DeepSeek之后，国产芯片立功，AI训练成本再“打八折”

3月24日晚，DeepSeek-V3发布小版本升级，实测表现远超预期。几乎与此同时，另一款国产大模型蚂蚁百灵凭借国产芯片训练，实现同等性能突破，还将训练成本再降20%，同样引发市场关注。

根据团队公布的论文显示，蚂蚁推出的百灵大模型分为两个版本——参数规模为168亿（激活参数27.5亿）的百灵Lite和参数规模为2900亿（激活参数288亿）的百灵Plus。通过实验表明，使用国产较低性能的GPU芯片，也能完成3000亿参数的MoE（混合专家）大语言模型的训练，而且性能与英伟达芯片训练的同等参数模型相当。

记者在论文中看到，MoE大模型的训练通常依赖于英伟达H100或H800等高性能GPU芯片，但过高的成本以及出口管制等问题，也限制了大模型的普及应用。因此，百灵团队通过低性能GPU来训练模型，通过模型训练环境、优化策略、基础设施、训练过程、评估结果和推理等层面进行优化，用低成本来复现高性能模型。

其中，跨异构计算与分布式集群是百灵大模型的训练创新之举。据蚂蚁相关人士介绍，跨异构计算与分布式集群主要解决基座芯片的混合性能问题，不同品牌和型号的芯片的结构和性能存在差异，协同处理数据需要通过分布式和跨异构计算来弥补芯片差异，这样能更好地降低芯片成本，以免被同一种芯片产能限制。

值得一提的是，百灵团队通过5种不同芯片配置的硬件来训练百灵Plus，其中高性能硬件配置训练1万亿token（词元）的预训练成本约为635万元，而百灵调优过的低规格硬件的训练成本将降至508万元左右，降低约近20%的成本，而性能保持与通义Qwen2.5-72B-Instruct和DeepSeek-V2.5-1210-Chat相当。不过相关人士也透露，这种测试结果是实验环境中取得的，真实使用感受的差距仍有待验证。

目前，百灵大模型已在生活服务、金融服务、医疗健康等场景落地应用。针对百灵大模型所取得的成绩，蚂蚁集团回应称，未来将针对不同芯片持续调优，以降低AI应用成本，百灵Plus和百灵Lite两款大模型将在日后开源。

原标题：《DeepSeek之后，国产芯片立功，AI训练成本再“打八折”》

栏目主编：李晔 题图来源：上观题图

来源：作者：解放日报 查睿