国产算力接入全流程 SOP

把「将一款国产 GPU/NPU 接入 CubeStudio」拆成 8 步可照做的流程，附命令级操作与平台侧配置位置。通用流程与各厂商子篇见 国产GPU与ARM64适配总览。

一、为什么流程统一

CubeStudio 站在 Kubernetes 之上：各厂商 device-plugin 把算力卡注册成 K8s 扩展资源（如 nvidia.com/gpu、huawei.com/Ascend910、hygon.com/dcu），平台只需在 GPU_RESOURCE 登记资源名，即可把卡纳入统一算力池（项目组配额、计量计费、监控告警、多资源组全部生效）。因此接入一款新卡 = 打通「厂商侧三件套（驱动/运行时/插件）」+「平台侧一行资源名配置」。

以昇腾为例，厂商侧一套完整组件（install/kubernetes/ascend/readme.md）：

二、8 步通用接入流程

1. 算力卡驱动：按厂商要求在每台算力节点安装驱动；昇腾装驱动加 --install-for-all 并装 CANN，npu-smi info 验证；海光装 rock 驱动后 lsmod | grep hydcu 确认模块加载。
2. 容器运行时：使卡可被 docker 与 containerd 调用。昇腾 Ascend Docker Runtime：

   ./Ascend-docker-runtime_6.0.0_linux-aarch64.run --install          # docker
   ./Ascend-docker-runtime_6.0.0_linux-aarch64.run --install --install-scene=containerd \
     --config-file-path /etc/containerd/config.toml                    # containerd
   stat -fc %T /sys/fs/cgroup/    # 确认 cgroup 版本并按文档调整
   

   容器验卡：docker run -it --rm -e ASCEND_VISIBLE_DEVICES=0 <镜像> /bin/bash 后 npu-smi info 应只见 1 卡。
3. K8s device-plugin：kubectl apply -f device-plugin-910-v6.0.0.yaml（改镜像名、nodeSelector: gpu-type: NPU910、拉取策略 IfNotPresent）。成功标志：kubectl describe node 的 Allocatable 出现 huawei.com/Ascend910: 8。
4. 资源占用约定：明确①资源名；②禁止 Pod 占卡的环境变量（混用机器必需）；③指定「第 n 张卡」的可见设备环境变量（昇腾 ASCEND_VISIBLE_DEVICES、海光 HIP_VISIBLE_DEVICES、NVIDIA NVIDIA_VISIBLE_DEVICES）。
5. 监控组件：部署厂商 exporter 接入 Prometheus，配置对应 Grafana 看板。详见 国产算力监控与统一纳管。
6. 平台配置：在 install/docker/config.py 的 GPU_RESOURCE（:1193）加入该卡 K8s 资源名；按需设置 DEFAULT_GPU_RESOURCE_NAME（:1210，默认 nvidia.com/gpu）。
7. 环境镜像：按厂商开发环境镜像（昇腾从 AscendHub 获取），配置为 notebook（NOTEBOOK_IMAGES）与 pipeline 运行镜像。
8. 框架包：按厂商 TF/PyTorch/MindSpore 安装方法，在业务代码中安装并跑通最小示例。

GPU_RESOURCE 内置映射（14 项）

命名约定：GPU_RESOURCE 的 key 必须小写，主机 gpu-type 节点标签必须大写（如 NPU910）。平台按 gpu-type 标签调度到对应机型节点。

三、任务侧申请写法

统一用「数量(资源简称)」，括号内为 GPU_RESOURCE 的 key：整卡 1(gpu) / 1(npu910) / 1(dcu) / 2(mlu370)；虚拟化 1(vdcu)（另配显存/算力）、按 vnpu 占用、NVIDIA 小数卡 0.5。

四、禁用卡 / 指定卡（混用机器）

对 CPU+GPU 混用机器，不申请卡的容器需注入厂商「屏蔽」环境变量，避免偷占卡。平台内置 GPU_NONE（install/docker/config.py:1215）：

GPU_NONE = {
    "gpu":    ['NVIDIA_VISIBLE_DEVICES', 'none'],
    "dcu":    ['HIP_VISIBLE_DEVICES', '-1'],
    "npu":    ['ASCEND_VISIBLE_DEVICES', 'void'],
    "npu910": ['ASCEND_VISIBLE_DEVICES', 'void'],
}

接入新卡时按同样思路补入其可见设备环境变量；指定「第 n 张卡」同样用这组变量实现。

五、昇腾落地实例

1. 驱动 + CANN（--install-for-all，npu-smi info 验证）；2. 安装 Ascend Docker Runtime，docker info 确认默认运行态为 ascend；3. 将 docker NPU device 适配云原生使 K8s 可识别；4. 明确 NPU 资源占用方式并设机器卡型 gpu-type: NPU910；5. 部署 npu-exporter 与监控看板；6. GPU_RESOURCE 加 huawei.com/Ascend910（key npu910）；7. 构建 NPU 开发/调试镜像；8. 构建昇腾 MindIE 推理镜像并在 K8s 提供 API。

昇腾 910 的 device-plugin 无共享占用模式，单卡共享需挂载 /usr/local/Ascend/driver/ 与 npu-smi 到容器，或用静态 vNPU。昇腾另提供 Ascend Operator、HCCL Controller、故障重调度、临终 CheckPoint（MindIO ACP/TTP）等进阶能力。详见 华为昇腾 NPU 子目录。