AI行业正在经历一场大变革！AI技术员成为打造AI大模型主力军

今天，AI行业正成为重塑千行百业、引发行业升级的引擎，从工业制造领域的AI质检，到农业领域的AI病虫害预测，再到医疗领域的AI手术机器人助手，变化令人惊叹。

不过，企业要把AI应用真正落地，深入到“迁移开发调优”阶段时，也存在一些难点。跨架构迁移本身就有门槛，不同架构的指令集、汇编、构建文件各有差异，手动改费时还容易出错；跑通了但性能没发挥出来，热点函数在哪、瓶颈出在哪，不好找；通用AI编码助手虽然强，但不懂鲲鹏架构的专业知识，给的建议似是而非、幻觉严重，帮不上忙，这些都直接影响AI应用的落地推进速度。

日前，在“鲲鹏昇腾创享月”上，鲲鹏技术专家团以一场精彩的《DevKit智能化迁移开发调优》分享，给出了有效的解决之道。

首先，在软件迁移开发中，由于通用大模型缺乏硬件专业领域知识和能力，输出的鲲鹏领域知识稳定性和正确性都难以保证；生成的代码，要么性能欠佳，要么功能错误，无法有效支撑高质量的开发工作。

针对该挑战，DevKit AI围绕三个方向全新升级：一是将过去五年来积累的大量鲲鹏知识案例和经验沉淀为鲲鹏RAG知识库，提供精准检索问答；二是将DevKit大大小小几十个子工具通过Skills和向量检索的方式智能地编排和调度，让任务完成得更加顺滑；三是DevKit AI跟原有的主流AI开发助手做深度融合，不改变开发习惯即可快速上手。开发者可以使用自然语言描述开发任务，DevKit AI可以智能理解开发的主要意图，智能编排工作流，自动部署DevKit的后端原子功能，并使用鲲鹏领域的Skills和RAG知识库，提升通算场景下迁移开发调优效果。

迁移过程中，鲲鹏DevKit AI的思路是“工具先捞、AI再磨”，不需要盲目烧Token来扫描整个项目。先用迁移工具快速扫描海量代码，精准捞出修改点，不用开发者自己去大海捞针；接着再让AI结合鲲鹏知识库，对每个修改点做分析和优化。简单规则的修改，DevKit原有迁移工具可以直接转换；复杂语法语义再由DevKit AI提供精细化修改建议，且这些建议都是基于鲲鹏最佳实践的。考虑到软件源码是很重要的资产，最终建议是否要采纳，这个决策权留给了开发者。此外，为了保证AI自主行为更加可信，DevKit AI提供多个Agent进行配合，组成工作小组，有的负责代码改写，有的负责生成单元测试验证质量，互相制约、互相检验，对质量兜底。

在开发过程中，DevKit AI还将结合鲲鹏亲和知识，打造更高效的源码，提供开发Agent对源码进行性能采集和分析，对发现的瓶颈进行自动向量化改写等，进一步提高源码在鲲鹏上的性能。
另外，下半年还计划推出场景化调优Agent，实现一键启动性能调优的迭代循环，以及场景化的智能诊断等，提升鲲鹏系统优化的效率。

其次，针对通算超节点场景下，参数配置相比单节点模式更复杂、故障问题不易发现等挑战，DevKit提供了通算超节点工具链，涵盖测试、诊断和调优全流程，高效解决复杂编程模型的测试、大规模硬件故障定界定位以及软件性能分析的问题：

在搭建集群初始阶段，摸清楚URMA（统一远端内存访问）的带宽时延情况对灵衢上开发至关重要，DevKit通算超节点工具链提供内存时延、带宽压测，还有连通性打流等一系列性能测试工具集，提升灵衢场景整体性能测试效率；

在做系统管理的时候，通算超节点会涉及大量参数配置，手工逐项检查不仅效率低，还容易漏检错检。DevKit灵衢环境诊断工具一键核查50余项配置项和组件版本正确性，实现超节点出厂参数诊断效率大幅提升。

针对业务运行过程中是否存在性能瓶颈问题，性能工具集能低负载采集各部件数据，定界瓶颈在哪、定位哪个组件拖后腿、给出优化建议，比如内存性能的数据采集，或者关键路径时延分析优化等。

可以说，从AI辅助迁移开发，到通算超节点测试诊断调优，鲲鹏DevKit正让开发效率逐步提升、技术门槛一步步降低，也让鲲鹏成为Agentic AI时代开发者的首选底座。鲲鹏昇腾创享月 鲲鹏昇腾开发者大会2026 鲲鹏超节点 鲲鹏成为Agentic AI时代首选