用途：在昇腾 NPU 上通过 PyTorch torch.distributed（HCCL 后端）测试通信算子的功能与性能，适合验证特定 tensor shape 下的通信性能、复现训练中某层梯度的通信耗时、测试 bf16/fp16 等训练常用 dtype 以及进程子组通信。若只需验证 HCCL 基础连通性和带宽或做新集群验收，建议改用 hccl-test。
主要能力：支持 AllReduce、AllGather、ReduceScatter、Broadcast、AllToAll、Reduce、P2P Send/Recv；可指定任意 shape（如 --shape 4096,12288）与 dtype（fp32、fp16、bf16、int32）；输出 avg/min/max/p50/p95/p99 延迟及算法带宽、总线带宽；支持 --group-ranks 子组测试、--check 结果校验、--output json 等。
使用方式：先 source CANN 环境（source /usr/local/Ascend/ascend-toolkit/set_env.sh），单机示例：torchrun --nproc_per_node=8 scripts/comm-bench.py --op all_reduce --shape 4096,12288 --dtype fp16；多机需指定 --nnodes、--node_rank、--master_addr、--master_port；批量测试用 ./scripts/batch-bench.sh。依赖 Python>=3.8、PyTorch>=2.1、配套 torch_npu、CANN>=8.0。
限制：多机要求各节点 CANN 版本一致且网络互通，建议配置 HCCL_IF_IP 或 HCCL_SOCKET_IFNAME；shape 过大会 OOM；fp16 结果校验可能因精度失败。具体脚本与参数细节以资料为准，未提供的收费、平台等信息暂未提供。