校企协同育英才 | 北京理工大学 鲲鹏昇腾科教创新孵化中心特训营顺利举办

2026年10月24日至25日，为期两天的北京理工大学 鲲鹏昇腾科教创新孵化中心特训营在北京理工大学中关村校区8号教学楼举行。本次特训营由北京理工大学人工智能学院联合华为举办，汇聚来自北京理工大学、北京大学、北京航天自动控制研究所等院校与科研单位的学员、高校青年学子与科研院所技术骨干共同探索自主人工智能技术栈的落地路径。

开营仪式上，北京理工大学人工智能学院副院长张赞致辞并表示，本次特训营聚焦自主模型训练与部署，由华为专家讲授一线技术经验、开展实战化教学，是深化产教融合、科教融汇、推动自主创新人才培养的重要实践。他向全体学员提出三点希望：把昇腾软硬件平台的技术原理真正吃透，在原理层面建立对自主AI生态系统的认知；坚持问题导向解决真实科研工程问题，把课堂所学转化为解决实际问题的真本领；珍惜跨单位交流的机会，在合作中启发思路，为未来协同攻关埋下种子。学校将继续深化与华为合作，探索人工智能人才自主培养新模式，助力自主AI生态建设和关键核心技术攻关。

北京理工大学人工智能学院副院长 张赞致辞

课程由多位华为计算工程师讲授，覆盖从硬件使能层到上层推理部署的完整技术链路。

王子彬带来的CANN技术架构与Ascend C算子开发课程，介绍了CANN围绕毕昇编译器、运行时、算子加速库、集合通信库、图引擎等核心组件构建的开源开放能力体系，算子加速库已支持1400余个基础算子与100余个融合算子。课程重点讲解面向算子开发场景推出的Ascend C编程语言和昇腾AI处理器架构：多层接口抽象与自动并行计算提升开发效率，核间支持SPMD数据并行，核内以“搬入、计算、搬出”流水任务自动并行调度，并可通过孪生调试在CPU侧模拟NPU侧行为。

华为计算工程师 王子彬分享

在大模型训练环节，蔡云帆围绕MindSpeed大模型训练全流程展开分享。课程首先分享了大模型分布式训练的趋势与挑战：算法结构由稠密走向MoE，参数规模与序列长度持续增长、模态走向全模态，训练需求快速攀升，对AI Infra的框架与平台能力提出更高要求。围绕MindSpeed训练套件，课程系统介绍了并行优化、内存优化、通信优化与计算优化四大核心技术，覆盖大语言模型、多模态模型等主流训练场景，并给出从数据处理、模型适配到训练调优的全流程能力。基于MindSpeed强大的后训练能力，进一步讲解了昇腾亲和的verl强化学习全流程课程，梳理了PPO、GRPO等主流强化学习算法原理，并详解verl框架的混合编程模型——以控制流描述多模型角色之间的交互逻辑，以计算流封装单角色的前向反向与优化器更新。其中MindSpeed RL套件能力已原生合入verl框架，并支持插件化接入，极大地增强了框架的易用性，可与vLLM Ascend、SGLang等业界主流推理框架协同，全面支持业界典型模型的强化学习训练。

华为计算工程师 蔡云帆分享

在推理部署环节，萧剑楠、童啸龙带来的vLLM Ascend架构介绍与部署指导课程，拆解了vLLM以PagedAttention提升显存利用率、以Continuous Batching实现动态批处理的核心机制，并介绍vLLM Ascend如何通过插件机制实现“无代码修改”启动昇腾推理。模型适配案例以Gemma 3 12B与Step-Audio2-mini为例，演示了“直接尝试、问题驱动、性能提升”的适配方法论；同日的Profiling课程则带领学员基于torch_npu.profiler掌握性能数据分析方法。

华为计算工程师 萧剑楠分享

华为计算工程师 童啸龙分享

特训营次日全天转入实操。在萧剑楠的亲手指导下，学员在ModelArts平台上完成基于vLLM Ascend的推理部署与调优实验，完整跑通从环境准备、权重下载到服务启动与推理加速的端到端流程。刘昭源的小模型迁移与调优课程介绍了从PyTorch到ONNX再到OM的完整迁移路径与精度验证方法，学员现场完成ResNet50小模型ONNX转OM路线迁移实操体验。

华为计算工程师 萧剑楠现场指导实操环节

华为计算工程师 刘昭源现场指导实操环节

特训营尾声，“遇见成长——AI职业发展交流”专场举行，华为计算校招团队成员王兰就AI行业趋势与职业成长路径与学员展开深入对话。结合两天课程与实操中的真实体验，与学员交流了如何在快速演进的技术方向中找准学习重点、如何把工程实践转化为解决问题的能力，并结合昇腾岗位需求就技术学习与职业规划给出建议。

华为计算校招团队成员 王兰分享

未来，北京理工大学人工智能学院将持续深化与华为的产学研协同合作，持续探索人工智能人才培养创新模式，为我国人工智能产业高质量发展输送更多高素质创新型人才。

◆往期推荐◆

从跨域纳管到分离式推理：北京大学依托昇腾实现大模型推理吞吐提升近2倍