据动察 Beating 监测，在大规模 MoE 架构演进中，利用国产昇腾 (Ascend) 芯片训练大模型已成为构建自主可控 AI 算力的关键方向。然而，主流大模型框架多基于英伟达 CUDA 生态开发，直接移植至昇腾平台时易面临硬件队列调度不均、算力利用率低等挑战。中科大、华为与北大等联合推出编译调度框架 HyperParallel-MoE，针对昇腾 A3 独特的硬件队列进行瓦片级 (tile-level) 调控，旨在突破异构算力在并行调度上的能效瓶颈。

昇腾 A3 拥有两类核心，AIC 负责矩阵乘法，AIV 则处理向量计算与通信。但在传统的算子串行调度下，两类核心只能交替工作、轮流闲置。实测数据显示，在 256 节点集群跑 671B 的 DeepSeek 风格大模型时，AIC 利用率仅为 67%，且 39% 的专家路由通信延迟暴露在关键计算路径上。

HyperParallel-MoE 核心改动有三项。第一，设计 AIV 驱动的单边写原语，使数据瓦片到达即触发计算，无需等待整批到齐。第二，引入依赖感知瓦片任务生成，将通信与计算算子统一抽象。第三，以静态调度器预生成任务序列，在单个 kernel 内驱动两类核心并行，并利用高速 L2 缓存共享中间结果，减少回写与读取 HBM 慢速内存的延迟。

测试显示，在 64 节点平衡路由下，负责专家计算的核心模块（MoE-FFN）延迟缩短约 36%，相当于数据处理速度最高提升了 58%（即提速 1.49 至 1.58 倍）。在整机端到端运行中，单步训练速度也同步提升了 8% 至 9%。这说明，昇腾的实际能效不只取决于硬件规格，更在编译器与运行时能否把 AIC/AIV 核心高效调度起来。