diff --git a/MindIE/LLM/Pangu/openPangu-Embedded-1B-OrangePi/README.md b/MindIE/LLM/Pangu/openPangu-Embedded-1B-OrangePi/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..6cf7109aa30cad1acdd4edb2bdcf6ad4625753fa
--- /dev/null
+++ b/MindIE/LLM/Pangu/openPangu-Embedded-1B-OrangePi/README.md
@@ -0,0 +1,172 @@
+# openPangu-Embedded-1B-OrangePi
+## 简介
+openPangu-Embedded-1B 是基于昇腾 NPU 从零训练的高效语言模型，参数量为 1B（不含词表Embedding），模型结构采用 26 层 Dense 架构，训练了约 10T tokens。通过昇腾 Atlas 200I A2可用的模型架构设计、数据和训练策略优化，openPangu-Embedded-1B 在保持端侧运行的要求下达到了较高的精度。
+
+## 约束条件
+* 在OrangePi AIpro(20T)上部署openPangu-Embedded-1B模型
+* 需要修改权重目录下的config.json文件，"torch_dtype"字段改为"float16", "max_position_embedding"字段改为4096, 删除“rope_scaling”字段
+* 由于此硬件为单卡，仅支持TP=1
+
+## 权重
+
+**权重下载**
+
+- [openPangu-Embedded-1B](https://ai.gitcode.com/ascend-tribe/openpangu-embedded-1b-model/tree/main)
+
+## 新建环境
+
+### 1.1 安装CANN
+- CANN-kernels[下载链接](https://mindie.obs.cn-north-4.myhuaweicloud.com/xiangchengpai_20250211/Ascend-cann-kernels-310b_8.1.RC1_linux-aarch64.run)
+- CANN-toolkit[下载链接](https://mindie.obs.cn-north-4.myhuaweicloud.com/xiangchengpai_20250211/Ascend-cann-toolkit_8.1.RC1_linux-aarch64.run)
+- 安装顺序：先安装toolkit 再安装kernel
+
+#### 1.1.1 安装toolkit
+
+- 下载
+
+| cpu     | 包名（其中`${version}`为实际版本）                 |
+| ------- | ------------------------------------------------ |
+| aarch64 | Ascend-cann-toolkit_${version}_linux-aarch64.run |
+
+- 安装
+  ```bash
+  # 安装toolkit  以arm为例
+  chmod +x Ascend-cann-toolkit_${version}_linux-aarch64.run
+  ./Ascend-cann-toolkit_${version}_linux-aarch64.run --install
+  source /usr/local/Ascend/ascend-toolkit/set_env.sh
+  ```
+
+#### 1.1.2 安装kernel
+
+- 下载
+
+| 包名                                       |
+| ------------------------------------------ |
+| Ascend-cann-kernels*_${version}_linux.run |
+
+  - 根据芯片型号选择对应的安装包
+
+- 安装
+  ```bash
+  chmod +x Ascend-cann-kernels-*_${version}_linux.run
+  ./Ascend-cann-kernels-*_${version}_linux.run --install
+  ```
+
+#### 1.1.3 安装加速库
+- 下载加速库(预计8月上旬发布版本，届时更新下载链接）
+
+  | 包名（其中`${version}`为实际版本）            |
+  | -------------------------------------------- |
+  | Ascend-cann-nnal_${version}_linux-aarch64.run |
+  | ...                                          |
+
+  - 将文件放置在\${working_dir}路径下
+
+- 安装
+    ```shell
+    chmod +x Ascend-cann-nnal_*_linux-*.run
+    ./Ascend-cann-nnal_*_linux-*.run --install --install-path=${working_dir}
+    source ${working_dir}/nnal/atb/set_env.sh
+    ```
+- 可以使用`uname -a`指令查看服务器是x86还是aarch架构
+- 可以使用以下指令查看abi是0还是1
+    ```shell
+    python -c "import torch; print(torch.compiled_with_cxx11_abi())"
+    ```
+    - 若输出结果为True表示abi1，False表示abi0
+
+### 1.2 安装PytorchAdapter
+
+先安装torch 再安装torch_npu
+
+#### 1.2.1 安装torch
+
+- 下载
+
+  | 包名                                         |
+  | -------------------------------------------- |
+  | torch-2.1.0-cp310-cp10-linux_aarch64.whl     |
+  | ...                                          |
+
+  - 根据所使用的环境中的python版本以及cpu类型，选择对应版本的torch安装包。
+
+- 安装
+  ```bash
+  # 安装torch 2.1.0 的python 3.10 的arm版本为例
+  pip install torch-2.1.0-cp310-cp310-linux_aarch64.whl
+  ```
+
+#### 1.2.2 安装torch_npu
+
+[下载PyTorch Adapter](https://www.hiascend.com/developer/download/community/result?module=pt)，安装方法：
+
+| 包名                        |
+| --------------------------- |
+| pytorch_v2.1.0_py38.tar.gz |
+| pytorch_v2.1.0_py39.tar.gz |
+| pytorch_v2.1.0_py310.tar.gz |
+| ...                         |
+
+- 安装选择与torch版本以及python版本一致的npu_torch版本
+
+```bash
+# 安装 torch_npu，以 torch 2.1.0，python 3.10 的版本为例
+tar -zxvf pytorch_v2.1.0_py310.tar.gz
+pip install torch*_aarch64.whl
+```
+### 1.3 安装开源软件依赖
+| 默认依赖                 | [requirement.txt](./requirements.txt)           |
+- 开源软件依赖请使用下述命令进行安装：
+  ```bash
+  pip install -r ./requirements.txt
+  ```
+
+### 1.4 安装模型仓
+使用编译好的包进行安装
+  - 下载编译好的包(预计8月上旬发布版本，届时更新下载链接）
+
+    | 包名                                                         |
+    | ------------------------------------------------------------ |
+    | Ascend-mindie-atb-models_1.0.RC1_linux-aarch64_torch1.11.0-abi0.tar.gz |
+    | Ascend-mindie-atb-models_1.0.RC1_linux-aarch64_torch2.1.0-abi1.tar.gz |
+    | ...                                                          |
+
+  - 将文件放置在\${working_dir}路径下
+  - 解压
+    ```shell
+    cd ${working_dir}
+    mkdir MindIE-LLM
+    cd MindIE-LLM
+    tar -zxvf ../Ascend-mindie-atb-models_*_linux-*_torch*-abi*.tar.gz
+    ```
+  - 安装atb_llm whl包
+    ```
+    cd ${working_dir}/MindIE-LLM
+    # 首次安装
+    pip install atb_llm-0.0.1-py3-none-any.whl
+    # 更新
+    pip install atb_llm-0.0.1-py3-none-any.whl --force-reinstall
+    ```
+
+
+## 纯模型推理
+
+### 对话测试
+进入llm_model路径
+
+```shell
+cd $ATB_SPEED_HOME_PATH
+```
+
+执行对话测试
+-非量化场景
+```shell
+python   -m examples.run_fa_edge \
+         --model_path ${权重路径} \
+         --input_text 'What is deep learning?' \
+         --max_output_length 20 \
+         --is_chat_model \
+```
+## 声明
+- 本代码仓提到的数据集和模型仅作为示例,这些数据集和模型仅供您用于非商业目的,如您使用这些数据集和模型来完成示例,请您特别注意应遵守对应数据集和模型的License,如您因使用数据集或模型而产生侵权纠纷，华为不承担任何责任。
+- 如您在使用本代码仓的过程中,发现任何问题(包括但不限于功能问题、合规问题),请在本代码仓提交issue,我们将及时审视并解答。
\ No newline at end of file