睿思智聯通過昇騰 950DT 認證，讓每一份算力都用在刀刃上
/朝聞通/北京睿思智聯科技有限公司(簡稱“睿思智聯”)，Rise VAST AI 算力管理平台與 Rise CAMP AI 算力調度平台(統稱"Rise 平台")已于近日完成對華為新一代昇騰 950DT 的适配，并率先通過昇騰 950DTAscend Native 認證及昇騰應用開發技術認證。進一步完善了對昇騰多個版本算力卡的兼容适配矩陣，實現從底層算力管理到上層模型服務的完整支持。覆蓋算力納管、切分超分、拓撲調度和故障監控等場景。
昇騰950DT采用自研HiZQ 2.0 HBM技術，内存容量達144GB，内存訪問帶寬4TB/s，互聯帶寬提升至2TB/s，支持FP8/MXFP8/MXFP4/HiF8等多數據格式，其FP4算力達16E FLOPS，更側重推理解碼和訓練場景。在Atlas 950超節點中，最多可支持8192張昇騰950DT卡通過“靈衢”(UnifiedBus)全光互聯協議進行互聯。相比上一代昇騰384超節點，訓練性能提升17倍，推理性能提升26.5倍。
但參數隻是起點。950DT 從發布會走進數據中心之後，決定算力投資回報的是另外四個工程問題。144GB HBM 如何被持續喂滿?多卡協同如何跑滿靈衢 UB 的互聯帶寬?單卡故障如何不演變為業務中斷?新舊幾代昇騰卡如何在同一套體系下統一調度?
拿到認證隻說明"能用"。Rise 平台要交付的是"好用"。
一：統一納管：不同型号昇騰卡，一管到底
要讓 950DT 進入生産，第一步是把它接入統一的異構算力管理體系。Rise 平台對昇騰全系(310P、910A、910B、910C等)已實現池化支持，950DT 納入同一套納管與調度方式：既可以與 910 系列放在同一個集群、甚至同一個異構資源池中混合管理，資源池可按節點和卡兩個維度靈活劃分;也支持 Host-Member 管控分離的多集群架構，統一申請、分配和監控。
軟切分所需的運行庫由企業版預先集成并統一管理，CANN 8.5.0 / 9.0.0 / 9.1.0 / 9.2.0 等多個版本集中維護、持續更新，各業務運行環境一緻、可控。
二：軟切分：主角用整卡，配角按需分配
950DT 的主角戲是大模型訓練和大模型 Decode 推理，這類任務需要整卡甚至多卡協作，我們不建議對其切分。
但真實的 AI 業務不隻有主角。一個智能體應用背後往往是"大小模型協同"：大模型負責複雜推理，意圖識别、請求路由、Embedding、Rerank、内容審核、工具調用這類高頻、輕量任務交給小模型，既快又省。這些小模型數量多、單個占用小，如果各占一張整卡，主角反而沒有資源可用。
Rise 平台在已有多種算力切分能力的基礎上，此次針對 950DT 提供更靈活的軟切分：相比固定模闆，業務可按算力需要自定義算力規格(如 40%、70%等)，并且無須提前切分。支持靈活、動态設置算力比例與顯存大小，供多個小模型共享。vNPU 可同時用于分布式推理和分布式訓練任務。主角用整卡或多卡，配角按需共享單卡，在同一個 950DT 集群中協同、高效地運行。
客戶收益：周邊小模型不再各占整卡，整卡留給訓練和 Decode。同樣規模的集群，能承載更完整的智能體業務。
三：超分：讓低頻"冷模型"不再霸占顯存
顯存像書桌，取用快但桌面小;服務器内存像書架，容量大得多。超分的做法是：正在用的模型攤在書桌上，暫時不用的收回書架，要用時再拿回來。Rise 的顯存超分能力已支持 NVIDIA、昇騰、昆侖芯等多廠商，并可按硬件類型設置超配比例，在允許更多任務共享算力的同時，避免所有任務同時到達峰值導緻資源耗盡。
虛拟顯存池：物理顯存與系統内存融合成統一的虛拟顯存池，容量遠大于物理顯存，對上層應用完全透明，業務零改動。
冷熱數據調度：系統實時掌握模型狀态，活躍模型留在顯存，低頻模型自動換至系統内存。
客戶收益：長期在線、很少被調用的模型，不再一個模型獨占一塊顯存。同一張卡挂更多模型，先把現有的卡用足，再考慮加卡。
四：拓撲調度：多卡任務，就近安排
訓練和大模型推理常常要多卡協同，卡與卡之間要不停"對話"。950DT 采用靈衢 UB 互聯，卡間通信鍊路的質量直接決定多卡任務的效率。Rise 平台針對昇騰等芯片的互聯結構提供拓撲感知調度：智能識别硬件之間的物理連接結構，為任務匹配最合理的通信路徑。
Rise 平台感知設備的互聯拓撲，調度多卡任務時優先落在互聯更緊密的卡上。就像安排需要密切配合的同事坐在同一層，而不是分兩棟樓。
客戶收益：多卡任務不被"遠距離"通信拖累，直接服務于 950DT 的主角場景，也就是訓練與大模型 Decode。
五：故障感知：新任務，自動繞開壞卡
平台持續采集每張昇騰卡的利用率、顯存、溫度、功耗等關鍵指标，并讀取解析卡上報的故障碼：支持 Ascend 詳細故障碼的分級告警(嚴重、高、中、低四級)，逐條列出故障代碼、錯誤信息與錯誤詳情，翻譯成"哪張卡、什麼故障、還能不能用"。達到阈值的故障觸發 P0 級告警并自動隔離故障卡，新任務調度時自動繞開。告警按級别路由後通過郵件、短信推送至值班隊列，形成"發現—處置—複盤"的完整閉環。
客戶收益：新任務不會被分到壞卡上，不用等人工排查再重來。故障原因一目了然，不再面對一串故障碼。集群規模越大，這點越省心。
寫在最後
作為開源項目HAMi的核心貢獻者之一，睿思智聯也将陸續提交相關的适配代碼，以支持社區用戶共享昇騰 950DT 的新特性。
睿思智聯已獲得昇騰 910B、910C、950DT 認證。無論客戶用哪一代昇騰卡，都可以在 Rise平台上統一管理、按需切分，任務調度和運行穩定性也由平台保障;模型服務側，平台支持vLLM、SGLang、MindIE 等主流推理引擎的一鍵部署與 Token 計量，從底層算力到上層模型服務一站完成。
如果你正在規劃昇騰 950DT 集群，或想把現有昇騰算力用得更充分，歡迎聯系試用Rise 平台企業版。
關于睿思智聯
北京睿思智聯科技有限公司(RiseUnion)專注于AI 算力管理與調度，已完成 10+ 國産芯片兼容認證，是 CNCF 開源項目 HAMi 的核心貢獻者之一。公司是國家高新技術企業、北京市專精特新中小企業、AIIC 算力池化工作組組長單位，在金融、政企軍工、交通、醫療等行業實現大規模生産級落地。
睿思智聯緻力于讓算力像水電一樣随取随用，為企業 AI 轉型構建智能、可控、高效的算力底座。
