用途：为 Wan 系列（及类似 DiT 架构）视频生成模型从 NVIDIA CUDA/GPU 迁移到华为昇腾 NPU 提供系统化分步指南，覆盖从设备初始化到分布式并行的推理栈各层。
适用场景：将 Wan2.1/Wan2.2 从 CUDA 移植到昇腾 NPU；适配其他 DiT 视频扩散模型；在昇腾 NPU 上优化推理（注意力、量化、VAE 并行）；在 Atlas 800 系列上搭建多卡分布式推理；将 MindIE SD 加速库集成进 PyTorch 视频生成管线。
主要能力（9 个适配领域，各有 references/ 下参考文件）：1 设备层（P0）；2 算子替换（P0）；3 精度策略（P0）；4 注意力机制（P1）；5 分布式并行（P1）；6 VAE Patch 并行（P2）；7 模型量化（P2）；8 稀疏注意力 RainFusion（P2）；9 推理管线集成（P1）。
使用方式：按顺序执行。设备层需导入 torch_npu 与 transfer_to_npu，将 dist.init_process_group(backend="nccl") 改为 backend="hccl"，autocast('cuda') 改为 autocast('npu')。算子层用 torch_npu.npu_rms_norm()、mindiesd.rotary_position_embedding()、mindiesd.attention_forward() 等替换。精度层将正弦嵌入降至 float32、RoPE 频率降至 complex64、autocast 用 bfloat16。注意力层通过 ALGO 环境变量多后端调度，组合 Ulysses + Ring Attention。并行层实现 TP×SP×CFG 四维并行与 CFG 并行。VAE 层做空间切片与 P2P 边界交换。量化用 msmodelslim 做 W8A8 动态量化。稀疏注意力实现 RainFusion v1/v2。管线层加入预热、T5_LOAD_CPU、RoPE 频率缓存等。
关键环境变量：ALGO（0/1/3）、FAST_LAYERNORM、USE_SUB_HEAD、T5_LOAD_CPU、PRECISION、OVERLAP、PYTORCH_NPU_ALLOC_CONF、TASK_QUEUE_ENABLE、CPU_AFFINITY_CONF。
关键依赖：torch_npu、mindiesd、msmodelslim、yunchang、torch_atb、atb_ops。
限制：该技能基于 Wan2.2-Original（CUDA）与 Wan2.2-Ascend（NPU）代码库对比得出；昇腾版本移除了 S2V 与 Animate 任务，聚焦 T2V、I2V、TI2V；硬件目标为 Atlas 800I A2 / Atlas 800T A2（8×64G NPU）。具体安装命令与完整代码示例资料未提供。