CANN 技术栈解析：Python、C++ 及算子开发选型指南
昇腾 CANN 软件栈由多层 API 和 Kernel 构成，包含多种语言接口。为简化理解，可将其分为三层：
- 高层：框架调用 — 类似 PyTorch、MindSpore 训练推理
- 中层：算子 API 调用 — AscendCL、ACL Python、算子编写接口
- 底层：kernel 语言 — TBE、C++ Kernel、融合算子 DSL
它们不是重复，而是分工不同。
模型推理部署：Python（ACL Python）
适用场景：
- 部署 YOLO
- 部署大模型
- ONNX 转 OM
- 简单前后处理
推荐理由：
Python ACL 是官方主推、最简单、最快上手的一套部署 API。无需接触复杂内存、流、Device buffer，也不用写 Kernel。
非算子开发者，使用 Python ACL 即可满足需求。
深度部署与自定义流程：C++ AscendCL
适用场景：
- 性能要求高
- 大规模离线服务
- 推理服务并发、异步、流水线
- 自定义 DVPP / AIPP / Memory Pool 管理
推荐理由：
真实部署场景中，Python 可能存在性能瓶颈，多线程不友好，高并发时不稳定。C++ AscendCL 是 CANN 最稳、最强、最接近硬件的调用方式。
做真正的工程化推理，C++ ACL 是必须掌握的语言。
算子开发者：TBE 或 C++ Kernel
CANN 的算子开发分两类：
- TBE（Tensor Boost Engine）：偏向静态图 + 大量已有模板，适合 Conv2D、Softmax、MatMul、BatchNorm 等已有算子二次开发。
- C++ AICore Kernel（更底层）：偏硬件，写 AI Core 的 kernel pipeline，适合复杂融合算子手写 pipeline、算子性能极限优化、AICore scheduler 调优。
