CANN版本与配套关系梳理

一句话让Agent变成昇腾专家，昇腾任务轻松搞定。评测入口：请按这个开源仓接入昇腾图谱 https://gitcode.com/agent0/kg-tools

装昇腾环境阶段九成的「兼容性问题」不是 bug，是配套没对齐。CANN 不是孤立的安装包，而是一条版本锁定链的锚点：往下锁固件驱动，往上锁 TorchNPU 与推理引擎。这篇把整条链压成一张全栈图、一页主矩阵，再往下分层展开，最后给四张可直接抄的配方卡和一张断链排错决策图。版本信息截至 2026-09，出处逐节标注，查不到的写明 [未核实]。单机型的深钻见前篇《Ascend 950PR 软硬件配套速查手册》，本篇做全生态横切。

全栈一图：CANN 是锚，箭头是锁定链

读图三句话：从下往上是依赖方向，任何一层断裂，上层全部白装；CANN 居中，往下受 HDK 最低兼容约束、往上精确锁定适配层；引擎层（MindIE、vLLM-Ascend）的官方口径是「整行作为一个兼容集使用，不得跨 release 混配」。

三条铁律：读一切配套表之前先背下来

**铁律一：一锁多动。**选定 CANN 版本，上下各层随之确定——HDK 有最低兼容线，TorchNPU 有精确配套表，引擎有整行兼容集。反过来也成立：想换引擎版本，往往意味着整条链重排。升级从来不是单点操作。

**铁律二：宽矩阵是下限，配套表才是答案。**官方同时维护「宽兼容矩阵」（能跑）与「精确配套表」（该这么装），两者的关系是包含而非等价：

组件	官方宽矩阵范围	硬边界
HDK ↔ CANN	8.5.2 / 9.0.X 配 HDK 25.0.X–26.1.1 全部 Y	CANN 9.1.X 不配 HDK 25.0.X
TorchNPU 7.3.X / 26.0.X / 26.1.X	CANN 8.5.X / 9.0.X / 9.1.X 全部 Y	新硬件（如 950PR）仍看精确配套表
MindIE 3.1.0	CANN 9.0.0 / 9.0.1 / 9.1.0	不配 8.5.X
MindSpeed 26.1.0_core	CANN 8.3.RCX–9.1.X、TorchNPU 7.2.0–26.1.0	26.0.0_core 不配 CANN 9.1.X 与 TorchNPU 26.1.0

每家的宽矩阵边界都不一样，宽矩阵只用来判断「存量环境还能不能跑」，装机永远对精确配套表。

**铁律三：版本号先对身份，再对数值。**昇腾生态同一层常有双轨甚至三轨编号（下文详述），最典型的陷阱：MindIE 3.0.0 又叫 26.0.0，但它配套的是 TorchNPU 7.3.0——MindIE 的 26.0.0 和 TorchNPU 的 26.0.0 不是一回事。数值相同不等于配套，必须对到「这是谁家的版本号」。

一页主矩阵：CANN 为锚的交叉总表

CANN（商用主线）	推荐 HDK	TorchNPU 产品（安装包线）	MindIE	vLLM-Ascend	硬件时点
7.0.0 – 7.2.RC1	[未核实]（官方发布页已下线）	5.0.0（1.11.0 / 2.0.1 / 2.1.0）	—	—	910A / 310P 主场
8.0.RC1 – 8.0.0	23.0.rc1+（RC2 配 23.0.rc2+）	6.0.RC1 – RC3 / 6.0.0（1.11.0 – 2.4.0）	1.0.RC3 / 2.0.0	v0.8.4rc2（8.0.0）	910B（A2 系）登场
8.1.RC1	23.0.rc3+（24.1.rc1-3 亦可，不配 22.x）	7.0.0（2.1.0 / 2.3.1 / 2.4.0 / 2.5.1）	—	v0.7.3（首个正式版）	—
8.2.RC1	24.1.rc1+（不配 23.0.rcX）	7.1.0（2.1.0 / 2.5.1 / 2.6.0）	2.1.RC2（配 8.2.RC2）	v0.9.1 / v0.10.x	—
8.3.RC1	24.1.rc2+	7.2.0（2.1.0 – 2.8.0）	2.2.RC1（配 8.3.RC2）	v0.11.0 / v0.12rc（配 8.3.RC2）	A3 系登场（另需 HDK 24.1.rc2+）
8.5.0 / 8.5.1 / 8.5.2	25.5.X / 25.3.X / 25.2.X / 25.0.X	7.3.0（2.6.0 – 2.9.0）	2.3.0 / 3.0.0（26.0.0，配 8.5.1）	v0.13.0 – v0.19.x	—
9.0.0 / 9.0.1	26.0.RC1 / 25.7.RC1（9.0.1 另有 26.0.RC3）	26.0.0（2.7.1 / 2.8.0 / 2.9.0 / 2.10.0）	3.1.0（A2/A3 行，配 9.0.1）	v0.20rc – v0.22rc	950PR（Atlas 350）登场
9.1.0 / 9.1.1	26.0.RC1（9.1.1 配套 26.1.1）	26.1.0 / 26.1.1（2.7.1 – 2.12.0）	3.1.0（850 超节点行，配 9.1.0）	v0.23.0（当前稳定）/ v0.26rc	950DT / Atlas 950 SuperPoD / 850
9.2.0-beta.1 / beta.2	26.0.RC1 / 26.1.1	MindStudio 26.2.x 预研（配 TorchNPU 26.2.0）	—	—	—

表的用法：横着读是「同一时代的全家福」，竖着读是「我要动某一层时牵连谁」。两个容易踩的空档：CANN 8.4 不存在（torch_npu 配套表 8.3.RC1 直接跳 8.5.0，gitcode release-management 仓同样无此目录，三源互证）；TorchNPU 的 2.8 安装包线止步于 7.2.0（2.8.0）与 26.0.0（2.8.0.post4），26.1.x 起没有 2.8——2.7.1 与 2.9.0 之间在 26.1.x 行是断档的。

底座层：HDK 固件与驱动

HDK 版本号是固件与驱动的统一配套版本号——驱动包 Ascend-hdk-{chip}-npu-driver_{ver}_linux-{arch}.run，固件包同名但无架构后缀。架构只有 x86_64 与 aarch64 两种。

两个口径：最低兼容 vs 推荐配套

来自 CANN 9.1.1 release notes 的官方 Y/N 矩阵（最权威口径）：

CANN \ HDK	25.0.X	25.2.X	25.3.X	25.5.X	26.0.RC1 / 25.7.RC1	26.1.1
8.5.2	Y	Y	Y	Y	Y	Y
9.0.X	Y	Y	Y	Y	Y	Y
9.1.X	N	Y	Y	Y	Y	Y

规律：新一代 CANN 砍掉最老一代 HDK，HDK 自身向前兼容旧 CANN。官方原话：「固件驱动版本越新，NPU 算子特性及故障处理能力越强，建议使用最新版本」。而 release-management 仓给出的「推荐配套」（如 CANN 9.1.0 配 HDK 26.0.RC1）与产品级门槛（如 Atlas 350 配 CANN 9.1.0 需 HDK ≥ 25.7.0）是另外两个更保守的口径——对表时先分清问的是哪个口径。

一个实务提醒：固件驱动下载中心已于 2026-04-30 切换，现行页面只提供此后的版本，更早版本走「旧版固件与驱动」入口。

安装与升级顺序（官方 9.0.0 安装指南口径）

# 首次安装：驱动 > 固件 > CANN
# 覆盖安装（升级）：固件 > 驱动 > CANN > torch_npu   ← 注意两种顺序不同
# 驱动装完必须重启；默认运行用户 HwHiAiUser、路径 /usr/local/Ascend，建议 --install-for-all

升级后记得清 ge_cache / atc_data 缓存，陈旧缓存会让新环境跑出旧行为。驱动与 CANN 不配套的典型症状是推理静默无结果——不报错、不崩溃、就是没有输出，遇到先查配套表再查代码。

CANN 包自身的解耦

9.x 是两包制：Ascend-cann-toolkit_{ver}_linux-{arch}.run + Ascend-cann-{chip}-ops_{ver}_linux-{arch}.run，install-path 必须一致，set_env.sh 在 ${PATH-TO-CANN}/cann/ 下（8.5.0 及更早在 ascend-toolkit/，老脚本会踩）。推理场景在两包之外加 nnal 包（提供 libatb.so）。ops 包与 toolkit 有解耦空间：ops 9.0.1 可配 toolkit 9.0.1 / 9.0.0 / 8.5.2；hccl、hixl、ops-nn/math/cv/transformer 也支持按仓独立升级。安装形态除了 runfile 还有 conda / yum / apt / pip 在线安装（apt、pip 为 9.0.0 新增）与合一包（驱动+Toolkit 一键装）。

硬件与 OS：产品代码会说话

安装包里的 {chip} 字段是产品代码，先会换算再查资料：

产品代码	硬件系列	CANN 进入时点
910	Atlas 800 / 900（910A）	早于 7.x（支持窗口至 7.x / 部分 8.x）
310p	Atlas 300I Duo 推理系列	早于 7.x（当前仍在支持，310P 走 MindIE Lite）
310b	Atlas 200I / 500 A2	—
910b	Atlas A2 训练系列（800T A2 / 900 A2 PoD / 200T A2 Box16 / 300T A2 / 800I A2）	8.0.RCx 起
A3	Atlas A3 系列（800T A3 / 900 A3 SuperPoD / 800I A3）	8.3.RC1 + HDK 24.1.rc2 起
950	Atlas 350 加速卡（950PR）	9.0.0 起
950	950DT / Atlas 950 SuperPoD / Atlas 850 / 850E	9.1.0 起

OS 侧没有静态全量矩阵（官方已转为在线查询服务）：兼容性查询助手在 hiascend.com/hardware/compatibility，CANN 与上下游配套查询工具随 9.2.0-beta.1 上线在 hiascend.com/developer/download/compatibility。OS 家族面：apt 系支持 Debian、Ubuntu、veLinux；yum 系支持 openEuler、CentOS、Kylin、BCLinux、UOS、AntOS、CTyunOS、CULinux、Tlinux、MTOS、vesselOS。新硬件带新 OS：9.0.0 为 Atlas 350 加了 veLinux 2.0 / Alinux 3，9.1.0 为 Atlas 950 SuperPoD / 850 加了 openEuler 24.03 LTS SP4。

部署形态影响「哪层装在哪」：容器场景物理机装驱动固件、容器内只装 CANN（镜像已内置）；虚拟机场景物理机装驱动+固件、虚拟机仅装驱动。

适配层：TorchNPU 与朋友们

TorchNPU 主矩阵（官方 COMPATIBILITY.md）

TorchNPU 产品版本	安装包线（pip 所见）	CANN	时间锚点
26.1.1（当前）	2.7.1.post10 / 2.9.0.post8 / 2.10.0.post6 / 2.11.0.post2 / 2.12.0.post2	9.1.X	2026-09
26.1.0	2.7.1.post8 / 2.9.0.post6 / 2.10.0.post4 / 2.11.0 / 2.12.0	9.1.0	2026-07
26.0.0	2.7.1.post4 / 2.8.0.post4 / 2.9.0.post2 / 2.10.0	9.0.0	2026 上半年
7.3.0	2.6.0.post5 / 2.7.1.post2 / 2.8.0.post2 / 2.9.0	8.5.0	2026 初
7.2.0	2.1.0.post17 / 2.6.0.post3 / 2.7.1 / 2.8.0	8.3.RC1	2025 下半年
7.1.0	2.1.0.post13 / 2.5.1.post1 / 2.6.0	8.2.RC1	2025
7.0.0	2.1.0.post12 / 2.3.1.post6 / 2.4.0.post4 / 2.5.1	8.1.RC1	2024 末
6.0.0 / 6.0.RC1-RC3	1.11.0 / 2.1.0 / 2.2.0 / 2.3.1 / 2.4.0	8.0.0 / 8.0.RC1-RC3	2024
5.0.0（EOL）	1.11.0 / 2.0.1 / 2.1.0	7.0.0	2023

官方当前推荐行：安装包 2.12.0 + PyTorch 2.12.0 + CANN 9.1.0 + Python 3.10–3.14。

版本号的三重身份（最大认知陷阱）

同一个 TorchNPU，三个号码在流通：产品版本（26.1.0，对齐 CANN 与年份）、安装包版本（2.7.1.post8，pip 里看到的，本质是 PyTorch 版本 + post 序号）、代码分支（v{PyTorch}-{TorchNPU}，如 v2.7.1-26.1.0）。三条换算规则：.postN 只区分同一 PyTorch 线下的多次发布，不能换算产品版本；产品版本从 7.3.0 跳到 26.0.0 是切了年份制，中间没有缺失；26.1.0 起「Ascend Extension for PyTorch」与 torch_npu 统一更名为 TorchNPU，导入名与 whl 名不变。CANN 侧也有双轨：商用版（8.x.RC1 候选 → 8.x.0 正式 → 补丁版）与社区版（9.1.0-beta.N 先行体验），社区与商用不混装。

triton-ascend 则是第三种规则：与 CANN 一一对应——3.2.0 配 8.5.0、3.2.1 配 9.0.0、3.2.2 配 9.1.0。pypi 主站只更新到 3.2.0 且与 CANN 9.1 存在枚举改名不兼容，3.2.1+ 需加华为云源安装。

Python 版本面（跟着 PyTorch 走）

PyTorch	Python
2.7.1 / 2.8.0	3.9 – 3.13
2.9.0 / 2.10.0	3.10 – 3.13
2.11.0 / 2.12.0	3.10 – 3.14

triton-ascend 的 Python 面更窄（3.9 – 3.11），同装时取交集。

两个注脚

torchvision 有官方 adapter（gitcode.com/Ascend/vision），tag 命名 {tv版本}-{TorchNPU产品版本}、驱动/CANN 配套齐表，但该仓已进入「基本维护阶段」——不再开发新功能，仅缺陷与安全修复；torchvision 本体直接用上游 CPU wheel 即可。torchaudio 未发现对应 adapter 仓 [未核实]。TensorFlow 适配（TFPlugin / cann/tensorflow 仓）仍在随 CANN 发版维护，但版本锁定 TF 1.15 与 2.6.5 两个 EOL 版本，属窄窗口维护；源码 tag tfa_{标签}_{版本号} 中的版本号即配套 CANN 版本号，须严格对号；310P 仅支持 TF 1.15 在线推理。

引擎层：整行成套

MindIE

MindIE	CANN	TorchNPU	备注
1.0.RC3	8.0.RC3	2.1.0.post 系列（TorchNPU 6.0.RC3）	一体包时代
2.0.0	8.0.0	6.0.0（安装包最高 2.4.0.post2）	网传「配 torch_npu 2.5.1」与官方矩阵矛盾 [未核实]，勿采用
2.1.RC2	8.2.RC2	7.1.0
2.2.RC1	8.3.RC2	7.2.0
2.3.0	8.5.0	7.3.0	兼容面仅 8.5.X
3.0.0（=26.0.0）	8.5.1	7.3.0	组件拆分独立版本化；注意配的是 TorchNPU 7.3.0
3.1.0（=26.1.0）	9.0.1（A2/A3）/ 9.1.0（850 超节点）	26.0.0（A2/A3 行）/ 26.1.0（850 行）	兼容面 9.0.0 / 9.0.1 / 9.1.0

MindIE 与 CANN 严格绑定、各组件勿跨版本混用（官方原文）；310P 走 MindIE Lite、910B 走完整版。1.x 一体包（内含 LLM / Service / SD），3.x 起组件独立版本化并行发布（MindIE-LLM / Motor / SD 等），MindIE-Motor 同时适配 vLLM-Ascend 与 SGLang 双引擎。

vLLM-Ascend（正式版择要）

vllm-ascend	vLLM	CANN	PyTorch / torch_npu
v0.7.3（2025.05 首个正式版）	v0.7.3	8.1.RC1	2.5.1 / 2.5.1（另装 mindie-turbo）
v0.9.1	v0.9.1	8.2.RC1	2.5.1 / 2.5.1.post1
v0.11.0	v0.11.0	8.3.RC2	2.7.1 / 2.7.1.post1
v0.13.0	v0.13.0	8.5.0	2.8.0 / 2.8.0.post2
v0.18.0	v0.18.0	8.5.1	2.9.0 / 2.9.0
v0.23.0（当前稳定）	v0.23.0	9.1.0	2.10.0 / 2.10.0.post4
main	vLLM main	9.1.0	2.10.0 / 2.10.0.post4

版本号跟随 vLLM 上游，约三个月一个正式版。CANN 9.0 起 KV Cache Pool 接口变更，旧版 vllm-ascend 必须同步整行升级，这是「整行成套」最硬的一次实证。SGLang-NPU 没有独立版本配套表，以「固定 commit + 环境栈」形式发布（当前参考栈：PyTorch 2.7.1 / torch_npu 2.7.1 / triton-ascend 3.2.0 / CANN 8.5.0 / Python 3.11）。MindStudio 的配套是另一条阶梯：26.1.x 配 CANN 8.5.0–9.1.0，26.2.x 只配 9.2.0（配套 TorchNPU 26.2.0、HDK 26.2.0）。

四张配方卡：总表收敛成可抄的整行

卡 A · 新装稳态（通用训练/开发）

HDK 26.0.RC1 → CANN 9.1.0（toolkit + ops）→ PyTorch 2.12.0 → TorchNPU 26.1.x（2.12.0）

# 驱动固件：官方下载页取 HDK 26.0.RC1，按「首装顺序」装完重启
./Ascend-cann-toolkit_9.1.0_linux-x86_64.run --full          # aarch64 换包名
./Ascend-cann-{chip}-ops_9.1.0_linux-x86_64.run --install    # 同 install-path
source ${PATH-TO-CANN}/cann/set_env.sh

# Python 3.10-3.14（要 triton-ascend 则收窄到 3.10-3.11）
pip install torch==2.12.0+cpu
pip install torch-npu==2.12.0 --extra-index-url=https://mirrors.huaweicloud.com/ascend/repos/pypi
# 需要 triton 时：pip install triton-ascend==3.2.2（同上华为云源，对应 CANN 9.1.0）

卡 B · 推理服务（vLLM-Ascend 当前稳定行）

HDK 26.0.RC1 → CANN 9.1.0（toolkit + ops + nnal）→ PyTorch 2.10.0 → torch_npu 2.10.0.post4 → vllm-ascend v0.23.0

按 vllm-ascend 官方安装文档整行取预编译镜像最省事；自装则每一列对死上表 v0.23.0 行，不跨版本混配。950 系硬件在此行已含支持。

卡 C · 训练整栈（MindSpeed）

CANN 9.1.0 + TorchNPU 26.1.0（2.7.1.post8）+ PyTorch 2.7.1 + Megatron core v0.12.1 + Python 3.10

官方训练镜像 tag 本身就是一行配套表，直接读：v26.1.0_core_r0.12.1-cann9.1.0-torch_npu2.7.1.post8-a3-openeuler24.03-py3.12。

卡 D · 存量 8.5 环境不动大件

HDK 25.X（25.0-25.5 全兼容 8.5.2）→ CANN 8.5.0/8.5.1 → TorchNPU 7.3.0（2.6.0-2.9.0）→ MindIE 2.3.0/3.0.0 或 vllm-ascend v0.13-v0.19

HDK 不必先升：宽矩阵里 8.5.2 对 25.0.X–26.1.1 全 Y，驱动层可以后动。要上 MindIE 3.1.0 时 CANN 必须先到 9.x（3.1.0 不配 8.5.X），这就是铁律一的「一锁多动」。

排错：先定层，再对号

症状	断链层	修复
推理静默无结果（不报错无输出）	驱动 ↔ CANN 不配套	对 HDK 配套表重装，升完清 ge_cache / atc_data
Unsupported soc version: Ascend950PR …	torch_npu 早于硬件适配	换配套表内带 post 后缀或更新版本线的安装包
import torch_npu 报 undefined symbol / SIGSEGV / is_available() 为 False	torch_npu ↔ CANN 不配套	get_cann_version() 对比编译期版本，按主矩阵对齐
编译报 RT_LIMIT_TYPE_* 枚举未定义	pypi 旧版 triton-ascend × CANN 9.1	升 3.2.1+ 并加华为云源
source set_env.sh 报文件不存在	9.x 目录结构变化	9.x 用 ${PATH-TO-CANN}/cann/set_env.sh
升级后引擎起不来或行为异常	跨版本混配 / 陈旧缓存	整行按兼容集升级；升级顺序固件→驱动→CANN→torch_npu

多机环境不一致（集群里一台好一台坏）不用人肉逐项对：配套向 Skill ascend-env-diff-check 可对多台机器的 CANN / torch_npu / 驱动固件 / 环境变量做一键采集与差异对比，直接产出分级报告。

五步自检收尾：① npu-smi 看卡；② version.cfg 对目标 CANN、ops 已装且 install-path 一致；③ 打印 torch_npu 版本并换算产品版本身份；④ triton-ascend 与 CANN 一一对应；⑤ 最小 kernel 上板跑通再上业务——import 成功不等于环境可用，上板才是门禁。

方法论与披露

配套关系是活的：CANN 9.2.0-beta.2 与 TorchNPU 26.1.1 都在本月更新，这篇的版本号会过期，方法不会——先分层，再对矩阵，最后上板验证。权威查询入口值得收藏：版本配套查询助手 https://www.hiascend.com/developer/download/compatibility（9.2.0-beta.1 上线，CANN 与上下游配套一站查）、固件驱动与 OS 兼容性查询助手 https://www.hiascend.com/hardware/compatibility、gitcode cann/release-management 仓（社区版 release notes 权威源）；hiascend 文档站还暴露全站 markdown 镜像（hiascend.com/llms.txt 索引 → llms-content/ 直取正文），机器查证比翻网页快得多。

配套向还有两个现成的 Skill（昇腾知识图谱技能库收录，Agent 可直接加载执行）：npu-cann-upgrade-migration 管升级——把「升级前核对官方三张配套表（驱动固件 ↔ CANN、CANN ↔ TorchNPU、TorchNPU ↔ PyTorch，正是本文主矩阵的三条边）、升级顺序固化、禁止跨大版本跳级、升级后清理产物缓存」写成工程契约，不满足即拒绝交付；ascend-env-diff-check 管排错——多机间 CANN / torch_npu / 驱动固件 / 环境变量 / 依赖版本一键采集对比，输出差异分级报告，「A 机器能跑、B 机器报错」这类问题的专用定位器。

[未核实] 清单（官方源已尽力仍不可得）：7.x 与 8.0.RC3/8.0.0 的精确 HDK 配套（官方发布页已下线，以「旧版固件与驱动」入口或当时发布说明为准）；torchaudio adapter 是否存在（多路检索无果，推断无仓）；TF Adapter 全量 tag 配套表；MindIE 1.0.RC1/RC2 与 24.1.RC1 配套明细；MindIE-Service → MindInferenceService 更名时点；MindStudio 5.x 历史配套；各版本精确 GA 日期；逐版本完整 OS × 型号静态矩阵（官方已转查询助手动态服务）。

接入昇腾知识图谱

访问GitCode开源仓： https://gitcode.com/agent0/kg-tools

---

参考资料

• CANN × HDK 兼容矩阵与安装顺序：hiascend 官方安装指南 / release notes（canncommercial 900 / 9.1.1）、gitcode cann/release-management
• TorchNPU 配套表与发布说明：gitcode.com/Ascend/pytorch COMPATIBILITY.md、docs/zh/release_notes.md
• vLLM-Ascend 版本兼容集：github.com/vllm-project/vllm-ascend docs/source/community/versioning_policy.md
• MindIE / MindStudio 配套：gitcode.com/Ascend/release-management（MindIE 26.0.0 / 26.1.0、MindStudio 26.2.0）
• MindSpeed 配套：gitcode.com/Ascend/MindSpeed release notes、MegatronAdaptor README
• torchvision adapter：gitcode.com/Ascend/vision README；TF 适配：gitcode.com/cann/tensorflow（原 gitee.com/ascend/tensorflow）
• 驱动配套症状与升级缓存：昇腾 FAQ（驱动和 CANN 版本的兼容性 / 固件 驱动 cann 版本配套）
• 版本配套查询助手：https://www.hiascend.com/developer/download/compatibility ；配套向 Skill：npu-cann-upgrade-migration、ascend-env-diff-check（昇腾知识图谱技能库）
• 单机型深钻：本仓《Ascend 950PR 软硬件配套速查手册（2026-09 版）》