昇腾 CANN 学习路径指南：Python、C++ 与算子开发选型
昇腾 CANN 生态功能日益丰富，但接口体系较为复杂。为了简化理解，可以将 CANN 软件栈分为三层：
- 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
它们并非重复，而是分工不同。
CANN 语言体系结构
模型推理：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 是官方主推的部署 API，上手快，无需接触复杂内存、流或 Device buffer，也不用写 Kernel。
总结：非算子开发者，使用 Python ACL 即可。
深度部署：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 是最接近硬件的调用方式，稳定性强。
总结：做真正的工程化推理，C++ ACL 是必须掌握的语言。
算子开发：TBE 或 C++ Kernel
CANN 的算子开发主要分为两类：
