ما الذي أعلنت عنه هواوي؟

قدّمت هاي ليجوان، المعمارية في هواوي والمسؤولة عن AscendNPU IR، تصوراً لطبقة مترجم مفتوحة المصدر تربط لغات وأطر تطوير المشغّلات، مثل Triton وTileLang، بمعالجات Ascend. جاء ذلك خلال الصالون التقني التاسع من سلسلة Meet AI Compiler التي نظمتها HyperAI في منطقة تشونغقوانتسونغ ببكين في 1 أغسطس 2026. 37

AscendNPU IR ليس لغة برمجة جديدة للمستخدم النهائي، بل هو تمثيل وسيط مبني على MLIR، يعمل بوصفه أساساً مفتوحاً لمترجم BiSheng. وتتمثل فكرته العملية في فصل كتابة المشغّل عن التفاصيل المعقدة لتنفيذه: تقسيم البيانات إلى كتل، نقلها بين مستويات الذاكرة، تنسيق عمليات Cube وVector، إدراج نقاط التزامن، ثم توليد تعليمات الجهاز والملف الثنائي النهائي. 411

من Triton إلى تعليمات Ascend

يقدم AscendNPU IR مستويات متعددة من التجريد. ففي المستويات العليا يستطيع المطور وصف عمليات على المصفوفات والموترات من دون تحديد كل تعليمة أو عملية نقل بيانات. أما المستويات الدنيا فتمنح المطور تحكماً أدق في مواضع البيانات داخل الذاكرة المحلية وسلوك خطوط التنفيذ. 411

وتسمح هذه البنية بدخول الشيفرة من أكثر من مسار:

• لغات متخصصة مثل Triton وTileLang، التي يمكن تحويلها إلى AscendNPU IR.
• تمثيلات قادمة من الأطر البرمجية، مثل Torch IR.
• تمثيلات Linalg وHFusion وHIVM، مع اختلاف مستوى التجريد ودرجة التحكم في العتاد. 522

ويمكن تبسيط مسار الترجمة على النحو التالي:

Triton أو TileLang أو تمثيل قادم من إطار
                    ↓
          AscendNPU IR المبني على MLIR
                    ↓
             HFusion ثم HIVM
                    ↓
       تعليمات الجهاز وملف Ascend الثنائي

وتوضح وثائق المشروع أن الأداة bishengir-compile تحول ملف MLIR إلى كائن يعمل على الجهاز، ويمكن تسجيله وتشغيله عبر واجهات زمن التشغيل في CANN. 6

لماذا تُعدّ التجزئة إلى Tiles مهمة؟

الـTile هو كتلة قابلة للإدارة من البيانات والحسابات. وبدلاً من مطالبة كل لغة أو إطار أمامي بتحديد كل عملية تحميل وتخزين، وكل نقطة مزامنة، وكل قرار متعلق بمستوى الذاكرة، يوفر AscendNPU IR تمثيلاً مشتركاً يركز على هذه الكتل.

هذا التجريد متعدد الطبقات. فعلى المستوى الأعلى يمكن التعبير عن العمليات الدلالية للموترات، بينما يتولى المترجم لاحقاً تحديد أو استنتاج مواضع البيانات في الذاكرة العامة GM والذاكرة المحلية UB وL1 وL0، إلى جانب توزيع العمل على موارد Vector وCube ووحدات نقل البيانات. 522

والنتيجة هي حل وسط بين سهولة النقل والتحسين الدقيق: يمكن لـTriton أو لتمثيل صادر من إطار أن يستهدف البنية نفسها، في حين يستطيع الكود الحساس للأداء النزول إلى مستوى أكثر قرباً من العتاد عند الحاجة. وتصف وثائق المعمارية هذه المستويات بأنها تجريدات منفصلة تتدرج من تعليمات Ascend وموارد النواة الواحدة إلى الموارد بين الأنوية وموارد النظام على الشريحة. 11

كيف يتوزع العمل بين HFusion وHIVM؟

HFusion: دمج وجدولة على مستوى أعلى

يمثل HFusion الجانب الأقل ارتباطاً بتفاصيل العتاد في نموذج المترجم ذي الطبقتين. فهو يتعامل مع عمليات الموترات على مستوى أعلى، وينفذ تحويلات مثل دمج العمليات، وتحويل التمثيل إلى مخازن، وتقسيم البيانات إلى Tiles، والجدولة، قبل اتخاذ قرارات التعليمات الخاصة بالعتاد. 1122

بهذه الطريقة يمكن جمع عمليات متعددة في عملية أكبر، ثم تقسيم الحساب إلى كتل ملائمة لنموذج التنفيذ المستهدف، مع الحفاظ قدر الإمكان على المعنى العام للعملية قبل تحويلها إلى تمثيل خاص بمعالجات Ascend.

HIVM: النزول إلى تفاصيل العتاد

HIVM هو المستوى الواعي بالعتاد. إذ يحول تعبيرات الـTile إلى عمليات تعكس وحدات التنفيذ، وتسلسل الذاكرة، وسلوك خطوط المعالجة في Ascend. وتشمل مهامه:

• إسناد عمليات المصفوفات إلى أنوية Cube والعمليات المتجهية إلى أنوية Vector.
• استكمال الاتصال والمزامنة بين هذه الوحدات.
• إدارة مساحة العمل الوسيطة.
• ربط الموترات المنطقية بمواقع فعلية في الذاكرة المحلية.
• التعامل مع تخطيطات Cube، بما في ذلك تمثيلات المصفوفات المتجزئة Fractal.
• تطبيق التحويل إلى متجهات، والتحويل إلى موترات، والتوازي المرحلي، وتحويلات مستوى التعليمات. 214

ويتيح هذا التقسيم للمترجم التفكير على مسافتين مختلفتين من العتاد: يركز HFusion على بنية الموتر وفرص الدمج الواسعة، بينما يتعامل HIVM مع الموارد الدقيقة اللازمة لتنفيذ كل Tile.

ماذا يضيف Ascend 950؟

لا يتغير الفصل العام بين HFusion وHIVM، لكن طبقة HIVM مطالبة بدعم نماذج تنفيذ تتجاوز مسار SIMD القائم على الذاكرة في الأجيال السابقة. وتشير المواد الخاصة بـAscend 950 إلى دعم SIMD المعتمد على السجلات وSIMT، إلى جانب نموذج التنفيذ القائم سابقاً. 2

SIMD المعتمد على السجلات

في هذا النمط تُحمّل البيانات من الذاكرة المحلية إلى السجلات، وتُجرى الحسابات هناك، ثم تُعاد النتائج إلى الذاكرة. وعندما تسمح طبيعة الحساب، يمكن للدمج على مستوى السجلات إبقاء القيم الوسيطة في السجلات بين عمليات متتابعة، ما يقلل عمليات التحميل والتخزين المتكررة. 2

SIMT للأعمال الأقل انتظاماً

يوفر SIMT مساراً إضافياً للأجزاء التي تتضمن وصولاً غير منتظم إلى البيانات أو تفرعات في التنفيذ. ويقوم النهج الموصوف بفصل الأجزاء المناسبة لـSIMT عن الأجزاء الكثيفة الملائمة لـSIMD، ثم تطبيق التحويل المناسب لكل منها وإعادة دمج النتائج ضمن الحساب المتجهي الأوسع. 2

اتصال أقرب بين Cube وVector

في بعض مسارات A2 وA3 كانت عمليات الانتقال بين حسابات Cube وVector تمر عبر الذاكرة العامة. أما في Ascend 950، فيمكن للمسار الموصوف نقل نتائج Cube من L0C إلى ذاكرة Vector المحلية، وإعادة نتائج Vector إلى ذاكرة Cube، ما يقلل المسافة بين وحدتي التنفيذ. 2

ويفيد ذلك خصوصاً في المشغّلات التي تنفذ حسابات مصفوفية على Cube ثم تتبعها بعمليات متجهية. ومع ذلك، لا يزال على المترجم تحديد أماكن الموترات ومواضع النقل المطلوبة، ولا سيما عندما تظهر عمليات Cube وVector في فروع مختلفة من مسار التحكم.

تمريرات المترجم التي تجعل التصميم قابلاً للتنفيذ

توضح مجموعة من التمريرات المسماة كيف يحول AscendNPU IR التجريدات إلى قرارات فعلية بشأن الذاكرة والجدولة.

InsertCVLoadStore

يحلل InsertCVLoadStore الاتصال بين Cube وVector عبر مسارات تحكم معقدة، بدلاً من الاعتماد على مطابقة أنماط محلية وبسيطة لإدراج عمليات النقل. ويبدأ بوضع نقاط مرجعية لمواقع الذاكرة، مثل وجود مدخلات عمليات المصفوفات في L1 ومخرجاتها في L0C، ووجود بيانات العمليات المتجهية في UB. ثم ينشر هذه القيود عبر البرنامج ويضيف عمليات النسخ أو التحويل عندما تتعارض مجالات الذاكرة. 2

في A2 وA3 يمكن أن تعتمد بعض عمليات العبور على التحميل والتخزين عبر الذاكرة العامة، بينما يتيح Ascend 950 مسارات أقرب داخل الذاكرة المحلية حيثما كان ذلك مدعوماً. 2

MultiBuffer

تمثل MultiBuffer نسخاً متعددة من موتر موجود، ما يدعم التخزين التبادلي أو ما يعرف بـPing-Pong Buffering. ويمكن لهذا الأسلوب تداخل نقل البيانات مع الحساب، إذا سمحت ميزانية الذاكرة والجدولة بذلك. 1718

AutoBlockify وDynamicCVPipeline

يعدّ AutoBlockify وDynamicCVPipeline من التمريرات الخاصة بـAscend في مكدس مترجم Triton-Ascend. ويعكس اسماهما مهمتين أساسيتين: تقسيم الحساب إلى كتل قابلة للتنفيذ وبناء سلوك خط معالجة بين Cube وVector. 19

وتشمل مجموعة الخصائص الموثقة أيضاً التخطيط التلقائي للذاكرة، وإدراج المزامنة، والجدولة، وتحسينات الاتصال بين Cube وVector. 24

التقسيم CV 1:2

عرضت المواد علاقة ذات صلة بين نواة Cube ونواتي Vector في أحد إعدادات Ascend. ويمكن لـAutoSubTiling تقسيم عمل Vector بحيث تعالج نواتا Vector جزأين منفصلين بالتوازي. 214

ماذا يعني فتح المصدر للمطورين؟

فتحت هواوي مصدر AscendNPU IR بالتوازي مع Triton-Ascend بهدف التطوير المشترك مع المجتمع. وTriton-Ascend هو إطار ترجمة Triton مخصص لمنصة Ascend؛ فهو يحافظ على الصياغة الأساسية لـTriton، ويضيف دعماً للترجمة والنشر والتحسينات الخاصة بمنتجات Ascend A2 وA3 وسلسلة 950. 3037

ويمنح ذلك المطورين مساراً أكثر مباشرة للعمل على تمريرات المترجم، وربط الواجهات الأمامية، وتحويل المشغّلات، والتحسينات المرتبطة بالعتاد، من دون الحاجة إلى بناء مكدس ترجمة كامل من الصفر. كما يتضمن برنامج المجتمع، بحسب التقارير المتاحة، تدريبات مرتبطة بالمستودعات ومهاماً بمكافآت؛ إذ يستطيع المطور اختيار مهمة مدرجة والمطالبة بها ثم تسليم العمل وفق قواعد البرنامج. 31

أما المطورون الذين لا يملكون عتاد Ascend محلياً، فيمكنهم - وفق المعلومات المتاحة - استخدام بيئة HiDevLab السحابية التابعة لمجتمع Ascend، مع 100 ساعة حوسبة مجانية. لكن المصادر المتوفرة لا توضح جميع شروط الأهلية أو التحقق أو مدة الصلاحية أو التوافر الإقليمي، لذلك ينبغي مراجعة الشروط عند التسجيل. 31

الخلاصة

الفكرة الرئيسية وراء AscendNPU IR معمارية قبل أن تكون ميزة منفردة: توفير بوابة ترجمة مشتركة تجعل عتاد Ascend متاحاً من خلال لغات وأطر أمامية متعددة، مع الإبقاء على طريق للتحسين الدقيق المرتبط بالمعالج. تدخل Triton وTileLang وتمثيلات الأطر من مستويات أعلى، وينفذ HFusion التحويلات الأوسع، ثم ينزل HIVM بالـTiles إلى قرارات الذاكرة والأنوية والاتصال وخطوط التنفيذ المطلوبة على الجهاز. 511

ويرفع Ascend 950 سقف التحسين عبر SIMD المعتمد على السجلات وSIMT ومسارات Cube–Vector أقرب داخل الذاكرة المحلية. لكن تحسن الأداء الفعلي سيظل مرتبطاً بشكل المشغّل، وضغط الذاكرة، ومسار التحكم، ونضج المترجم، والشريحة المستهدفة. وتكمن قيمة فتح المصدر في جعل هذه المقايضات أوضح، ومنح مطوري المترجمات والمشغّلات فرصة مباشرة للمشاركة في تحسينها.

ما الذي أعلنت عنه هواوي؟

قدّمت هاي ليجوان، المعمارية في هواوي والمسؤولة عن AscendNPU IR، تصوراً لطبقة مترجم مفتوحة المصدر تربط لغات وأطر تطوير المشغّلات، مثل Triton وTileLang، بمعالجات Ascend. جاء ذلك خلال الصالون التقني التاسع من سلسلة Meet AI Compiler التي نظمتها HyperAI في منطقة تشونغقوانتسونغ ببكين في 1 أغسطس 2026. 37

AscendNPU IR ليس لغة برمجة جديدة للمستخدم النهائي، بل هو تمثيل وسيط مبني على MLIR، يعمل بوصفه أساساً مفتوحاً لمترجم BiSheng. وتتمثل فكرته العملية في فصل كتابة المشغّل عن التفاصيل المعقدة لتنفيذه: تقسيم البيانات إلى كتل، نقلها بين مستويات الذاكرة، تنسيق عمليات Cube وVector، إدراج نقاط التزامن، ثم توليد تعليمات الجهاز والملف الثنائي النهائي. 411

من Triton إلى تعليمات Ascend

يقدم AscendNPU IR مستويات متعددة من التجريد. ففي المستويات العليا يستطيع المطور وصف عمليات على المصفوفات والموترات من دون تحديد كل تعليمة أو عملية نقل بيانات. أما المستويات الدنيا فتمنح المطور تحكماً أدق في مواضع البيانات داخل الذاكرة المحلية وسلوك خطوط التنفيذ. 411

وتسمح هذه البنية بدخول الشيفرة من أكثر من مسار:

• لغات متخصصة مثل Triton وTileLang، التي يمكن تحويلها إلى AscendNPU IR.
• تمثيلات قادمة من الأطر البرمجية، مثل Torch IR.
• تمثيلات Linalg وHFusion وHIVM، مع اختلاف مستوى التجريد ودرجة التحكم في العتاد. 522

ويمكن تبسيط مسار الترجمة على النحو التالي:

Triton أو TileLang أو تمثيل قادم من إطار
                    ↓
          AscendNPU IR المبني على MLIR
                    ↓
             HFusion ثم HIVM
                    ↓
       تعليمات الجهاز وملف Ascend الثنائي

وتوضح وثائق المشروع أن الأداة bishengir-compile تحول ملف MLIR إلى كائن يعمل على الجهاز، ويمكن تسجيله وتشغيله عبر واجهات زمن التشغيل في CANN. 6

لماذا تُعدّ التجزئة إلى Tiles مهمة؟

الـTile هو كتلة قابلة للإدارة من البيانات والحسابات. وبدلاً من مطالبة كل لغة أو إطار أمامي بتحديد كل عملية تحميل وتخزين، وكل نقطة مزامنة، وكل قرار متعلق بمستوى الذاكرة، يوفر AscendNPU IR تمثيلاً مشتركاً يركز على هذه الكتل.

هذا التجريد متعدد الطبقات. فعلى المستوى الأعلى يمكن التعبير عن العمليات الدلالية للموترات، بينما يتولى المترجم لاحقاً تحديد أو استنتاج مواضع البيانات في الذاكرة العامة GM والذاكرة المحلية UB وL1 وL0، إلى جانب توزيع العمل على موارد Vector وCube ووحدات نقل البيانات. 522

والنتيجة هي حل وسط بين سهولة النقل والتحسين الدقيق: يمكن لـTriton أو لتمثيل صادر من إطار أن يستهدف البنية نفسها، في حين يستطيع الكود الحساس للأداء النزول إلى مستوى أكثر قرباً من العتاد عند الحاجة. وتصف وثائق المعمارية هذه المستويات بأنها تجريدات منفصلة تتدرج من تعليمات Ascend وموارد النواة الواحدة إلى الموارد بين الأنوية وموارد النظام على الشريحة. 11

كيف يتوزع العمل بين HFusion وHIVM؟

HFusion: دمج وجدولة على مستوى أعلى

يمثل HFusion الجانب الأقل ارتباطاً بتفاصيل العتاد في نموذج المترجم ذي الطبقتين. فهو يتعامل مع عمليات الموترات على مستوى أعلى، وينفذ تحويلات مثل دمج العمليات، وتحويل التمثيل إلى مخازن، وتقسيم البيانات إلى Tiles، والجدولة، قبل اتخاذ قرارات التعليمات الخاصة بالعتاد. 1122

بهذه الطريقة يمكن جمع عمليات متعددة في عملية أكبر، ثم تقسيم الحساب إلى كتل ملائمة لنموذج التنفيذ المستهدف، مع الحفاظ قدر الإمكان على المعنى العام للعملية قبل تحويلها إلى تمثيل خاص بمعالجات Ascend.

HIVM: النزول إلى تفاصيل العتاد

HIVM هو المستوى الواعي بالعتاد. إذ يحول تعبيرات الـTile إلى عمليات تعكس وحدات التنفيذ، وتسلسل الذاكرة، وسلوك خطوط المعالجة في Ascend. وتشمل مهامه:

• إسناد عمليات المصفوفات إلى أنوية Cube والعمليات المتجهية إلى أنوية Vector.
• استكمال الاتصال والمزامنة بين هذه الوحدات.
• إدارة مساحة العمل الوسيطة.
• ربط الموترات المنطقية بمواقع فعلية في الذاكرة المحلية.
• التعامل مع تخطيطات Cube، بما في ذلك تمثيلات المصفوفات المتجزئة Fractal.
• تطبيق التحويل إلى متجهات، والتحويل إلى موترات، والتوازي المرحلي، وتحويلات مستوى التعليمات. 214

ويتيح هذا التقسيم للمترجم التفكير على مسافتين مختلفتين من العتاد: يركز HFusion على بنية الموتر وفرص الدمج الواسعة، بينما يتعامل HIVM مع الموارد الدقيقة اللازمة لتنفيذ كل Tile.

ماذا يضيف Ascend 950؟

لا يتغير الفصل العام بين HFusion وHIVM، لكن طبقة HIVM مطالبة بدعم نماذج تنفيذ تتجاوز مسار SIMD القائم على الذاكرة في الأجيال السابقة. وتشير المواد الخاصة بـAscend 950 إلى دعم SIMD المعتمد على السجلات وSIMT، إلى جانب نموذج التنفيذ القائم سابقاً. 2

SIMD المعتمد على السجلات

في هذا النمط تُحمّل البيانات من الذاكرة المحلية إلى السجلات، وتُجرى الحسابات هناك، ثم تُعاد النتائج إلى الذاكرة. وعندما تسمح طبيعة الحساب، يمكن للدمج على مستوى السجلات إبقاء القيم الوسيطة في السجلات بين عمليات متتابعة، ما يقلل عمليات التحميل والتخزين المتكررة. 2

SIMT للأعمال الأقل انتظاماً

يوفر SIMT مساراً إضافياً للأجزاء التي تتضمن وصولاً غير منتظم إلى البيانات أو تفرعات في التنفيذ. ويقوم النهج الموصوف بفصل الأجزاء المناسبة لـSIMT عن الأجزاء الكثيفة الملائمة لـSIMD، ثم تطبيق التحويل المناسب لكل منها وإعادة دمج النتائج ضمن الحساب المتجهي الأوسع. 2

اتصال أقرب بين Cube وVector

في بعض مسارات A2 وA3 كانت عمليات الانتقال بين حسابات Cube وVector تمر عبر الذاكرة العامة. أما في Ascend 950، فيمكن للمسار الموصوف نقل نتائج Cube من L0C إلى ذاكرة Vector المحلية، وإعادة نتائج Vector إلى ذاكرة Cube، ما يقلل المسافة بين وحدتي التنفيذ. 2

ويفيد ذلك خصوصاً في المشغّلات التي تنفذ حسابات مصفوفية على Cube ثم تتبعها بعمليات متجهية. ومع ذلك، لا يزال على المترجم تحديد أماكن الموترات ومواضع النقل المطلوبة، ولا سيما عندما تظهر عمليات Cube وVector في فروع مختلفة من مسار التحكم.

تمريرات المترجم التي تجعل التصميم قابلاً للتنفيذ

توضح مجموعة من التمريرات المسماة كيف يحول AscendNPU IR التجريدات إلى قرارات فعلية بشأن الذاكرة والجدولة.

InsertCVLoadStore

يحلل InsertCVLoadStore الاتصال بين Cube وVector عبر مسارات تحكم معقدة، بدلاً من الاعتماد على مطابقة أنماط محلية وبسيطة لإدراج عمليات النقل. ويبدأ بوضع نقاط مرجعية لمواقع الذاكرة، مثل وجود مدخلات عمليات المصفوفات في L1 ومخرجاتها في L0C، ووجود بيانات العمليات المتجهية في UB. ثم ينشر هذه القيود عبر البرنامج ويضيف عمليات النسخ أو التحويل عندما تتعارض مجالات الذاكرة. 2

في A2 وA3 يمكن أن تعتمد بعض عمليات العبور على التحميل والتخزين عبر الذاكرة العامة، بينما يتيح Ascend 950 مسارات أقرب داخل الذاكرة المحلية حيثما كان ذلك مدعوماً. 2

MultiBuffer

تمثل MultiBuffer نسخاً متعددة من موتر موجود، ما يدعم التخزين التبادلي أو ما يعرف بـPing-Pong Buffering. ويمكن لهذا الأسلوب تداخل نقل البيانات مع الحساب، إذا سمحت ميزانية الذاكرة والجدولة بذلك. 1718

AutoBlockify وDynamicCVPipeline

يعدّ AutoBlockify وDynamicCVPipeline من التمريرات الخاصة بـAscend في مكدس مترجم Triton-Ascend. ويعكس اسماهما مهمتين أساسيتين: تقسيم الحساب إلى كتل قابلة للتنفيذ وبناء سلوك خط معالجة بين Cube وVector. 19

وتشمل مجموعة الخصائص الموثقة أيضاً التخطيط التلقائي للذاكرة، وإدراج المزامنة، والجدولة، وتحسينات الاتصال بين Cube وVector. 24

التقسيم CV 1:2

عرضت المواد علاقة ذات صلة بين نواة Cube ونواتي Vector في أحد إعدادات Ascend. ويمكن لـAutoSubTiling تقسيم عمل Vector بحيث تعالج نواتا Vector جزأين منفصلين بالتوازي. 214

ماذا يعني فتح المصدر للمطورين؟

فتحت هواوي مصدر AscendNPU IR بالتوازي مع Triton-Ascend بهدف التطوير المشترك مع المجتمع. وTriton-Ascend هو إطار ترجمة Triton مخصص لمنصة Ascend؛ فهو يحافظ على الصياغة الأساسية لـTriton، ويضيف دعماً للترجمة والنشر والتحسينات الخاصة بمنتجات Ascend A2 وA3 وسلسلة 950. 3037

ويمنح ذلك المطورين مساراً أكثر مباشرة للعمل على تمريرات المترجم، وربط الواجهات الأمامية، وتحويل المشغّلات، والتحسينات المرتبطة بالعتاد، من دون الحاجة إلى بناء مكدس ترجمة كامل من الصفر. كما يتضمن برنامج المجتمع، بحسب التقارير المتاحة، تدريبات مرتبطة بالمستودعات ومهاماً بمكافآت؛ إذ يستطيع المطور اختيار مهمة مدرجة والمطالبة بها ثم تسليم العمل وفق قواعد البرنامج. 31

أما المطورون الذين لا يملكون عتاد Ascend محلياً، فيمكنهم - وفق المعلومات المتاحة - استخدام بيئة HiDevLab السحابية التابعة لمجتمع Ascend، مع 100 ساعة حوسبة مجانية. لكن المصادر المتوفرة لا توضح جميع شروط الأهلية أو التحقق أو مدة الصلاحية أو التوافر الإقليمي، لذلك ينبغي مراجعة الشروط عند التسجيل. 31

الخلاصة

الفكرة الرئيسية وراء AscendNPU IR معمارية قبل أن تكون ميزة منفردة: توفير بوابة ترجمة مشتركة تجعل عتاد Ascend متاحاً من خلال لغات وأطر أمامية متعددة، مع الإبقاء على طريق للتحسين الدقيق المرتبط بالمعالج. تدخل Triton وTileLang وتمثيلات الأطر من مستويات أعلى، وينفذ HFusion التحويلات الأوسع، ثم ينزل HIVM بالـTiles إلى قرارات الذاكرة والأنوية والاتصال وخطوط التنفيذ المطلوبة على الجهاز. 511

ويرفع Ascend 950 سقف التحسين عبر SIMD المعتمد على السجلات وSIMT ومسارات Cube–Vector أقرب داخل الذاكرة المحلية. لكن تحسن الأداء الفعلي سيظل مرتبطاً بشكل المشغّل، وضغط الذاكرة، ومسار التحكم، ونضج المترجم، والشريحة المستهدفة. وتكمن قيمة فتح المصدر في جعل هذه المقايضات أوضح، ومنح مطوري المترجمات والمشغّلات فرصة مباشرة للمشاركة في تحسينها.