<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DeepLink_2025的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/DeepLink_2025</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; DeepLink_2025]]></copyright><item><title><![CDATA[怎么让AI真正帮你做科研？20+节公益课开放报名]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/170869917</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/170869917</guid><author>DeepLink_2025</author><pubDate>Mon, 16 Nov 2026 20:53:51 +0800</pubDate><description><![CDATA[上海AI实验室推出“AI科研加速营”第二期，通过20+节系统课程，助力科研人员掌握AI驱动科研的全流程能力。课程涵盖物质科学、生命科学等六大领域，强调实操与跨学科应用，首次公开展示超算与智算协同调度路径，零基础也可参与。报名截止11月22日，旨在推动AI真正赋能科研创新。]]></description><category></category></item><item><title><![CDATA[从PyTorch到AscendC：借助KernelSwift拿下昇腾算子实操工坊2w+现金激励]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/170740602</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/170740602</guid><author>DeepLink_2025</author><pubDate>Fri, 13 Nov 2026 17:58:00 +0800</pubDate><description><![CDATA[本文介绍参赛者如何通过KernelSwift平台，从PyTorch语义描述出发，自动实现昇腾NPU上的CHEMM算子，历经九类场景调度与调优，1000项精度、200项性能全部通过，成功斩获2万+现金激励。该过程展现了AI驱动的算子生成工具在降低开发成本、提升跨硬件适配效率方面的显著优势。]]></description><category></category></item><item><title><![CDATA[实现5倍性能跃升！XTuner赋能昇腾超节点：大模型训练优化实践和创新]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/169947109</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/169947109</guid><author>DeepLink_2025</author><pubDate>Tue, 03 Nov 2026 16:51:27 +0800</pubDate><description><![CDATA[随着 Qwen3.5 这类搭载 GDN 等创新算子的新一代大模型落地，基于昇腾 910C 开展训练面临新的工程挑战。面对架构错配导致的性能断崖，本文摒弃传统 “抓单点慢算子” 思路，基于 torch_npu profiler 构建了一套从时序全景透视到微秒级源码归因的性能诊断创新方法论。在昇腾 910C 跨超节点集群大规模验证中，Qwen3.5-2B 单卡训练吞吐从基线 4000 TGS 跃升至 20000 TGS，实现 5 倍的系统级性能突破。]]></description><category></category></item><item><title><![CDATA[Vibe Compiler: 人-Agent协同的空间数据流架构AI编译器实践]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/168882180</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/168882180</guid><author>DeepLink_2025</author><pubDate>Fri, 23 Oct 2026 20:01:32 +0800</pubDate><description><![CDATA[本文将分享我们 Vibe Compiler 的实践经验——面向缺少成熟编译链的新型空间数据流架构（Spatial Dataflow Architecture）AI芯片，如何由人与 Agent 协同完成整套AI编译器的设计和实现。]]></description><category></category></item><item><title><![CDATA[FlexPipe：把流水线调度写进十行代码，让大模型训练最高加速 2.28 倍]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/166249235</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/166249235</guid><author>DeepLink_2025</author><pubDate>Mon, 21 Sep 2026 16:15:22 +0800</pubDate><description><![CDATA[流水线并行（Pipeline Parallelism）是大模型分布式训练的基石之一。面对层出不穷的模型新架构，过往经典的预定义调度不再是最优解，甚至会严重拖慢训练。而手工设计新调度耗时耗力。能否不再手写一个个调度，而是让框架自己去”发现”和”生成”高效调度，同时将定制调度的成本极致压缩？
面向这一痛点，本篇介绍的论文提出了一种灵活可编程的流水线并行框架FlexPipe，将流水线调度写进十行代码，且能让大模型训练最高加速 2.28 倍。]]></description><category></category></item><item><title><![CDATA[如何让GLM-5.2跑得更快：基于LMDeploy的推理优化实践]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/164628734</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/164628734</guid><author>DeepLink_2025</author><pubDate>Tue, 08 Sep 2026 17:52:21 +0800</pubDate><description><![CDATA[GLM-5.2推理优化：结合 LMDeploy 的 Profiling、工程实现与端到端实验，按 DSA、MoE、Attention、MTP 和 Communication 梳理各条路径的性能开销、优化原理、落地方式与实际收益。在相同的 SWE-Smith 多轮负载下，Output Throughput 从 678.74 tok/s 提高到 916.59 tok/s（+35.04%），平均 TPOT 从 18.14 ms 降到 13.16 ms（-27.45%）。]]></description><category></category></item><item><title><![CDATA[Triton第六课：DLCompiler生产者—消费者模型实现更快的FlashAttention]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/164218894</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/164218894</guid><author>DeepLink_2025</author><pubDate>Mon, 31 Aug 2026 15:44:38 +0800</pubDate><description><![CDATA[Atlas A2 将矩阵计算与向量计算分别部署在 Cube 核和 Vector 核上，两者之间需经由 Global Memory 传递数据。FlashAttention 又会反复交替执行矩阵乘与 Online Softmax，若完全依赖编译器自动拆核、分配 Workspace 和插入同步，很难同时兼顾正确性与性能。本文使用 DLCompiler 的生产者—消费者编程模型，显式划分 Cube 与 Vector 任务，通过三块 Workspace 传递中间结果，并用跨核事件表达数据依赖。]]></description><category></category></item><item><title><![CDATA[Triton第五课：分组矩阵乘调优]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/164217065</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/164217065</guid><author>DeepLink_2025</author><pubDate>Mon, 31 Aug 2026 15:19:02 +0800</pubDate><description><![CDATA[Grouped MatMul 的难点还在于如何根据 Device Tensor 中的分组信息组织不规则任务。本文以 M 轴分组为例，分析预计算映射在 Ascend 910B 上引入约 1 ms 额外开销的原因，并通过 24 个常驻 program 将不同 Group 的输出 tile 组成连续任务流，减少 Host 同步、Kernel Launch 和组尾 Core 空闲；随后使用对角线 Swizzle 改善访存竞争与 L2 局部性。主测试集上，该实现整体接近 Torch 融合算子，最佳测试点约快 3.4%]]></description><category></category></item><item><title><![CDATA[Triton第四课：基于对称内存融合 AllGather 与 MatMul，提速1.56倍]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/164064773</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/164064773</guid><author>DeepLink_2025</author><pubDate>Wed, 26 Aug 2026 13:51:03 +0800</pubDate><description><![CDATA[在张量并行场景中，AllGather 往往位于 MatMul 的关键路径上：传统实现通常需要先完成集合通信，再启动矩阵乘法，通信与计算之间存在明显的串行等待。本文以 triton_all_gather_matmul.py 为例，解析如何借助 PyTorch Symmetric Memory 建立 GPU 间可直接访问的对称缓冲区，并通过细粒度信号将远端分片的到达过程与 Triton MatMul 的分块计算组成流水线。]]></description><category></category></item><item><title><![CDATA[大模型训练故障诊断：从进程栈、日志到Profiling的时空对比分析思路]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/163697101</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/163697101</guid><author>DeepLink_2025</author><pubDate>Wed, 12 Aug 2026 14:04:27 +0800</pubDate><description><![CDATA[本文探讨了大模型训练任务故障诊断中的对比分析方法。训练任务的强同步特性使得局部故障会扩散为全局异常，导致用户观察到的症状（如程序挂起、训练崩溃或性能下降）与根本原因（如单个节点或GPU的硬件故障）之间存在较大差距。文章提出利用训练任务的同质性、周期性和拓扑结构特征，通过空间对比（不同rank或节点的行为差异）、时间对比（同一rank在不同迭代中的表现差异）和跨任务对比（失败任务与成功任务的差异）三条轴线来定位故障。具体方法包括分析进程栈、系统日志和性能剖析数据，并分享工程实践中的诊断经验。]]></description><category></category></item><item><title><![CDATA[练练算子优化就有机会获得40W奖金？]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/163341899</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/163341899</guid><author>DeepLink_2025</author><pubDate>Thu, 30 Jul 2026 18:18:21 +0800</pubDate><description><![CDATA[上海人工智能实验室DeepLink团队主办的KernelSwift算子创新大赛正式启动。大赛依托全新升级的KernelSwift 2.0智能算子迁移系统，设置Triton算子优化、Clike算子优化、AI4S和新型模型架构算子优化三大赛道，总激励达百万元，包括奖金、算力支持和职业发展机会。KernelSwift 2.0版本扩展了多芯片适配能力，融合AI技术实现智能化优化，支持10余款国产芯片及NVIDIA平台，显著提升了算子开发效率和性能。大赛面向全球开发者开放报名]]></description><category></category></item><item><title><![CDATA[如何通过多智能体协同实现 AI 软硬件评测的全流程自动化（附技能库DeepEval-Skills开源仓库）]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/162348116</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/162348116</guid><author>DeepLink_2025</author><pubDate>Fri, 26 Jun 2026 19:56:01 +0800</pubDate><description><![CDATA[为解决传统AI评测人工成本高昂、技术门槛高、跨芯片适配难等痛点问题，DeepLink团队推出多智能体协作的自动化评测方案，构建多智能体协作机制，实现AI软硬件评测的全流程自动化，能够显著提升评测效率。此外，团队在近日开源了 AI 全环节软硬件验证技能库（DeepEval-Skills），作为验证平台的核心工具之一，DeepEval-Skills已适配多款国内外主流AI芯片，覆盖 NLP、CV、多模态、科学计算、语音等10余个评测子场景，兼容主流智能体工具，支持开发者开箱即用，有效降低AI芯片评测门槛。]]></description><category></category></item><item><title><![CDATA[3DGS技术揭秘：重构3DGS管线以适配矩阵乘法计算单元]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/162069834</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/162069834</guid><author>DeepLink_2025</author><pubDate>Wed, 17 Jun 2026 15:32:39 +0800</pubDate><description><![CDATA[3D高斯泼溅（3DGS）凭借出色的渲染质量和速度，已成为三维重建、具身智能等领域的当红技术。然而，当场景规模扩大或分辨率升至4K时，即使3DGS也难以维持实时帧率。
现有优化多从算法角度压缩高斯数量或简化光栅化，却忽略了更根本的问题：3DGS的渲染管线与硬件特性并不匹配。本文从硬件加速角度：将Alpha混合过程映射为矩阵乘法，让Tensor Core真正参与3DGS渲染，并设计G2L坐标变换解决FP16精度难题。基于这一思路将详细介绍如何针对GPU、NPU和树莓派的不同硬件架构与性能约束，开展专项适配与优化]]></description><category></category></item><item><title><![CDATA[DeepLink多元算力混合推理方案升级并开源，携手行业加速打造Token经济新形态]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/161863343</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/161863343</guid><author>DeepLink_2025</author><pubDate>Wed, 10 Jun 2026 15:21:49 +0800</pubDate><description><![CDATA[近日，上海人工智能实验室（上海AI实验室）升级并开源DeepLink多元算力混合推理技术方案，在此前仅支持多国产芯片的基础上，拓展NVIDIA 等芯片跨架构混合推理能力，满足多类推理场景需求。为便于方案落地，上海AI实验室联合八家国产芯片厂商推出标准化推理镜像，开发者下载即可快速部署；开源上述方案核心技术——智能流量路由系统DLRouter，助力行业低成本构建高吞吐、低时延的异构推理服务。]]></description><category></category></item><item><title><![CDATA[Triton第三课：Grouped GEMM 算子优化思路与实战技巧]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/161803035</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/161803035</guid><author>DeepLink_2025</author><pubDate>Mon, 08 Jun 2026 16:38:03 +0800</pubDate><description><![CDATA[本文提出了一种针对动态Grouped GEMM的优化方案，详细介绍了方案思路与优化技巧，并展示了我们的实测数据，优化与实测均以 Triton 实现。核心思路是将 group Meta data的读取与使用过程尽可能保留在 GPU 端完成， 该方案可以避免动态 grouped GEMM 中的 metadata readback synchronization，同时正确处理 group 边界和尾块。]]></description><category></category></item><item><title><![CDATA[Agent时代的存储（下）: token账单爆炸？如何开源节流？]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/161456644</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/161456644</guid><author>DeepLink_2025</author><pubDate>Wed, 27 May 2026 16:42:28 +0800</pubDate><description><![CDATA[本文探讨了Agent时代存储优化的新思路。在上篇的基础上，下篇主要介绍运用超80万条文本片段进行的动态控制实验，基于Agent的局部性特征进行存储方案优化，成功提升了引用的效率，最终可以让模型容易进行引用而不是生成，从而让Agent执行任务变得更便宜。在本篇中详细介绍了在“紧凑布局”和“自适应索引”这两个优化方向上的探索与实验发现，并提出了在生产环境中的工程建议及未来优化方向！]]></description><category></category></item><item><title><![CDATA[Agent时代的存储（上）：有了“Memory”还要“Harness”？Agent的痛点到底在哪？ ]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/161384274</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/161384274</guid><author>DeepLink_2025</author><pubDate>Mon, 25 May 2026 11:00:32 +0800</pubDate><description><![CDATA[文章聚焦【Agent时代的存储】分上下两篇展开，本篇中首先描述了Agent的成本和稳定问题，挖掘这个问题的根因，讲讲为什么会选择存储作为答案。紧接着介绍业界火热的答案，展开分析方案中的核心贡献和关键矛盾，复盘借鉴推荐系统中的工程共识与和优化思路，聊一聊数据格式、搜索方案、优化假设等工作如何嵌入到大模型时代的存储方案中。在下篇中将会用一个简单的假设关联现有的尝试，选取业界共识的技术，在Agent典型工作场景中做一些新的局部性优化实验。]]></description><category></category></item><item><title><![CDATA[如何让 Agent 安全地执行代码：Sandbox Runtime 原理解析]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/161186524</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/161186524</guid><author>DeepLink_2025</author><pubDate>Mon, 18 May 2026 11:10:50 +0800</pubDate><description><![CDATA[随着AI Agent从实验环境走向生产环境，Sandbox沙箱技术成为保障系统安全的核心基础设施。本文从“为什么需要”到“如何实现”再到“怎么选”：介绍 Agent Sandbox 的需求背景，在集群中如何提供规模化Sandbox 服务，最后探讨底层 Sandbox Runtime 技术路线并给出选型建议。]]></description><category></category></item><item><title><![CDATA[具身强化学习框架RLightning发布，一套代码实现从单机开发到规模化验证，加速物理智能算法迭代]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/160245711</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/160245711</guid><author>DeepLink_2025</author><pubDate>Fri, 17 Apr 2026 14:05:11 +0800</pubDate><description><![CDATA[作者：YZY, QJW, ZYC, LHJ from DeepLink Group @ Shanghai AI Lab。]]></description><category></category></item><item><title><![CDATA[上海AILab发布智能算子迁移系统，多款国产芯片在公开数据集转化通过率可超90%]]></title><link>https://blog.csdn.net/DeepLink_2025/article/details/160137132</link><guid>https://blog.csdn.net/DeepLink_2025/article/details/160137132</guid><author>DeepLink_2025</author><pubDate>Tue, 14 Apr 2026 10:34:08 +0800</pubDate><description><![CDATA[KernelSwift 把 “大模型偶尔写出好算子” 的偶然事件，变成 “持续、可复现、高性能” 的必然结果。其通过可控的优化迭代框架、分层的反馈体系、多样化的探索策略，让大模型真正成为算子优化的 “智能助手”，结合DeepLink芯片适配的基础和技术能力，既降低了底层优化的技术门槛，又持续推高 AI 系统的性能上限。未来，随着数据飞轮的持续转动，KernelSwift 还将在更多算子场景、更多硬件架构下释放更大价值。]]></description><category></category></item></channel></rss>