配套软件库

为扩展TorchNPU能力，昇腾提供如下自研插件。

名称	介绍	版本要求	适配说明
TorchAir	TorchAir是为TorchNPU提供图模式能力的扩展库，支持用户使用PyTorch和TorchNPU在昇腾设备上进行图模式的训练和推理。TorchAir对外提供昇腾设备的图模式编译后端，对接PyTorch的dynamo特性，将PyTorch的FX计算图转换为昇腾的GE计算图，并提供在昇腾设备上启动GE计算图编译和执行的能力。	PyTorch版本为2.6.0及以上。 TorchNPU插件版本为26.1.0。	具体使用方法请参考《TorchAir》。
OpPlugin	OpPlugin插件提供了将PyTorch算子映射到昇腾AI处理器的功能，为使用PyTorch框架的开发者提供了便捷的NPU算子库调用能力。	OpPlugin的版本为26.1.0。	请参考LINK安装该库，基于OpPlugin插件进行自定义算子的适配开发流程和使用样例具体可参考《框架特性》中的“基于OpPlugin算子适配开发”章节。 PyTorch官方提供了C++ extensions的方式供用户编写并调用自定义算子，用户可选择使用C++ extensions进行自定义算子开发适配，具体可参考《框架特性》中的“基于C++ extensions算子适配开发”章节。
HyperParallel	HyperParallel是昇腾超节点亲和的分布式并行加速库，为昇腾NPU提供全场景分布式并行加速能力，简化超节点编程，释放算力潜能。核心特性包括： 1. 声明式编程接口：采用模型与系统优化解耦的设计理念，通过声明式编程接口（shard_module、parallelize_module）隐式注入并行、重计算、Offload等系统优化，用户无需修改模型代码即可获得分布式并行加速，大幅降低大模型分布式训练的开发门槛。 2. FSDP/HSDP数据并行：支持参数、梯度、优化器状态全切分（fully_shard），提供HSDP混合分片数据并行模块（HSDPModule）及全Overlap通信与计算并发模式，大幅降低单卡内存占用，提升训练吞吐。 3. 全范式并行：覆盖TP（声明式Colwise/Rowwise/SequenceParallel）、EP（ExpertParallel/ExpertTensorParallel）、CP（ContextParallel/AsyncContextParallel/DSA系列）、PP（1F1B/VPP/GPipe及通算掩盖）等并行范式，支持PP+FSDP+TP+CP+EP多维混合并行。	HyperParallel版本为1.0.0。 PyTorch版本为2.6.0及以上。	具体使用方法请参考《HyperParallel 使用指南》和《HyperParallel 文档中心》。
AKG	AKG（Auto Kernel Generator）是基于MLIR的自动算子生成组件，为Inductor后端提供算子级编译和执行能力。AKG可将PyTorch侧下发的Torch MLIR转换并编译为适配昇腾AI处理器的高性能Kernel，通过编译缓存、自动优化和运行时加载能力，减少手工算子适配成本，大幅缩短编译时间并提升模型执行性能。	PyTorch版本为2.7.1及以上。 TorchNPU插件版本为26.1.0。	具体使用方法请参考《AKG使用指南》