[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-home-live-entry-setting":3,"site-header-contests":8,"site-header-camps":49,"news-detail-news-46":104},{"enabled":4,"title":5,"statusText":5,"buttonText":5,"campSlug":5,"stage":6,"classroomId":7,"hasClassroom":4},false,"",0,null,{"total":9,"list":10,"pageNum":44,"pageSize":45,"size":9,"startRow":44,"endRow":9,"pages":44,"prePage":6,"nextPage":6,"isFirstPage":46,"isLastPage":46,"hasPreviousPage":4,"hasNextPage":4,"navigatePages":47,"navigatepageNums":48,"navigateFirstPage":44,"navigateLastPage":44},3,[11,25,35],{"slug":12,"title":13,"logo":7,"liveUrl":14,"prize":15,"sponsor":16,"description":17,"organizer":18,"startTime":19,"endTime":20,"registrationDeadline":21,"status":22,"dashboardVisibility":23,"createdAt":24},"spring2026","2026春季启元人工智能大赛","https:\u002F\u002Fwww.bilibili.com\u002Fblackboard\u002Flive\u002Flive-activity-player.html?cid=1822703816&quality=0","200,000","麒麟软件有限公司","“2026春季启元人工智能大赛”是由启元实验室主办的面向全国人工智能领域开发者、科研人员及高校学生的权威赛事。大赛旨在促进与培养具备工程实践能力和创新能力的优秀人工智能领域开发者、推广国产软硬件技术与生态、助力国家人工智能产业高质量发展。\n各参赛选手需在规定的比赛周期内，依据赛事规则选定赛题并完成相应挑战，优胜者将共同角逐总额20万元的赛事奖金池，并且还将有机会获得实习和知名企业优质岗位内推资格。","启元实验室","2026-04-19 16:00:00","2026-07-13 16:00:00","2026-06-16 16:00:00","ongoing","private","2026-04-16 08:00:00",{"slug":26,"title":27,"logo":7,"liveUrl":14,"prize":28,"sponsor":7,"description":29,"organizer":18,"startTime":30,"endTime":31,"registrationDeadline":32,"status":33,"dashboardVisibility":23,"createdAt":34},"autumn2025","2025秋季启元人工智能大赛","150,000","“2025秋季启元人工智能大赛”是由启元实验室主办的面向全国人工智能领域开发者、科研人员及高校学生的权威赛事。大赛旨在促进与培养具备工程实践能力和创新能力的优秀人工智能领域开发者、推广国产软硬件技术与生态、助力国家人工智能产业高质量发展。","2025-11-08 08:00:00","2026-01-13 08:00:00","2025-12-30 08:00:00","ended","2025-11-03 08:00:00",{"slug":36,"title":37,"logo":7,"liveUrl":14,"prize":38,"sponsor":7,"description":39,"organizer":18,"startTime":40,"endTime":41,"registrationDeadline":42,"status":33,"dashboardVisibility":23,"createdAt":43},"summer2025","启元人工智能大赛(系统方向)","80,000","启元人工智能大赛由启元实验室主办，其中系统赛道基于启元实验室九源软件栈的相关开源项目，通过拉动开源社区力量，一方面促进国产智能计算生态的发展，另一方面也为人工智能系统方向的学生及从业者提供一个实践平台。","2025-07-08 08:00:00","2025-08-25 08:00:00","2025-07-22 08:00:00","2025-06-22 08:00:00",1,5,true,8,[44],{"total":45,"list":50,"pageNum":44,"pageSize":45,"size":45,"startRow":44,"endRow":45,"pages":44,"prePage":6,"nextPage":6,"isFirstPage":46,"isLastPage":46,"hasPreviousPage":4,"hasNextPage":4,"navigatePages":47,"navigatepageNums":103,"navigateFirstPage":44,"navigateLastPage":44},[51,62,73,84,94],{"id":52,"slug":53,"title":54,"logo":55,"publicLiveEmbedUrl":14,"description":56,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":16,"startTime":58,"endTime":59,"status":22,"dashboardVisibility":60,"createdAt":58,"updatedAt":61},"019eeeff-6b00-7d55-a629-efafded3e232","summer2026","2026年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2026-06\u002F019eef7f-7816-7828-9309-79c2c61dd568.jpg?Expires=1792752855&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=GbpGeM4Gv6FxUV93bO4jw9AjS%2Fo%3D","由启元实验室发起的InfiniTensor大模型与人工智能系统训练营，面向开源社区、高校及产业界伙伴开放。活动以「普及AI全栈知识技术、培养工程实践与创新型人才、推广国产软硬件技术生态」为核心目标，助力国家人工智能产业高质量发展。","...","2026-06-22 08:00:00","2026-10-19 08:00:00","public","2026-10-12 08:00:00",{"id":63,"slug":64,"title":65,"logo":66,"publicLiveEmbedUrl":7,"description":67,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":68,"startTime":69,"endTime":70,"status":33,"dashboardVisibility":23,"createdAt":71,"updatedAt":72},"019af3f3-e06a-7245-aa8d-37dc99a69c73","winter2025","2025年冬季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2025-12\u002F019afc69-b7ca-7805-91fb-605429671c01.png?Expires=1792752855&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=IBLzba1yv7l%2FI%2FDEJxenhKTwpDA%3D","由启元实验室发起的InfiniTensor大模型与人工智能系统训练营，面向开源社区、高校及产业界伙伴开放。活动以「普及AI全栈知识技术、培养工程实践与创新型人才、推广国产软硬件技术生态」为核心目标，助力国家人工智能产业高质量发展。 \n","新华三技术有限公司","2025-12-25 08:00:00","2026-03-27 08:00:00","2025-12-06 08:00:00","2026-10-22 20:24:30",{"id":74,"slug":36,"title":75,"logo":76,"publicLiveEmbedUrl":7,"description":77,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":78,"startTime":79,"endTime":80,"status":81,"dashboardVisibility":23,"createdAt":82,"updatedAt":83},"01980342-208c-7803-b3f3-19e1d31960ba","2025年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fuploads\u002F2025-07\u002F0198045e-28fe-78f0-95fe-23835ce58395.jpg?Expires=1792752855&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=MwJHY98amJHTN%2Fr9X%2FtPAtXpqzA%3D","InfiniTensor大模型与人工智能系统训练营由启元实验室及清华大学 AI 系统方向团队发起，面向开源社区、高校和产业界，普及人工智能各方面知识和技术，培养相关人才。训练营联合开源项目开发者、学术界大牛、工业界资深工程师参与授课与项目指导。课程采用「线上直播授课 + 在线答疑 + 项目实践辅导 」的方式进行，确保每位同学都能获得充分成长。训练营全程免费，通过视频、直播课、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。","北京积算科技有限公司","2025-07-14 08:00:00","2025-09-30 08:00:00","upcoming","2025-07-13 08:00:00","2026-10-22 20:24:58",{"id":85,"slug":86,"title":87,"logo":88,"publicLiveEmbedUrl":7,"description":89,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":90,"endTime":91,"status":81,"dashboardVisibility":23,"createdAt":92,"updatedAt":93},"01980cf9-a7d8-7796-ae86-0bbe05334add","winter2024","2024年冬季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Ftesting-cdn.infinitensor.com\u002Fuploads\u002F2025-07\u002F01981269-ce23-7624-a287-9f07dd0d85f6.jpg","InfiniTensor大模型与人工智能系统训练营由清华大学发起，面向开源社区、高校和产业界，普及人工智能各方面知识和技术，培养相关人才。训练营全程免费，通过视频、直播课、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。报名学员请阅读“导学”课程页的训练营介绍。","2025-01-05 08:00:00","2025-03-22 08:00:00","2025-07-15 08:00:00","2026-10-22 20:24:39",{"id":95,"slug":96,"title":97,"logo":98,"publicLiveEmbedUrl":7,"description":99,"introduction":57,"organizer":18,"coOrganizer":5,"sponsor":5,"startTime":100,"endTime":101,"status":81,"dashboardVisibility":23,"createdAt":92,"updatedAt":102},"01980c20-363a-7dc3-8f5a-58a68e08dcc4","summer2024","2024年夏季InfiniTensor大模型与人工智能系统训练营","https:\u002F\u002Ftesting-cdn.infinitensor.com\u002Fuploads\u002F2025-07\u002F01981269-fbfa-788a-afcd-17fa9be74ff9.jpg","InfiniTensor大模型与人工智能系统训练营由清华大学发起，面向开源社区和高校，普及人工智能各方面知识和技术，培养相关人才。训练营全程免费，通过课程、习题和项目实践，在人工智能飞速发展的背景下，为学员提供一窥深层技术的机会。","2024-07-20 08:00:00","2024-09-29 08:00:00","2026-10-22 20:24:49",[44],{"newsDetail":105,"processedData":125},{"publishTime":106,"img":107,"keywords":108,"treeType":44,"showStatus":44,"updateTime":109,"type":44,"title":110,"content":111,"nextArticle":112,"createTime":109,"sortOrder":116,"canonicalPath":117,"id":118,"contentType":119,"prevArticle":120},"2026-06-02 08:00:00","https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002Fportal_news\u002Fnews_46_fm2.jpg?Expires=1792752855&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=N7teO2naC2M5vIvO9FmPG7xycxs%3D","InfiniCCL,异构 AI 集群,统一通信库,集合通信,icclrun,分布式训练","2026-10-22 20:38:11","InfiniCCL v0.1.0 发布：一个面向异构集群的统一通信库","![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002Fportal_news\u002Fnews_46_zw1.jpg?Expires=1792752855&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=iCAW%2Bvmu%2BVxKsfXjvl6BnL46%2BoA%3D)\r\n\r\n\r\n在今天的大模型系统中，\"通信\"已经成为无法绕开的核心问题。\r\n\r\n无论是训练还是推理，只要进入多卡、多节点场景，集合通信几乎都会成为系统吞吐、延迟与扩展能力的关键瓶颈。\r\n\r\n从 NVIDIA 生态中的 NCCL，到 MPI 系列实现，再到不同国产 AI 芯片厂商各自维护的通信组件——整个 AI 基础设施领域长期面临一个非常现实的问题：\r\n\r\n**不同硬件平台之间，缺乏统一的通信抽象。**\r\n\r\n开发者往往需要针对不同硬件、不同 SDK、不同通信后端分别适配。平台切换、后端切换、多节点部署，都会带来大量额外工程复杂度。\r\n\r\n而在异构算力越来越普遍的今天，这个问题正在变得更加突出。\r\n\r\n近日，InfiniTensor 团队正式发布 **InfiniCCL v0.1.0**，这也是该项目的**首个公开版本**。\r\n\r\n项目目标非常明确：\r\n\r\n>构建一个统一、跨平台、面向异构 AI 集群的集合通信库，为分布式深度学习与高性能计算场景提供统一通信接口。\r\n\r\n从定位上看，InfiniCCL 更像是一个\"统一通信抽象层\"。\r\n\r\n它并不打算替代某一个特定平台的通信实现，而是在更高层提供**统一 API、统一运行方式，以及统一的异构集群编排能力**，让开发者无需再针对不同硬件平台单独维护一套通信逻辑。\r\n\r\n### 一个\"类 NCCL\"的统一通信接口\r\nInfiniCCL 当前提供了一套类似 NCCL 的统一 C API。\r\n\r\n在现有生态中，开发者熟悉的 AllReduce、AllGather、ReduceScatter、Broadcast 等集合通信操作，本质上都已经形成了一套事实标准。\r\n\r\nInfiniCCL 并没有重新设计新的通信模型，而是选择**兼容现有开发习惯，在接口层保持统一**。\r\n\r\n这样做的好处非常直接：\r\n\r\n- ✅ 上层框架更容易迁移\r\n- ✅ 不同平台间共享通信逻辑\r\n- ✅ 新硬件接入成本显著下降\r\n\r\n在我们看来，这种\"统一抽象\"其实比单纯性能更重要，更好的易用性会大大降低大规模系统中的工程复杂度。\r\n\r\n### 平台与通信后端：自动检测\r\nInfiniCCL v0.1.0 中一个很有意思的设计，是**平台与后端自动检测能力**。\r\n\r\n传统通信库部署时，开发者通常需要显式指定平台、后端、节点，才能启用对应的支持。\r\n\r\n而 InfiniCCL 在构建与运行阶段，会**自动感知**：\r\n\r\n- 底层加速器类型\r\n- 可用通信后端\r\n- 当前运行环境\r\n\r\n项目会根据环境**自动启用对应平台支持**。对于使用者来说，不必再去关注每个异构环境的单独维护部署逻辑，系统管理复杂度大幅降低。\r\n\r\n### 智能集群编排：icclrun\r\n如果说统一 API 是 InfiniCCL 的基础，那么 **icclrun** 则是这个项目目前最有工程特色的部分之一。\r\n\r\n官方将其定义为：**Smart Cluster Orchestration Tool**。\r\n\r\n在我们发布的 Releases v0.1.0 中，icclrun 已经不仅仅是一个简单 launcher，它提供了：\r\n\r\n- 自动通过 SSH 编排多节点\r\n- 自动在远程节点构建目标程序\r\n- 自动部署运行环境\r\n- 在异构集群中完成统一启动\r\n\r\n以上特性来自于我们观察到：传统 MPI 或通信库部署中，需要去维护不同节点环境中路径、依赖、编译参数、后端SDK 等一致性问题。\r\n\r\n很多时候，真正复杂的不是通信本身，而是部署。icclrun 的设计思路，是在试图把\"通信库运行\"升级为：\"异构集群自动化部署框架\"。\r\n\r\n这也是为什么我们特别强调：\r\n\r\n**automated multi-node build and deployment**\r\n\r\n我们希望未来 AI 系统中的\"通信层\"，不再只是通信本身，而是通信、部署、编译、调度、环境管理的一体化基础设施。\r\n\r\n### v0.1.0 已支持哪些能力？\r\n虽然这是第一个公开版本，但 InfiniCCL 已经完成了相当完整的通信能力覆盖。\r\n\r\n当前版本已实现以下基本算子，已基于 MPI 后端实现完整通信流程：\r\n\r\n- ✅AllReduce\r\n- ✅AllGather\r\n- ✅ReduceScatter\r\n- ✅Broadcast\r\n- ✅AllToAll\r\n- ✅Send \u002F Recv\r\n\r\n在硬件平台方面，目前已经支持：\r\n\r\n- NVIDIA GPU\r\n- MetaX GPU\r\n- Cambricon MLU\r\n- Moore GPU\r\n- Iluvatar GPU\r\n- CPU Runtime\r\n\r\n在通信后端方面，目前支持：\r\n- OpenMPI\r\n- MPICH\r\n并通过统一 MPI abstraction layer 进行封装。\r\n\r\n### 自动化验证框架\r\n除了通信实现本身，这次 release 还引入了：`run_examples.py`\r\n\r\n该工具可以自动：\r\n- 批量执行示例程序\r\n- 控制 timeout\r\n- 记录日志\r\n- 顺序验证通信算子\r\n\r\n\r\n### 写在最后\r\nAI 基础设施正在进入一个新的阶段。\r\n\r\n过去几年，我们更多关注：模型规模、算力规模、单机性能。但今天，越来越多的问题开始转向——\"如何让异构系统真正协同工作\"。而通信层，恰恰是其中最核心的一层。\r\n\r\nInfiniCCL v0.1.0 也许只是一个开始，但它已经展现出了一个非常明确的方向：**构建统一异构通信基础设施**。\r\n\r\n我们认为在目前国产 AI 芯片生态快速发展的背景下，这类项目的意义会越来越重要。\r\n\r\n如果你对分布式系统、AI Infra 感兴趣，欢迎关注 InfiniTensor 与 InfiniCCL 项目，更多功能会在后续版本持续更新。\r\n\r\n也欢迎一起参与：\r\n\r\n🔹 新平台适配\r\n🔹 通信后端开发\r\n🔹 算子实现\r\n🔹 测试与验证\r\n🔹 文档建设\r\n🔹 CI 与工具链完善\r\n\r\n对于 AI 基础设施来说，真正重要的，从来不是某一个单独组件，而是整个生态是否能够逐渐形成统一、开放、可协作的底层能力。\r\n\r\n而 InfiniCCL，希望能够成为这个生态中的一块基础拼图。\r\n\r\n🔗 项目地址：\r\nhttps:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniCCL\r\n\r\n欢迎 Star、Issue、PR，也欢迎更多开发者一起参与建设。\r\n\r\n>点击文末 **「阅读原文」**，即可跳转至 InfiniCCL GitHub 项目主页，了解更多项目细节并参与共建。\r\n\r\n## 关注与交流\r\n![](https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002Fportal_news\u002Fnews_ewm02.jpg?Expires=1792752855&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=wfjuyNQm4CXh5TTZD3%2B%2B6uIfkIk%3D)",{"publishTime":106,"createTime":109,"canonicalPath":113,"id":114,"title":115},"\u002Fnews\u002Fnews-45","news-45","九源智能计算联合体与浙江理工大学科技与艺术学院达成深度合作意向，共建 AI 人才培养新生态",28,"\u002Fnews\u002Fnews-46","news-46","markdown",{"publishTime":121,"createTime":109,"canonicalPath":122,"id":123,"title":124},"2026-06-10 08:00:00","\u002Fnews\u002Fnews-47","news-47","九源大模型推理框架 InfiniLM 在国产异构 PD 分离场景取得阶段性进展",{"htmlContent":126,"headings":127},"\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002Fportal_news\u002Fnews_46_zw1.jpg?Expires=1792752855&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=iCAW%2Bvmu%2BVxKsfXjvl6BnL46%2BoA%3D\" alt=\"\">\u003C\u002Fp>\n\u003Cp>在今天的大模型系统中，"通信"已经成为无法绕开的核心问题。\u003C\u002Fp>\n\u003Cp>无论是训练还是推理，只要进入多卡、多节点场景，集合通信几乎都会成为系统吞吐、延迟与扩展能力的关键瓶颈。\u003C\u002Fp>\n\u003Cp>从 NVIDIA 生态中的 NCCL，到 MPI 系列实现，再到不同国产 AI 芯片厂商各自维护的通信组件——整个 AI 基础设施领域长期面临一个非常现实的问题：\u003C\u002Fp>\n\u003Cp>\u003Cstrong>不同硬件平台之间，缺乏统一的通信抽象。\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>开发者往往需要针对不同硬件、不同 SDK、不同通信后端分别适配。平台切换、后端切换、多节点部署，都会带来大量额外工程复杂度。\u003C\u002Fp>\n\u003Cp>而在异构算力越来越普遍的今天，这个问题正在变得更加突出。\u003C\u002Fp>\n\u003Cp>近日，InfiniTensor 团队正式发布 \u003Cstrong>InfiniCCL v0.1.0\u003C\u002Fstrong>，这也是该项目的\u003Cstrong>首个公开版本\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>项目目标非常明确：\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>构建一个统一、跨平台、面向异构 AI 集群的集合通信库，为分布式深度学习与高性能计算场景提供统一通信接口。\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Cp>从定位上看，InfiniCCL 更像是一个"统一通信抽象层"。\u003C\u002Fp>\n\u003Cp>它并不打算替代某一个特定平台的通信实现，而是在更高层提供\u003Cstrong>统一 API、统一运行方式，以及统一的异构集群编排能力\u003C\u002Fstrong>，让开发者无需再针对不同硬件平台单独维护一套通信逻辑。\u003C\u002Fp>\n\u003Ch3 id=\"一个-quot-类-nccl-quot-的统一通信接口\">\u003Ca class=\"anchor\" href=\"#一个-quot-类-nccl-quot-的统一通信接口\" aria-label=\"跳转到标题：一个"类 NCCL"的统一通信接口\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>一个"类 NCCL"的统一通信接口\u003C\u002Fh3>\u003Cp>InfiniCCL 当前提供了一套类似 NCCL 的统一 C API。\u003C\u002Fp>\n\u003Cp>在现有生态中，开发者熟悉的 AllReduce、AllGather、ReduceScatter、Broadcast 等集合通信操作，本质上都已经形成了一套事实标准。\u003C\u002Fp>\n\u003Cp>InfiniCCL 并没有重新设计新的通信模型，而是选择\u003Cstrong>兼容现有开发习惯，在接口层保持统一\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>这样做的好处非常直接：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>✅ 上层框架更容易迁移\u003C\u002Fli>\n\u003Cli>✅ 不同平台间共享通信逻辑\u003C\u002Fli>\n\u003Cli>✅ 新硬件接入成本显著下降\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>在我们看来，这种"统一抽象"其实比单纯性能更重要，更好的易用性会大大降低大规模系统中的工程复杂度。\u003C\u002Fp>\n\u003Ch3 id=\"平台与通信后端-自动检测\">\u003Ca class=\"anchor\" href=\"#平台与通信后端-自动检测\" aria-label=\"跳转到标题：平台与通信后端：自动检测\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>平台与通信后端：自动检测\u003C\u002Fh3>\u003Cp>InfiniCCL v0.1.0 中一个很有意思的设计，是\u003Cstrong>平台与后端自动检测能力\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>传统通信库部署时，开发者通常需要显式指定平台、后端、节点，才能启用对应的支持。\u003C\u002Fp>\n\u003Cp>而 InfiniCCL 在构建与运行阶段，会\u003Cstrong>自动感知\u003C\u002Fstrong>：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>底层加速器类型\u003C\u002Fli>\n\u003Cli>可用通信后端\u003C\u002Fli>\n\u003Cli>当前运行环境\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>项目会根据环境\u003Cstrong>自动启用对应平台支持\u003C\u002Fstrong>。对于使用者来说，不必再去关注每个异构环境的单独维护部署逻辑，系统管理复杂度大幅降低。\u003C\u002Fp>\n\u003Ch3 id=\"智能集群编排-icclrun\">\u003Ca class=\"anchor\" href=\"#智能集群编排-icclrun\" aria-label=\"跳转到标题：智能集群编排：icclrun\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>智能集群编排：icclrun\u003C\u002Fh3>\u003Cp>如果说统一 API 是 InfiniCCL 的基础，那么 \u003Cstrong>icclrun\u003C\u002Fstrong> 则是这个项目目前最有工程特色的部分之一。\u003C\u002Fp>\n\u003Cp>官方将其定义为：\u003Cstrong>Smart Cluster Orchestration Tool\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>在我们发布的 Releases v0.1.0 中，icclrun 已经不仅仅是一个简单 launcher，它提供了：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>自动通过 SSH 编排多节点\u003C\u002Fli>\n\u003Cli>自动在远程节点构建目标程序\u003C\u002Fli>\n\u003Cli>自动部署运行环境\u003C\u002Fli>\n\u003Cli>在异构集群中完成统一启动\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>以上特性来自于我们观察到：传统 MPI 或通信库部署中，需要去维护不同节点环境中路径、依赖、编译参数、后端SDK 等一致性问题。\u003C\u002Fp>\n\u003Cp>很多时候，真正复杂的不是通信本身，而是部署。icclrun 的设计思路，是在试图把"通信库运行"升级为："异构集群自动化部署框架"。\u003C\u002Fp>\n\u003Cp>这也是为什么我们特别强调：\u003C\u002Fp>\n\u003Cp>\u003Cstrong>automated multi-node build and deployment\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>我们希望未来 AI 系统中的"通信层"，不再只是通信本身，而是通信、部署、编译、调度、环境管理的一体化基础设施。\u003C\u002Fp>\n\u003Ch3 id=\"v0-1-0-已支持哪些能力\">\u003Ca class=\"anchor\" href=\"#v0-1-0-已支持哪些能力\" aria-label=\"跳转到标题：v0.1.0 已支持哪些能力？\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>v0.1.0 已支持哪些能力？\u003C\u002Fh3>\u003Cp>虽然这是第一个公开版本，但 InfiniCCL 已经完成了相当完整的通信能力覆盖。\u003C\u002Fp>\n\u003Cp>当前版本已实现以下基本算子，已基于 MPI 后端实现完整通信流程：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>✅AllReduce\u003C\u002Fli>\n\u003Cli>✅AllGather\u003C\u002Fli>\n\u003Cli>✅ReduceScatter\u003C\u002Fli>\n\u003Cli>✅Broadcast\u003C\u002Fli>\n\u003Cli>✅AllToAll\u003C\u002Fli>\n\u003Cli>✅Send \u002F Recv\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>在硬件平台方面，目前已经支持：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>NVIDIA GPU\u003C\u002Fli>\n\u003Cli>MetaX GPU\u003C\u002Fli>\n\u003Cli>Cambricon MLU\u003C\u002Fli>\n\u003Cli>Moore GPU\u003C\u002Fli>\n\u003Cli>Iluvatar GPU\u003C\u002Fli>\n\u003Cli>CPU Runtime\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>在通信后端方面，目前支持：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>OpenMPI\u003C\u002Fli>\n\u003Cli>MPICH\u003Cbr>并通过统一 MPI abstraction layer 进行封装。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"自动化验证框架\">\u003Ca class=\"anchor\" href=\"#自动化验证框架\" aria-label=\"跳转到标题：自动化验证框架\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>自动化验证框架\u003C\u002Fh3>\u003Cp>除了通信实现本身，这次 release 还引入了：\u003Ccode>run_examples.py\u003C\u002Fcode>\u003C\u002Fp>\n\u003Cp>该工具可以自动：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>批量执行示例程序\u003C\u002Fli>\n\u003Cli>控制 timeout\u003C\u002Fli>\n\u003Cli>记录日志\u003C\u002Fli>\n\u003Cli>顺序验证通信算子\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3 id=\"写在最后\">\u003Ca class=\"anchor\" href=\"#写在最后\" aria-label=\"跳转到标题：写在最后\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>写在最后\u003C\u002Fh3>\u003Cp>AI 基础设施正在进入一个新的阶段。\u003C\u002Fp>\n\u003Cp>过去几年，我们更多关注：模型规模、算力规模、单机性能。但今天，越来越多的问题开始转向——"如何让异构系统真正协同工作"。而通信层，恰恰是其中最核心的一层。\u003C\u002Fp>\n\u003Cp>InfiniCCL v0.1.0 也许只是一个开始，但它已经展现出了一个非常明确的方向：\u003Cstrong>构建统一异构通信基础设施\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>我们认为在目前国产 AI 芯片生态快速发展的背景下，这类项目的意义会越来越重要。\u003C\u002Fp>\n\u003Cp>如果你对分布式系统、AI Infra 感兴趣，欢迎关注 InfiniTensor 与 InfiniCCL 项目，更多功能会在后续版本持续更新。\u003C\u002Fp>\n\u003Cp>也欢迎一起参与：\u003C\u002Fp>\n\u003Cp>🔹 新平台适配\u003Cbr>🔹 通信后端开发\u003Cbr>🔹 算子实现\u003Cbr>🔹 测试与验证\u003Cbr>🔹 文档建设\u003Cbr>🔹 CI 与工具链完善\u003C\u002Fp>\n\u003Cp>对于 AI 基础设施来说，真正重要的，从来不是某一个单独组件，而是整个生态是否能够逐渐形成统一、开放、可协作的底层能力。\u003C\u002Fp>\n\u003Cp>而 InfiniCCL，希望能够成为这个生态中的一块基础拼图。\u003C\u002Fp>\n\u003Cp>🔗 项目地址：\u003Cbr>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniCCL\">https:\u002F\u002Fgithub.com\u002FInfiniTensor\u002FInfiniCCL\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>欢迎 Star、Issue、PR，也欢迎更多开发者一起参与建设。\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>点击文末 \u003Cstrong>「阅读原文」\u003C\u002Fstrong>，即可跳转至 InfiniCCL GitHub 项目主页，了解更多项目细节并参与共建。\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Ch2 id=\"关注与交流\">\u003Ca class=\"anchor\" href=\"#关注与交流\" aria-label=\"跳转到标题：关注与交流\">\u003Cspan class=\"octicon octicon-link\">\u003C\u002Fspan>\u003C\u002Fa>关注与交流\u003C\u002Fh2>\u003Cp>\u003Cimg src=\"https:\u002F\u002Foss.infinitensor.com\u002Fprod\u002Fimages\u002Fportal_news\u002Fnews_ewm02.jpg?Expires=1792752855&OSSAccessKeyId=LTAI5t9R6uzvTa69CT92cFvV&Signature=wfjuyNQm4CXh5TTZD3%2B%2B6uIfkIk%3D\" alt=\"\">\u003C\u002Fp>\n",[128,131,134,137,140,142,144],{"id":129,"text":130,"level":9},"一个-quot-类-nccl-quot-的统一通信接口","一个"类 NCCL"的统一通信接口",{"id":132,"text":133,"level":9},"平台与通信后端-自动检测","平台与通信后端：自动检测",{"id":135,"text":136,"level":9},"智能集群编排-icclrun","智能集群编排：icclrun",{"id":138,"text":139,"level":9},"v0-1-0-已支持哪些能力","v0.1.0 已支持哪些能力？",{"id":141,"text":141,"level":9},"自动化验证框架",{"id":143,"text":143,"level":9},"写在最后",{"id":145,"text":145,"level":146},"关注与交流",2]