燧原正式纳入飞桨例行发版，打造软硬件协同新范式

燧原科技专注人工智能领域云端算力产品，致力为人工智能产业发展交付普惠的基础设施解决方案，提供原始创新、全栈自研、具备完全自主知识产权的通用人工智能训练和推理产品。

飞桨与燧原经过长时间的适配合作和持续集成（CI）建设，对合入的每一行代码都在其硬件上进行了验证。如今，飞桨正式将燧原纳入飞桨例行版本发布体系。未来，飞桨将基于这一合作模式，与更多硬件厂商持续深度优化，共同支持飞桨重大版本发布，推动AI技术创新和开源生态发展迈上新台阶。

『每日发包』在燧原硬件上享受飞桨的最新特性

即日起，飞桨官网（下载安装地址见下方链接）安装页面新增对燧原平台的支持，用户可根据硬件类型，使用对应指令快速安装适配版本。

https://www.paddlepaddle.org.cn/

本次更新的重要意义在于：过去飞桨对新硬件的适配通常依赖特定版本，更新周期相对固定；而现在，随着燧原纳入每日构建与发版流程，开发者可第一时间使用飞桨最新能力，在原生硬件平台上完成模型训练、推理与部署验证，加速技术创新闭环。

🧪 示例场景：开发者在使用Diffusion模型做推理调优时，可以直接拉取每日发包验证性能优化，缩短模型上线周期。

 例行发版对硬件的要求

硬件厂商需要满足以下前置要求才能建设飞桨例行发版：

• 完成飞桨二级适配

• 适配代码合入飞桨develop分支

• 提供搭建 CI / CE 的最小机器资源

• 承诺提供人力参与 CI / CE 工作

发版详情介绍

支持飞桨版本与软件环境

更多安装命令、兼容性说明可访问飞桨产品硬件支持表（下方链接）查看。

https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/hardware_support/hardware_info_cn.html

其他支持模型范围

飞桨联合硬件厂商在多个主流模型上进行了验证，涵盖图像分类、目标检测、OCR等多个任务类型，确保在燧原平台上推理功能的一致性。

📷 图像分类

已支持多达80+图像分类模型，包括：

• ConvNeXt系列

• FasterNet系列

• MobileNet系列

• PP-HGNet/PP-LCNet系列

• ResNet系列

📊 精度参考指标为 ImageNet-1k 验证集 Top1 Accuracy

🎯 目标检测

适配模型涵盖大中小多尺度检测场景：

• FCOS-ResNet50

• PicoDet 全系列（XS/S/M/L）

• PP-YOLOE_plus 系列

• RT-DETR 系列（H/L/X/R50等）

📊 精度参考指标为 COCO2017 验证集 mAP(0.5:0.95)

🚶 行人检测

• PP-YOLOE-L_human

• PP-YOLOE-S_human

📊 验证集使用 CrowdHuman，精度最高达 48.0%

🔤 文本检测

• PP-OCRv4_mobile_det

• PP-OCRv4_server_det

📊 检测 Hmean 指标，覆盖多种中文场景图像，精度最高 82.69%

🧾 文本识别

• PP-OCRv4_mobile_rec

• PP-OCRv4_server_rec

📊 Avg Accuracy 高达 79.20%，适配 1.1w 张真实数据集图片

📄 完整支持模型列表及性能数据，请访问下方链接PaddleX模型列表（燧原 GCU）获取详细信息

https://paddlepaddle.github.io/PaddleX/latest/support_list/model_list_gcu.html

持续集成（CI）验证机制

为保障代码在多硬件平台上的稳定性与适配一致性，飞桨联合硬件厂商共同建设了跨平台 CI 自动化验证系统，该系统已全面接入飞桨日常发版流程。

CI 工作机制说明

• 自动触发机制：当开发者向 PaddleCustomDevice 提交代码后，CI 系统会自动触发，执行完整验证流程，包括编译、单元测试、模型测试等。

• 多平台验证支持：当前已支持包括 GCU 在内的多种异构计算平台，CI 会分别在每个平台上独立完成编译与测试，确保适配兼容性。

• 严格审查流程：除自动流程外，CI还引入人工审核机制，由有权限的代码管理员进行逻辑与规范审查，确保代码合入质量。

✅ 所有流程通过后，代码才可正式合入主干，并参与每日构建与发布。

CI 验证内容与收益

持续评测（CE）机制建设

为确保飞桨模型在异构硬件平台上的稳定性与精度表现，团队同步构建了持续评测（CE, Continuous Evaluation）体系，完成主流模型的推理精度验证工作，保障模型的可运行性和一致性。

📌 验证机制

• 平台配置：

• GCU：S60

• Python 3.10，Paddle 分支：develop

• 验证方式：

• 使用 PaddleX 脚本调用推理 pipeline

• 验证精度与Paddle基准结果对齐，允许限定阈值内的误差波动

• 触发机制：

• 合入主干后，天级别回归验证

📈 CE体系的建设与执行，是飞桨软硬件协同的重要支撑，标志着飞桨在“模型真实可用性保障”方面迈入体系化、流程化的新阶段。

合作历程回顾

飞桨与燧原厂商的适配合作分阶段展开，从最初实现“能运行”的基础阶段，逐步迈入“高可用”的阶段。

第一阶段：图级别接入（2023年2月）

燧原最初通过在飞桨主仓引入图接入机制，使模型在燧原GCU硬件平台上完成基本运行。基于燧原第二代训练产品云燧T20，燧原分别于2023年2月和2024年1月完成 I & II 级兼容性适配认证。

飞桨芯片适配认证标准：

https://github.com/PaddlePaddle/community/blob/master/working_groups/Maturity_Model_for_Paddle_Hardware_Adaptation.md

第二阶段：算子接入（2023年11月）

逐步建设 PaddleCustomDevice 接入体系，支持注册硬件特定算子，提升执行效率。

第三阶段：PaddleX生态适配（2024年11月）

支持数据处理、模型导出、部署工具等子模块在硬件平台上无缝运行，构建端到端闭环体验。

「例行版本发布」是全新起点

引领AI软硬件迈向更紧密协同

本次版本发布，标志着飞桨与燧原完成了从“单次适配”到“日常发版”的深度协同。面向日益紧密的软硬件协同趋势，飞桨正基于此模式不断扩大平台覆盖范围，推动AI基础设施生态协同发展。

开发者朋友们，欢迎访问飞桨官网安装新版本，体验燧原平台上的AI创新之旅！

关注【飞桨PaddlePaddle】公众号

获取更多技术内容~