diff --git a/docs/mindspore/source_zh_cn/design/multi_level_compilation.md b/docs/mindspore/source_zh_cn/design/multi_level_compilation.md
index 8b5980200afcc0b0dedb59cc1327c2f9192d7556..9d23392b74969e630fb7fc1916a44f4b2d4d8881 100644
--- a/docs/mindspore/source_zh_cn/design/multi_level_compilation.md
+++ b/docs/mindspore/source_zh_cn/design/multi_level_compilation.md
@@ -12,4 +12,12 @@ MindSpore 2.3.0以前的版本，静态图模式采用整图下沉到Device侧
 
 ## 多级编译O1级别介绍
 
+O1主要定位于在O0基础上实现通用、可泛化的AI编译优化，以支持大部分通用训练、推理场景的更好执行性能需求。
+
+在当前阶段，O1主要支持了图算融合优化。其主要思路是在静态图编译阶段，自动识别计算图中相邻的可融合节点，然后将其融合为更大粒度的可执行算子。通过图算融合，实现增加算子计算局部性、减少整体全局内存访存带宽开销等优化效果。通过对15+网络的实测验证，O1能够实现相比O0平均15%的性能加速。特别是对于访存密集型网络，O1优化效果更加显著。图算融合的具体设计细节可参考：[图算融合引擎](https://gitee.com/mindspore/docs/blob/master/docs/mindspore/source_zh_cn/design/graph_fusion_engine.html)。
+
+除了图算融合之外，在后续版本中，O1可能会逐步扩展增加一些其它图优化技术。比如：
+1. KernelPacket: 用于在动态shape场景对shape计算进行自动融合和优化；
+2. 通算融合：将通信算子与计算算子进行融合。
+
 ## 多级编译O2级别介绍