工具链开发出更高效、更优化的应用程序。

开源的CANN和Mind工具链能够降低企业开发AI应用的成本，提高开发效率，从而提升整个产业的竞争力。例如，企业可以利用开源工具链快速开发出高性能的AI模型，加速产品的上市时间。开源工具链的广泛应用能够推动传统产业向智能化方向升级。例如，在制造业中，企业可以利用开源的AI工具链开发出智能质检系统，提高生产效率和产品质量。

3、战略价值：对抗“卡脖子”风险

开源可是有望实现AI算法工具的“根技术”自主可控，目前AI 基础设施（如深度学习框架、编译器、加速库）长期被 TensorFlow、PyTorch、CUDA 等垄断。开源 CANN+MindSpore 等同于建立中国自己的“AI操作系统”，增强了面对技术封锁时的战略韧性。

在全球科技竞争日益激烈的背景下，开源的CANN和Mind工具链能够减少对国外技术的依赖，增强我国在AI领域的自主可控能力。

目前，在人工智能领域对对CUDA的依赖程度非常高，这种依赖主要体现在CUDA有成熟的开发工具链、广泛的框架支持以及硬件优化上，截至2023年，英伟达在AI计算和深度学习GPU市场的占有率已经超过70%。这种市场份额使得CUDA成为行业的事实标准，开发者和企业更倾向于使用已经被广泛验证的技术。全球有超过600万的CUDA开发者，形成了一个庞大且活跃的开发者社区。这种社区支持和开发者粘性使得CUDA的替代难度极大。

对于许多开发者来说，CUDA不仅是一个工具，更是一个行业标准，转换到新的框架需要克服巨大的心理障碍和转换成本。而英伟达也在不断优化CUDA，以适应新的计算需求，如生成式AI和量子计算等，这种持续的技术投入进一步巩固了CUDA的地位。

尽管存在对CUDA过度依赖的警惕，但目前还没有一个替代方案能够在短时间内完全取代CUDA，这种过度的依赖会导致一些灾难性后果，例如，即便大家知道英伟达最近卖给中国的H20有后门，但是处于开发上的考虑，很多厂商还在积极购买这个库存产品要改变这样的现状就必须有我们自己的AI生态。尤其是是在黄仁勋表示CUDA要闭源后，这样的风险也在加大，所以华为宣布CANN和Mind工具链开源意义重大！

这不是共享技术，这是共享未来！

维度

意义

技术

实现深度软硬协同优化、性能可控

生态

构建开放国产AI生态、吸引开发者和产业伙伴

行业应用

支持AI大模型与边缘推理在医疗、工业等领域的落地

战略安全

打破国外工具链垄断，实现自主可控