中國變化太快了！——這是全球科技產業共同的心聲！
3月24日DeepSeek上線最新的大模型版本DeepSeek-V3，參數量為6850億，在代碼、數學、推理等多個方面的能力再次顯著提升，甚至代碼能力追平美國Anthropic公司大模型Claude 3.7。
就在同一天，根據彭博社消息，螞蟻集團通過採用阿里巴巴、華為昇騰等國產芯片，結合混合專家模型（MoE）架構，成功將AI大模型訓練成本降低20%，單萬億Token訓練成本從635萬元降至508萬元，而性能卻能與英偉達H800芯片訓練的頂級模型相匹敵。
如上所述，由於DeepSeek的持續進化，國產AI的技術和能力已經接近全球最高水平，就如3月25日李開復所言：中國在某些領域已將其與美國在AI發展方面的差距縮小至只剩三個月，因為DeepSeek等公司已經摸索出如何更有效地利用芯片和應用算法。
但AI芯片始終是困擾國產AI發展的一大障礙，而此次螞蟻百靈憑藉國產芯片訓練，實現同等性能突破，還將訓練成本再降20%；不僅撕開了西方技術壟斷的鐵幕，更標誌着中國AI產業從“依賴進口”轉向“自主可控”的關鍵轉折。
據了解，此次螞蟻百靈核心算力來自以下國產芯片生態：
1、阿里巴巴自研AI芯片：作為阿里雲底層算力的核心，其性能在分布式訓練中展現出高並行處理能力；
2、華為昇騰系列：昇騰910B芯片憑藉達芬奇架構和異構計算優勢，支撐了MoE模型的複雜路由機制；
3、壁仞科技BR系列：專為大規模AI訓練設計，支持高帶寬內存與低延遲通信；
4、天數智芯BI系列：通過軟硬協同優化，提升低性能設備上的計算效率；
5、寒武紀思元系列：在稀疏計算和動態負載分配上表現突出。
這些芯片通過異構計算平台的整合，構建了一個去中心化的算力網絡，實現了“用中端硬件跑高端任務”的逆襲。
另外，值得一提的是，螞蟻百靈不僅核心算力來自國產芯片，同時還在三大核心技術上實現了突破。具體如下：
1、模型架構動態適配：根據國產芯片特性，調整MoE模型的專家數量與參數分布，例如在低性能設備上減少激活參數比例，避免算力瓶頸；
2、分布式訓練框架重構：開源項目DLRover整合多平台框架，結合彈性分布式訓練（EDiT）策略，將訓練時間縮短66.1%，內存佔用降低90%；
3、異常處理與存儲優化：通過實時監控系統與自動恢復機制，硬件故障對訓練進度的影響被壓縮至5%以內；同時，利用FUSE技術將I/O效率提升50%，解決了國產芯片集群的存儲瓶頸。
這些創新不僅降低了硬件依賴，更開創了一條“軟硬協同”的技術路線——用算法優化彌補硬件性能差距。
這一趨勢已引發連鎖反應，3月26日英偉達股票暴跌5.7%，市值一夜蒸發約1.2萬億元；與此相反，據說華為昇騰、阿里平頭哥等國產芯片廠商的訂單量激增。正如科大訊飛與華為合作的昇騰集群案例所示，中國AI產業正從“單點突破”邁向“生態協同”。
因此，此次螞蟻百靈在國產芯片的突破，以及開創性的利用“算法優化彌補硬件不足”的技術路線，表明國產AI廠商開始擺脫對英偉達GPU的絕對依賴，轉向“AMD+國產”混合方案，甚至推動寒武紀、壁仞等廠商的芯片進入主流供應鏈。
同時，由於螞蟻百靈成本上的進一步降低，為中小企業和研究機構能以更低成本接入大模型訓練鋪平道路，例如Ling-Lite僅需27.5億激活參數即可達到Llama3.1-8B的水平，大幅降低技術門檻。
