这两个都是昇腾（Ascend）NPU环境变量，核心作用都是指定进程可见的NPU设备，但生效层级、作用范围、优先级完全不同，是昇腾生态区分Runtime层和驱动层设备可见性的关键配置。

一、核心定义

二、详细区别

1. 生效层级（最核心区别）

• ASCEND_VISIBLE_DEVICES 作用于昇腾硬件驱动，是系统级的设备屏蔽。 一旦设置，整个系统/容器内的所有程序（包括npu-smi、驱动工具、所有框架）都只能看到指定的NPU。 ✅ 用途：多卡服务器上物理级隔离NPU，防止其他进程抢占设备。

• ASCEND_RT_VISIBLE_DEVICES 作用于CANN Runtime（ACL），是进程级的设备屏蔽。 仅对当前运行的Python/推理/训练进程生效，不影响驱动层（npu-smi依然能看到所有卡）。 ✅ 用途：单进程内灵活指定NPU，多进程并行时互不干扰。

2. 优先级（关键规则）

ASCEND_RT_VISIBLE_DEVICES 优先级 > ASCEND_VISIBLE_DEVICES

• 如果两个环境变量同时设置：Runtime层会覆盖驱动层配置，最终以 _RT_ 为准；
• 如果只设置一个：以设置的那个为准；
• 如果都不设置：默认可见所有NPU设备。

3. 适用场景

✅ ASCEND_VISIBLE_DEVICES 适用场景

1. 容器化部署（Docker/K8s）：固定容器只能使用指定NPU；
2. 系统级隔离：禁止其他用户/程序使用指定NPU；
3. 驱动层工具限制：让 npu-smi info 只显示指定卡。

✅ ASCEND_RT_VISIBLE_DEVICES 适用场景

1. 单服务器多进程并行：每个进程单独指定卡（最常用）；
2. PyTorch/TensorFlow/MindSpore 框架内指定NPU；
3. 推理服务：不修改系统配置，仅当前进程指定设备。

三、使用示例

示例1：仅Runtime层指定（推荐日常开发）

1
2
3
4
5
6
7

# 仅当前进程可见 0号NPU
export ASCEND_RT_VISIBLE_DEVICES=0
python train.py

# 仅当前进程可见 1、2号NPU
export ASCEND_RT_VISIBLE_DEVICES=1,2
python inference.py

示例2：驱动层指定（系统/容器级）

1
2
3
4

# 整个系统/容器仅可见 0号NPU
export ASCEND_VISIBLE_DEVICES=0
# npu-smi 也只会显示0号卡
npu-smi info

示例3：同时设置（最终以_RT_为准）

1
2
3
4

export ASCEND_VISIBLE_DEVICES=0,1
export ASCEND_RT_VISIBLE_DEVICES=2
# 最终进程只能用2号NPU
python test.py

四、快速判断用哪个

总结

1. ASCEND_VISIBLE_DEVICES：驱动层、全局、低优先级，管整个系统/容器；
2. ASCEND_RT_VISIBLE_DEVICES：Runtime层、进程级、高优先级，管当前程序；
3. 日常开发优先用 _RT_，灵活且不影响系统其他程序。