Appearance
NPU 与 GPU 对比
对熟悉 NVIDIA 生态的同学，可以通过类比快速理解昇腾 NPU。
1. 概念对照
| 维度 | NVIDIA GPU | 昇腾 NPU |
|---|---|---|
| 角色 | AI 加速卡 | AI 加速卡 |
| 处理器 | A100 / V100 等 | 昇腾 910 / 310P |
| 计算架构 | CUDA | CANN |
| 监控命令 | nvidia-smi | npu-smi |
| 框架接入 | 原生 PyTorch（cuda） | torch_npu（npu） |
2. 关键差异
- 架构定位：GPU 起源于图形渲染、后转向通用并行计算；NPU（如昇腾 910）从设计之初就面向神经网络，达芬奇架构的 Cube 单元专为矩阵运算优化。
- 软件生态：CUDA 之于 NVIDIA，相当于 CANN 之于昇腾；PyTorch 通过 torch_npu 插件接入昇腾，迁移成本低。
- 国产化：昇腾是国产自主算力路线的代表，配合鲲鹏 CPU 可实现软硬件全栈国产化。
3. 动手验证
了解概念后，建议动手查看你所用环境的 NPU：
- 查看 NPU 设备与健康状态 → 昇腾 NPU 环境检查
- 了解 NPU 之上的软件栈 → 硬件使能 CANN
说明
本章规格以华为官方 Atlas 800 训练服务器（型号 9010）公开资料为准，不同批次配置（如内存容量、散热方式）可能略有差异，请以实机 npu-smi info 及随机文档为准。