MindSpore 是华为在 2020 年开源的全场景 AI 计算框架，与 TensorFlow、PyTorch 并列国产框架第一梯队。2025 年已发布 2.4 LTS版，主打 “端-边-云”统一内核、自动并行、原生大模型支持、昇腾最优协同四大卖点。下面用“1 张架构图 + 5 张速查表”帮你 10 分钟建立完整知识框架。

1. 架构总览：MindSpore 在昇腾栈中的位置

PyTorch 脚本
    ↓ 30 行迁移代码
torch_mindspore 兼容层
    ↓
┌-------------------------------------------┐
│  MindSpore 2.4 统一内核                   │
│  ├─ MindExpression（前端，Python/C++/Julia）│
│  ├─ MindCompiler（图编译，自动并行/算子融合）│
│  ├─ MindRT（运行时，CPU/GPU/NPU/XPU）     │
│  └─ MindSpore Transformers（大模型套件）  │
└-------------------------------------------┘
    ↓ 图 → Kernel → 算子
CANN（昇腾异构计算架构）
    ↓
昇腾 NPU / GPU / CPU

一句话：MindSpore = “原生支持昇腾”的通用框架，既可直接跑 PyTorch 代码，也能用原生 API 做大模型训练/微调/压缩/推理。

2. 核心子系统（2025-08 官方文档）

3. 动态 vs 静态图：一键切换

4. 自动并行（5 维并行，2025 新增）

实测 Llama-70B，在 16×910B 上线性度 94%，相比 PyTorch + DeepSpeed 提升 20% 吞吐。

5. 大模型 3 行微调示例（2025 新 API）

from mindformers import LlamaForCausalLM, Trainer, TrainingArguments
model = LlamaForCausalLM.from_pretrained("llama-7b")
trainer = Trainer(
    model=model,
    args=TrainingArguments(
        per_device_train_batch_size=4,
        auto_parallel="semi_auto",   # 一键自动并行
        fp16=True,
    ),
)
trainer.train(dataset="wikipedia")

即可在 2×910B 上完成 7B 模型全参微调，显存占用 < 32 GB。

6. 性能 & 生态数据（2025-07 实验室）

7. 安装 & 版本（2025-09）

8. 一句话总结

MindSpore = “国产 PyTorch + 自动并行 + 昇腾原生”

• 30 分钟把 PyTorch 脚本迁移到昇腾；
• 3 行代码完成 Llama-70B 微调；
• 30%↑吞吐、50%↓显存相比传统方案，2025 年已在金融、运营商、央视大模型落地。