大模型与智能体浪潮席卷全球，AI 算力需求呈爆发式增长，异构硬件百花齐放已成行业现实。但繁荣背后，一套现实难题始终制约产业向前：不同算力硬件与主流 AI 开发框架之间存在适配割裂，开发者在不同硬件平台迁移模型时，往往要面对大量改造调试工作，迁移成本居高不下。

PyTorch 作为全球应用最广泛的 AI 开发框架之一，已然成为全球 AI 开发者事实上的协作语言。中国算力如何真正深度融入上游开源社区，打破软硬件适配壁垒、降低开发者使用门槛，加速 AI 产业落地，已经成为整个产业高度关注的问题。

在近期举办的华为全联接大会 2026 上，昇腾联合 PyTorch 共建的 Ascend for PyTorch 社区公布最新进展，系列亮眼成绩为行业展示了一条中国算力如何深度对接国际主流开源社区、开放共建 AI 产业生态新时代的参考路径。

从 " 走出去 " 到 " 引进来 "，开源社区建设范式进阶

很长一段时间，国内厂商参与全球开源生态的主流模式是 " 走出去 "，也就是向海外上游社区提交代码、贡献补丁，完成硬件的适配兼容。这种模式下，需求定义权依然掌握在海外社区手中，很难充分释放本土硬件的架构特性，也难以匹配国内庞大开发者群体的实际诉求。

昇腾与 PyTorch 的合作，则探索出一种 " 引进来 " 联合共建的新范式。2026 年 5 月，昇腾联合 PyTorch 社区共同成立 Ascend for PyTorch 社区，不再是单向适配，而是把社区协作机制落地本土，联合全球开发者共同迭代面向昇腾硬件的 PyTorch 能力底座。

短短数月发展，该社区已交出一份可观的成绩单，成为国内发展速度最快的 AI 社区之一，见证了中国 AI 开发者活力在开源领域的一次集中释放。

技术层面，Ascend for PyTorch 已实现 4000 多 API 与 PyTorch 上游社区高度对齐，覆盖计算机视觉、大语言模型、多模态等 5 大 AI 场景、37+ 生态库及 100+ 大模型；通过 Compile 入图与算子自动生成技术，支持 70+ 模型图模式编译加速；实现分布式张量统一表达与多维混合并行，社区 Dtensor 特性 100% 支持，100+ 主流大模型支持 FSDP2 开箱即用。

运营层面，社区已汇聚 1000 多名核心开发者，外部开发者 PR 贡献占比超过 50%，同时发布了 20 多套 PyTorch 课程、30 多个开源项目、2000 多项社区任务，为开发者搭建起从入门学习到参与贡献的完整成长链路。

从单向贡献到深度共建，开放 AI 生态迈入新时代

深度共建开源社区的范式进阶并非一日之功，而是源于中国 IT 产业力量长期持续向国际开源社区投入与贡献。仅以昇腾为例，资料显示在八年的开源实践中，昇腾累计向 PyTorch 社区贡献了超过 20 万行核心代码，参与重构了社区约 100 万个测试用例。

量变引发质变，随着中国 AI 开发在全球 AI 生态中的分量越来越重，拐点不期而至。今年 7 月 28 日，在 Linux 基金会的支持下，昇腾正式登上 PyTorch 官方网站，成为首个获得 PyTorch 官方支持的中国算力平台。这是中国算力在全球开源框架生态中具有标志性意义的一步，意味着全球开发者无需再靠传统的第三方插件二次适配，一行命令就可以获得真正意义上的硬件原生支持。

与此同时，昇腾已正式接入 PyTorch 社区 CI/CD 体系，2000 多张昇腾算力卡接入 CI 流水线，实现全天候的自动化质量看护。自此，每逢 PyTorch 上游更新，昇腾硬件会自动完成全量用例验证，从源头规避版本迭代带来的兼容性问题，降低全球开发者的调试成本，实现真正意义上的软硬协同创新。

这种深度共建的热度，还体现在国内外 AI 生态之间的高频互动。近年来，国际主流开源基金会持续加码中国市场，推动中国 AI 生态与全球开源 AI 生态接轨。

今年华为全联接大会现场，Linux 基金会 CEO Jim Zemlin 现身发表主旨演讲，肯定华为持续贡献上游社区，强调开源是一场非零和博弈，封闭生态难以应对智能时代的挑战；同期 Linux 基金会中国区总监、PyTorch 基金会亚洲区总监李昊阳出席昇腾开源社区分论坛并接受专访，肯定昇腾对 PyTorch 全球社区做出的实际贡献。

而就在 9 月初，PyTorch 旗舰大会—— PyTorch Conference China 2026 首次落地中国，昇腾也重磅亮相，通过主旨演讲、分论坛议题、线下展览、CodeLab 实操体验等形式，面向全球开发者展示昇腾硬件与软件栈能力，加快融入全球开源 AI 生态。

种种迹象折射出，中国 AI 力量已经成为全球 AI 生态当中不可或缺的组成部分，全球开源 AI 生态正在迈入多方深度共建的全新时代。

从适配对齐到创新引领，深度开放反哺上游生态

尤其值得注意的是，这一轮中外 AI 的开源深度共建并没有停留在简单的适配对齐层面，而是技术创新层面的深度开放，反哺上游生态并向全球计算新需求输出中国先进方案。

在与 PyTorch 的合作中，昇腾便坚持开源开放，采用架构解耦、组件化的技术思路，将自研 AI 框架昇思 MindSpore 经过大规模生产验证的技术能力开放出来，反哺 PyTorch 开源生态，共同定义 Agentic 时代需求。

具体而言，昇思 MindSpore 底层通过昇腾亲和融合、图编译优化与 DVM 无图融合等技术打造 AKG 图算融合组件；上层全面兼容 PyTorch 前端，支持 MindSpore Core 与 PyTorch Core 双核心运行；同时还打造出科学计算组件 MindSpore Science，以及面向超节点的分布式并行组件 HyperParallel，将自研能力以组件化方式供给 PyTorch 生态。

特别是其中的 HyperParallel，堪称中国方案反哺国际社区的典范。随着大模型迈向十万亿参数、全模态与 Agent 化，训推共存、Agentic RL 等新范式持续挑战超节点分布式训练。在 PyTorch Conference China 2026 现场，Linux 基金会云与基础设施执行董事 Jonathan Bryce 亲自完成 Live Demo 演示，结果在相同软硬件配置条件下，用 HyperParallel 训练 Qwen3-30B-A3B 模型比原生 PyTorch 方案实现了超 200% 的吞吐量提升。

在实际开发场景中，HyperParallel 可与 LlamaFactory、Megatron、Hugging Face 等 PyTorch 覆盖的主流生态库无缝协同，做到开箱即用。开发者不用大幅修改业务代码，就可以享受到面向超节点优化的分布式训练能力，实现硬件性能与开发者易用性的平衡。而面向未来，HyperParallel 将持续把经过大规模生产验证的创新技术贡献给 PyTorch 等开源社区，与全球开发者共同推动分布式训练技术演进。

结语

恰如 Jim Zemlin 在 2026 华为全联接大会演讲时指出，开源 AI 应用已经深入赋能现代计算基础设施的各个层级，企业想要在下一代计算领域占据领先地位，必须从被动使用开源转向主动参与上游建设。昇腾与 PyTorch 的深度共建，展现了开源开放共拓全球 AI 生态新时代的最佳实践，也交出了一份中国算力融入全球 AI 开源生态的行动指南。