昇腾系列芯片命名搞不清？看这一篇就够了！！！

Ascend310系列

Ascend310（基本淘汰）

B系列

Ascend310B1
Ascend310B2
Ascend310B3（Atlas200I A2芯片）
Ascend310B4（香橙派AI Pro芯片）

P系列

Ascend310P1（Atlas300I Pro、Atlas300V Pro）
Ascend310P3（*2 ——>Atlas300I DUO卡 48G）

Ascend910系列

A系列

Ascend910A———————————————————————————32G显存
Ascend910B （不带数字，还是A系列） —————————————32G显存
Ascend910ProA（Pro系列，cube_freq较前代提升100）——————32G显存
Ascend910ProB（Pro系列，看似910B，实则910A） ———————32G显存
Ascend910PremiumA ——————————————————————32G显存

B系列

Ascend910B1（Atlas800T A2 训练卡）——————64G显存
Ascend910B2（Atlas800T A2 训练卡）——————64G显存
Ascend910B3（Atlas800T A2 训练卡）——————64G显存

Ascend910B4（Atlas800I A2 推理卡）——————32G显存

C系列

Ascend910C1
Ascend910C2
Ascend910C3
Ascend910C4

ATB算子（产品线）—— 针对Transformer

• 定义：ATB算子是 Ascend Transformer Boost 加速库中的一种算子，主要用于优化Transformer模型中的计算，特别是针对大规模张量运算的优化
• 特点：ATB算子通过tiling技术将大的计算任务分解成更小的块，来提高计算效率。这种技术可以更好地利用高速缓存，减少内存访问延迟，并且更适合并行计算环境
• 应用场景：ATB算子特别适用于处理大规模数据集和复杂模型，如自然语言处理和图像识别任务中的Transformer模型

ACLNN算子（海思）—— 所有昇腾卡上能跑的NN模型

• 定义：ACLNN算子是 Ascend Computing Language Neural Network 算子库中的一部分，提供了一系列深度优化过的高性能算子API，用于在昇腾AI处理器上执行NN计算
• 特点：ACLNN算子库包括多种算子，如NN算子、DVPP算子和HCCL算子等，支持高性能媒体数据处理和分布式训练中的高效数据传输
• 应用场景：ACLNN算子适用于各种深度学习任务，包括但不限于图像识别、语音识别和推荐系统等

ATB算子更专注于Transformer模型的优化（大模型）
ACLNN算子提供更广泛的算子支持，适用于多种深度学习任务（大小模型）

算子库分类：

• NN（Neural Network）算子库：Softmax、MatMul、Conv 等常见深度学习算法
• BLAS（Basic Linear Algebra Subprograms）算子库：矩阵乘法、最大/最小值计算、加法等基本线性代数运算
• DVPP（Digital Vision Pre-Processing）算子库：图像和视频预处理能力，支持高效视频编解码和图像处理
• AIPP（AI Pre-Processing）算子库：针对图像数据的AI预处理进行优化，使数据可以直接用于推理
• HCCL（Huawei Collective Communication Library）算子库：提供单机多卡及多机多卡间DP、TP集合通信方案

MindIE——用的自己的atb算子库