MindSpore AKG Meetup北京站圆满举办 | 产学研聚力 共探算子技术创新 共建开源生态

随着大模型代码生成能力不断成熟，高校与厂商纷纷投身 LLM 算子生成技术探索。

4 月 29 日，昇思 MindSpore 社区与北京航空航天大学联合举办 MindSpore AKG Meetup 北京站。活动线上线下同步开展，汇聚北航计算机学院、昇思社区等超过3000名开发者，聚焦算子智能生成、大模型编译等方向，以产学研协同推动 AKG 技术迭代与开源生态建设。

AKG Agent 是本次活动核心技术成果，自 2025 年初布局 Agent 算子生成能力，现已打造自动化 Multi-Agent 生成系统，搭载分层 Skill、自适应并发搜索、AutoResearch 深度搜索等核心技术，昇腾算子生成效果优异：Triton-ascend 78% 达 0.8x torch_npu、66% 达 1.0x torch_npu（Eager 模式）。

01 开场致辞：明确共建方向

北京航空航天大学计算机学院副院长杨海龙致辞，期待以本次活动为纽带深化校企合作，推动科研成果转化，培育算子智能生成领域人才。

02 技术报告环节

致辞结束后，活动进入核心技术报告环节。多位专家围绕算子智能生成、多智能体优化、异构计算、稀疏大模型以及AI辅助开发等主题进行了系统分享。

Part 1 ：算子智能生成与多智能体优化 MindSpore AKG SIG 技术专家易衍智分享《基于 Agent 的算子自动生成简介与 AKG Agent》，讲解多角色架构、模块化 Skill 系统，以及 Sketch 并发搜索与 AutoResearch 优化框架。

实际应用中，该方案可降低 20% Token 消耗、提升 10% 算子性能、缩短 30% 整体耗时；矩阵计算、混合分组直方图等算子耗时从 2193us 降至 168us、8245us 降至 606us，KernelBench Level1 算子通过率 100%。

北京航空航天大学游心老师分享《基于多智能体协同优化的高性能算子自动生成系统》，针对算力供需失衡问题，提出细粒度元提示、测试驱动自修复、评测驱动协同优化三大技术。

实测效果：GPU 算子生成 Pass@1 从 88% 升至 95%，NPU 从 69% 升至 71%；CPU 平均加速 2.81 倍、GPU 平均加速 2.30 倍，最高达 10.95 倍，可稳定运行 Attention 等复杂算子。

Part 2 ：异构计算与稀疏大模型优化 北京航空航天大学解晨浩老师分享《面向异构超算的多维分块稀疏矩阵研究及应用》，提出多维分块稀疏矩阵计算模型。

实际效果：油气藏数值模拟场景中，100 节点较 50 节点实现近 2 倍加速；DiT 模型推理中，RT-Lynx 稀疏算子最高加速 1.79 倍，显著提升异构超算与稀疏计算效率。

北京航空航天大学孙庆骁老师，分享《面向稀疏大模型推理的算子实现及编译优化研究介绍》，核心如下： 1.痛点直击：针对稀疏大模型推理瓶颈，明确算子开发与编译优化需求。 2.优化手段：讲解编译优化、内存对齐等提升推理效率的方法。 3.解决方案：提供大模型轻量化部署与高效推理的完整方案。

Part 3 ：开源生态与AI辅助开发 CANN 开源技术专家张雨晨分享《CANN 社区及 CANNBot 介绍》，介绍 CANN 社区生态与 CANNBot 三层架构、全流程自动化工作流。

实际效果：CANNBot 将 Ascend C 算子开发周期从天级压缩至小时级，Abs 算子仅需 1 小时即可完成全流程开发，大幅降低开发门槛。

操作系统技术专家李屹，压轴分享《从测试、代码迁移到端到端功能实现 —AI 辅助开发的思考与程序员的未来》，核心如下： 1.实践历程：分享团队AI开发三阶段及效率提升成效。 2.AI局限：指出大模型能力边界，难以兼顾架构优美与需求深层解读。 3.未来启示：AI替代重复性劳动，程序员核心竞争力在业务洞察与创新。

03 总结与展望

本次MindSpore AKG Meetup北京站搭建了产学研三方交流平台，普及前沿技术、凝聚开源力量、深化校企融合。未来，昇思MindSpore AKG将持续落地多地Meetup活动，深耕算力技术创新，汇聚开发者智慧，打造开放共赢的AI开源生态。