昇思MindSpore2026年第一季度运作报告

概述

2026年第一季度，昇思MindSpore开源社区以技术创新为驱动，持续扩大生态影响力，在框架升级、开发者生态建设、行业应用落地等方面取得显著进展。

在技术突破方面，本季度重磅推出MindSpore 2.8版本，核心带来为超节点设计的HyperParallel架构；同时与SGLang社区深度合作，正式支持MindSpore后端，为大模型服务化提供高性能解决方案。

在社区合作方面，助力智谱训练并开源首个自主算力底座的SOTA图像生成模型GLM-Image；联合中国电信AI研究院开源首个全自主创新千亿参数MoE大模型TeleChat3-105B；携手浙江大学张强团队发布知识图谱驱动的SciToolAgent，相关成果登上《Nature Computational Science》。

在社区运作方面，社区通过举办“万码奔腾贺新春”活动开放稀缺算力，并同时开展《开源之夏》栏目共吸引103位学子参与，《昇思同路人》持续传递开发者故事，《创新训练营》优秀案例不断涌现。从大模型全流程课程到量子计算实战，昇思MindSpore正携手全球开发者，共同打造人工智能创新之源！

以下是2026年第一季度昇思MindSpore社区进展的详细报告。

社区运作

截至3月底，MindSpore 开源社区稳健运营、生态持续扩容，始终坚守开放协作、技术普惠、共建共治的核心原则，聚焦 AI 框架技术迭代、生态协同与开发者生态建设，社区组织架构高效运转、技术贡献与活跃度双提升，筑牢 AI 开源生态的坚实底座，推动全场景 AI 框架技术与产业应用深度融合。

社区单位会员达 354 家，累计贡献者5.2万+；

社区累计产生ISSUE共89.7K、PR共115.2K。

本季度社区治理体系高效运转，开源发展委员会、技术委员会常态化推进决策与技术统筹，各 SIG 小组协同发力，技术贡献与社区活跃度稳步攀升。技术委员会开展 2 次 TC 例会，统筹技术规划与版本演进。

社区 6 个活跃 SIG 小组协同发力，78 名 SIG 成员深度参与贡献；

累计提交 issue 310 个，合入 PR 1102 个；

新增代码行数超 45.9 万行，SIG 专项会议累计召开 24 场。

社区大事件

1、智谱联合昇腾+昇思，开源首个自主创新算力底座训练的多模态SOTA模型

智谱正式发布图像生成模型GLM-Image，采用「自回归+扩散解码器」混合架构，是首个开源的工业级离散自回归图像生成模型，在文字渲染榜单CVTG-2K和LongText-Bench上达到开源SOTA水平。模型基于昇腾NPU和昇思MindSpore框架完成全流程训练，验证了自主创新算力底座也能训练出SOTA模型。昇思通过动态图多级流水下发、多流并行执行和高性能融合算子等优化，实现端到端训练性能提升。

2、国内首个全自主创新千亿参数细粒度MoE语义大模型开源

TeleChat3-105B-A4.7-Thinking是 TeleChat系列国内首个开源的全自主创新千亿参数细粒度MoE语义大模型，由中国电信人工智能研究院（TeleAI）研发训练，在问答、写作、数学、代码、Agent等多维度，特别在代码能力、复杂任务通用问答、细粒度MoE等方面效果显著。同时采用创新训练方式，加快模型训练初期收敛速度，增强训练稳定性。

3、浙江大学张强团队联手昇思MindSpore，成果登上Nature子刊

张强团队发布知识图谱驱动的SciToolAgent，这是一款面向多学科的通用AI智能体，能在生物、化学、材料等领域自动化调用和管理数百种科学工具。该成果基于昇思MindSpore与昇腾硬件协同创新，相关研究论文发表于《Nature Computational Science》期刊。

4、昇思MindSpore 2.8版本正式发布

1月29日，MindSpore 2.8版本正式发布，核心推出HyperParallel架构，通过HyperShard声明式并行、HyperOffload多级智能卸载和HyperMPMD非规则异构并行三大技术，将超节点视为超级计算机进行编程调度。

基础框架方面，增强动态图能力，支持Dispatch自动算子分发、saved_tensors_hook激活值管理和算子级注册机制，并开放自定义算子、PASS和后端能力。

推理能力上，与SGLang社区合作支持MindSpore后端，适配Radix Cache等特性，升级vLLM至0.11.0并接入ACLGraph图下沉功能。科学计算方面，支持蛋白质结构预测模型Protenix，通过重计算和算子优化实现高性能训练推理。

社区动态

1、昇腾社区课程发布 | MindSpore带你探索大模型

1月13日，昇腾社区发布了MindSpore大模型全流程应用课程，涵盖环境搭建、预训练、微调、推理部署与调优。课程提供免费云端实验环境，支持HuggingFace、vLLM等主流生态，深入MCore架构，传授断点续训、高可用、性能调优、模型蒸馏等企业级实战技能，完成后还可获官方认证。

2、春节来OpenI复现论文，享受多卡高性能算力！

2月14日至2月23日，OpenI启智社区将携手昇思MindSpore、头歌以及中国算力网、超算互联网、并行科技等算力伙伴，为高校师生和科研机构开发者开放一批高性能算力资源，支持大家安心复现论文、高效跑实验。

3、稀缺高性能算力限时开放，5大技术活动任你玩！ 昇思MindSpore联合OpenI启智社区等多家单位于2月14日至3月3日举办了“2026万码奔腾贺新春”活动。活动包含论文复现挑战、Skills炼金术、春节AI主题创作、工具链评测、年度技术复盘五大主题。本次活动旨在降低开发者技术门槛、推动国产软硬件生态创新，并进一步增强社区凝聚力。

社区案例

1、开源之夏系列活动

在人才培养与社区文化建设方面，昇思MindSpore同样成果显著。在由中科院软件所发起的“开源之夏”活动中，昇思社区发布的项目共吸引103位同学提交申报，经过4个月开发期，最终22位学子成功结项。

优秀成果涵盖量子计算、大模型推理优化、跨框架迁移、智能交通分析等多个前沿方向（以下为部分优秀案例，可点开链接了解详情）：

贾阔源：基于vLLM-MindSpore，探索Beam Search解码实战 陈思源：基于MindSpore Quantum，开启量子-经典混合计算实践 侯博森：基于昇思MindSpore的MVSNet跨框架迁移与实践 孙文杰：基于MindSpore Quantum的对称性规约与分岔分析算法 方泱泱：基于昇思MindSpore的YOLOv12智能交通分析实践 黄玉含：QuCOOP量子-经典混合优化框架实践 李振兴：基于RAG的MindSpore代码助手与智能问答系统实践

2、社区“昇思同路人”系列活动

与此同时，社区“昇思同路人”栏目持续记录着开发者的成长故事：

第十期 讲述肖雄子彦如何搭建“学创一体”桥梁，引领学子从技术“消费者”蜕变为生态“共建者”；

第十一期 讲述张威如何在校园里为昇思点燃一片“技术森林”，让技术实现“幂次方”增长；

第十二期 则聚焦马欣老师的教育深耕与匠心育人，阐述AI框架如何赋能教育。

3、昇思创新训练营系列活动

此外，昇思创新训练营优秀案例系列分享了开发者基于MindSpore微调大模型、构建智能旅游助手的全流程实践，项目代码已开源，欢迎开发者体验！

这些鲜活的案例共同勾勒出昇思MindSpore社区以技术育人为核、以同路人为荣的浓厚氛围。

技术分享

1 大模型训练：HyperParallel架构发布

本季度正式推出为超节点设计的HyperParallel架构，包含三大核心技术：

HyperShard声明式并行：用户只需声明输入、输出和参数的切分方式，框架自动完成分布式策略推导与资源调度，实现“编写即单卡，运行即分布式”的体验。

HyperOffload多级智能卸载：在编译期静态分析计算图，将长生命周期张量自动卸载至主机内存，降低峰值显存占用，支持更长序列训练。经测试，模型训练吞吐平均提升超过10%。

HyperMPMD非规则异构并行：应对模型结构不规则与硬件异构性挑战，实现灵活高效的资源调度。

2 大模型推理：SGLang后端集成与vLLM升级

与SGLang社区深度合作，正式合入MindSpore推理后端代码，该方案通过封装MindSpore模型复用SGLang原生组件，借助DLPack实现张量零拷贝转换，打通双框架协同，支持数据并行、PD分离、投机解码等特性。

升级适配vLLM v0.11.0，接入昇腾ACLGraph图下沉功能。实测DeepSeek-V3/R1 W4A8量化推理服务中，整网吞吐提升约5%，算子下发时延由30ms降至10ms。

通过DLPack实现MindSpore与PyTorch张量零拷贝转换，跨框架协同效率大幅提升。

3 基础框架演进：动态图增强与自定义能力开放

动态图能力增强：新增Dispatch自动算子分发、saved_tensors_hook激活值管理、算子级注册机制，提升多设备协同易用性与显存优化灵活性。

自定义能力全面开放：提供自定义算子（极简C++接口，自动享受内存复用与异步调度）、自定义PASS（开放图优化接口，支持算子融合等变换）、自定义后端（标准化接口快速适配新型硬件），从“封闭工具箱”向“开放创新平台”演进。

4 科学计算套件：蛋白质结构预测模型Protenix深度优化

支持AlphaFold3的高性能开源复现模型Protenix v0.5，在昇腾硬件上完成训推全流程适配。

训练方面：通过重计算优化，最大支持序列长度从64提升至768，动态显存峰值从20152MB降至7025MB。

推理方面：融合算子优化后单卡推理性能提升超100%；长序列推理通过分块计算将单卡推理长度极限提升至3000以上；端到端加速比达57%。

5 开发者工具与实战指南

数据流水线与混合精度优化：针对昇腾AI处理器，总结“三板斧”——数据流水线并行（num_parallel_workers）、自动混合精度（amp_level="O2"）、数据下沉（dataset_sink_mode=True），有效解决IO瓶颈，提升训练速度。

半自动并行工具Shard：深度解读shard接口的三阶段机制（策略锚定→BFS传播→冲突重排），帮助用户在自动并行与手动调优间取得平衡。

优化器架构：MindSpore优化器通过静态图编译与整图下沉将参数更新闭环在设备侧，支持融合算子、解耦权重衰减、ZeRO优化器并行等特性，实现从单卡到千亿级模型的极致性能。

自动并行实战：一键配置并行模式（数据并行/半自动/全自动），无需修改网络结构，让开发者聚焦模型创新。

开放麦：提供零基础AI艺术生成器教程，基于VAE构建完整代码，涵盖训练、保存、生成与可视化流程。

💡 更多技术解读，欢迎访问昇思社区官网：https://discuss.mindspore.cn/

感谢每一位朋友、开发者的支持

在此感谢社区伙伴们、可爱的小孢子们以及昇思MindSpore SIG组成员们，因为大家的共同努力及辛勤奉献，昇思MindSpore才能不断成长与发展！同时我们对可能出现的不完善之处向您表示诚挚的歉意，并衷心感谢您的理解与支持。

未来，昇思MindSpore AI框架将持续致力于打造人工智能创新之源，凝聚产业力量，扎根AI根技术，使能大模型与科学智能，成为AI创新的首选框架。