JawabanDipublikasikan19 sumber
Huawei Perluas Dukungan Praktis untuk Pengembang CANN
Dalam acara GOSIM Shenzhen pada 16 Oktober 2026, Lixin Shao dari Huawei menjelaskan CANN sebagai lapisan komputasi heterogen yang menghubungkan framework AI dengan prosesor Ascend.[2][20] CANNLab menyediakan lingkungan cloud untuk mengembangkan operator Ascend C dan PyPTO, memvalidasi penerapan model, serta menyetel...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Dalam acara GOSIM Shenzhen pada 16 Oktober 2026, Lixin Shao dari Huawei menjelaskan CANN sebagai lapisan komputasi heterogen yang menghubungkan framework AI dengan prosesor Ascend.[2][20]
- CANNLab menyediakan lingkungan cloud untuk mengembangkan operator Ascend C dan PyPTO, memvalidasi penerapan model, serta menyetel performa.
- CANN Samples memuat contoh implementasi operator dan optimasi, sementara CANNBot digambarkan komunitas sebagai asisten pengembangan otomatis berbasis banyak agen.[19][27]
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Huawei’s CANN business general manager Lixin Shao describe the practical developer base for its open Ascend CANN stack at GOSIM Shen. Article summary: Shao presented CANN’s developer ecosystem as a practical bridge from AI coursework to real engineering work: open technical assets, online compute and development tools intended to help students, researchers and develope. Topic tags: general, general web, user generated, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
Di GOSIM Shenzhen pada 16 Oktober 2026, Lixin Shao, general manager bisnis CANN Huawei, menggambarkan ekosistem yang dirancang untuk membawa pengembang dari mempelajari Ascend ke praktik rekayasa nyata. Pendekatannya memadukan sumber teknis terbuka dengan lingkungan pengembangan cloud, tutorial, dan proyek komunitas. Paparan ini berfokus pada dukungan praktis bagi pengembang—bukan bukti bahwa seluruh komponen CANN sudah dirilis sebagai perangkat lunak open source.2
20
43
Posisi CANN dalam ekosistem Ascend
CANN adalah arsitektur komputasi heterogen Huawei yang berada di antara framework AI dan prosesor Ascend. CANN menyediakan kemampuan dasar untuk pekerjaan seperti pengembangan operator, pelatihan model, dan inferensi—proses menjalankan model untuk menghasilkan prediksi atau keluaran.2
20
Posisi tersebut menjelaskan mengapa dukungan pengembangan penting: mengakses kode saja belum cukup. Pengembang juga perlu lingkungan untuk membangun, menguji, dan menyetel perangkat lunak agar bekerja dengan perangkat keras.
Belajar sambil mencoba di cloud
Menurut laporan mengenai paparan Shao, CANNLab menyediakan lingkungan cloud untuk mengembangkan operator Ascend C dan PyPTO, memvalidasi penerapan model, serta menyetel performa.2
20 NPU, atau unit pemrosesan saraf, adalah perangkat keras yang digunakan untuk mempercepat komputasi AI.
Repositori CANN Learning Hub mengarahkan pengguna ke CANNLab untuk menjalankan tutorial. Panduannya menyebut lingkungan cloud NPU dimulai dengan 100 jam akses; waktu tambahan bisa diperoleh menggunakan poin. Jadi, fasilitas ini menjadi pintu masuk untuk praktik langsung, tetapi bukan berarti komputasi cloud gratis tanpa batas.18
28
Learning Hub juga menyusun tutorial dan materi belajar untuk berbagai tingkat. Proyek CANN-Samples yang terkait menyediakan implementasi operator, penjelasan optimasi, serta contoh untuk kompilasi, menjalankan program, dan memeriksa akurasi.18
19
28
Alat bantu dan kontribusi komunitas
Dalam repositori komunitas CANN, CANNBot diperkenalkan sebagai asisten otomatis berbasis banyak agen yang dapat membuat kode, membantu menelusuri masalah, memperbaiki kendala, dan menyetel performa.27 Contoh dari komunitas juga memperlihatkan alur kerja yang mencakup analisis operator, pembuatan kode, verifikasi akurasi, dan optimasi performa.
49
Paparan Shao menekankan hubungan antara pembelajaran dan tugas rekayasa nyata, sekaligus mendorong keterlibatan mahasiswa, peneliti, dan pengembang.2
20 Laporan tersebut juga menyebut tata kelola komunitas yang melibatkan komite pengarah teknis, komite pengelolaan proyek, dan kelompok minat khusus.
2
20
Bedanya dengan rencana open source Huawei pada 2025
Pada 2025, Huawei mengumumkan inisiatif open source dan akses terbuka untuk CANN. Pernyataan perusahaan menyebut pembukaan CANN bagi ekosistem Ascend; dalam pidato terpisah, Huawei juga menjabarkan rencana membuka antarmuka compiler dan set instruksi virtual, serta merilis perangkat lunak lain sebagai open source sesuai jadwal yang dinyatakan.43
47
Sementara itu, paparan di GOSIM Shenzhen menyoroti lapisan praktis di sekitar upaya tersebut: lingkungan pengembangan, alat bantu, materi belajar, dan partisipasi komunitas.2
20 Keberadaan layanan ekosistem itu sendiri tidak membuktikan bahwa setiap komponen CANN telah dirilis dengan lisensi open source. Komitmen untuk membuka kode dan jalur pengembangan yang bisa digunakan memang berkaitan, tetapi keduanya bukan klaim yang sama.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Huawei Perluas Dukungan Praktis untuk Pengembang CANN"?
Dalam acara GOSIM Shenzhen pada 16 Oktober 2026, Lixin Shao dari Huawei menjelaskan CANN sebagai lapisan komputasi heterogen yang menghubungkan framework AI dengan prosesor Ascend.[2][20]
Apa poin penting yang harus divalidasi terlebih dahulu?
Dalam acara GOSIM Shenzhen pada 16 Oktober 2026, Lixin Shao dari Huawei menjelaskan CANN sebagai lapisan komputasi heterogen yang menghubungkan framework AI dengan prosesor Ascend.[2][20] CANNLab menyediakan lingkungan cloud untuk mengembangkan operator Ascend C dan PyPTO, memvalidasi penerapan model, serta menyetel performa.
Apa yang harus saya lakukan selanjutnya dalam latihan?
CANN Samples memuat contoh implementasi operator dan optimasi, sementara CANNBot digambarkan komunitas sebagai asisten pengembangan otomatis berbasis banyak agen.[19][27]