训练是强耦合的，N卡的用cuda，华萎用的CANN，这俩都没法同步，更别说华为卡都追不上N卡的速度，白白浪费N卡时间，训练时候每一个checkpoint需要同步梯度的，这样混训loss不得飞了啊 推理能异构混用是因为它本身就是无状态的