（图片来源：钛媒体 AGI 编辑林志佳拍摄）
随着 DeepSeek 引发 AI 算力优化热潮，蚂蚁集团全面发力 AI 技术，基于中国 AI 芯片进行 Infra，实现了模型技术突破。
3 月 24 日消息，钛媒体 AGI 获悉，近日，蚂蚁集团 CTO、平台技术事业群总裁何征宇带领 Ling Team 团队，利用 AI Infra 技术，开发了两个百灵系列开源 MoE 模型 Ling-Lite 和 Ling-Plus，前者参数规模 168 亿，Plus 基座模型参数规模高达 2900 亿，相比之下，AI 行业估计 GPT-4.5 参数量 1.8 万亿，DeepSeek-R1 参数规模达 6710 亿。
同时，论文显示，蚂蚁团队在模型预训练阶段使用较低规格的硬件系统，将计算成本降低约 20%，达 508 万元人民币，最终实现与阿里通义 Qwen2.5-72B-Instruct 和 DeepSeek-V2.5-1210-Chat 相当的性能。
目前，相关技术成果论文发表在预印版 Arxiv 平台上。据彭博，该模型在训练阶段使用的是国产 AI/GPGPU 芯片产品，并非完全使用英伟达芯片，但最终得到的结果与英伟达芯片 （如 H800） 的结果相似。
这是蚂蚁集团首次详细披露其在 AI 算力层面的进展，第一次揭秘了自身如何以远低于 DeepSeek、OpenAI 等强大模型所需的计算成本，完成 AI 大模型技术的训练并将其开源，从而加入了中美 AI 科技竞争热潮中。
近年来，大语言模型发展迅速，尤其是 DeepSeek 热潮，引发学界和业界对通用人工智能 （AGI） 的广泛讨论，而混合专家 （MoE） 模型在特定任务中表现优异，但训练依赖高性能计算资源，成本高昂，限制了其在资源受限环境中的应用。
蚂蚁 Ling 团队认为，虽然 MoE 模型训练对高性能 AI 芯片 （如 H100 和 H800） 需求大，且资源供应，但低性能加速器更易获取且单位成本效益高，因此，模型需要能在异构计算单元和分布式集群间切换的技术框架。同时在 AI Infra 部分，在跨集群、跨设备的兼容和可靠层面进行性能优化。该公司设定的目标是“ 不使用高级 GPU” 来扩展模型。
具体来说，蚂蚁 Ling 团队在模型训练环境、优化策略、基础设施、训练过程、评估结果、推理等层面都进行优化和落地。
其中在预训练层面，蚂蚁构建约 9 万亿 token 的高质量语料库，采用创新的 MoE 架构，分析缩放规律确定超参数，多阶段训练并应对瞬时尖峰问题，并且通过优化模型架构和训练策略，如选择匹配架构、集成训练框架、开发 XPUTimer 和 EDiT 策略等，提高训练效率。
论文显示，在 AI 异构计算平台上，技术人员们将多个训练框架集成到统一的分布式深度学习框架中，即开源项目 DLRover。同时，为了利用各种平台的具体特性，团队开发了轻量级调试工具 XPUTimer，有助于快速、高效进行任务性能分析，并将内存使用量减少 90%。而 EDiT（弹性分布式训练） 则在各种配置下，训练时间最多可减少 66.1%。
此外，在存储优化中，通过存储与训练流程的协同设计，提升 MoE 场景下的 I/O 效率，通过 5000 个加速器 MoE 训练任务，将检查点写入延迟降低了 50%，减少一半的时间消耗，同时还将训练节点上的峰值内存消耗降低了 60%。
蚂蚁技术团队表示，利用 Ling-Plus，在五种不同的硬件配置上对 9 万亿个 token 进行预训练，其中，使用高性能硬件配置 （配置 D） 训练 1 万亿 token 的预训练成本约为 635 万元人民币，但蚂蚁的优化方法将使用低规格硬件将成本降至 508 万元左右，节省了近 20% 的成本。
蚂蚁表示，这一结果证明了在性能较弱的硬件上训练最先进 （SOTA） 的大规模 MoE 模型的可行性，使得在计算资源选择方面为基础模型开发提供更灵活、更经济的方法。
根据蚂蚁论文提供的 FLOPS 峰值，钛媒体 AGI 认为，这些 AI 加速器产品中可能包括壁仞、天数、寒武纪的算力芯片技术。
这与英伟达的初衷背道而驰。英伟达 CEO 黄仁勋认为，即使 DeepSeek 的 R1 等更高效的模型出现，计算需求仍将增长，AI 大模型需要更好的芯片来创造更多收入，而不是更便宜的芯片来削减成本。他坚持打造具有更多处理核心、晶体管和更大内存容量的高性能 GPU 芯片和“AI 工厂”。
结果显示，在英语理解方面，蚂蚁论文中表示，Ling-Lite 模型在一项关键基准测试中的表现优于 Meta 的 Llama 3.1-8B 模型。在中文基准测试中，Ling-Lite 和 Ling-Plus 模型均优于 DeepSeek 的同类模型。
“Ling-Plus 和 Qwen2.5-72B-Instruct 在安全性方面表现突出，且 Ling-Plus 在错误拒绝方面表现更佳。DeepSeek 系列模型的错误拒绝现象最少，但部分安全性较低。而 Ling-Plus 在安全性和拒绝率之间表现出更好的整体平衡，在这些指标的平均值方面取得了最好的结果。” 论文表示。
据悉，蚂蚁百灵大模型 Ling-Plus 和 Ling-Lite 将计划开源，并应用于医疗、金融等行业领域。
目前，蚂蚁拥有三款 AI 助手管家产品—— 生活助手“ 支小宝”、AI 金融管家“ 蚂小财”，以及刚刚发布的 AI 医生助手等产品和解决方案。
不过，蚂蚁也在论文中表示，大模型训练是一个具有挑战性且资源密集的过程，经常伴随着各种技术困难，错误和异常很常见，有些相对容易解决，而有些则需要大量时间和精力。而 Ling 系列模型在训练阶段面临挑战，包括稳定性，即使是硬件或模型结构的微小变化也会导致问题，包括模型错误率的大幅上升。
针对这份论文，彭博行业研究高级 BI 分析师 Robert Lea 表示，蚂蚁的这一成果强调了中国 AI 创新能力不断增强，以及技术进步的步伐加快。如果内容得到证实，这将凸显出中国正在朝着 AI 自给自足的方向迈进，因为中国正在转向成本更低、计算效率更高的模型，以绕过英伟达芯片的出口管制。
（本文首发于钛媒体 App，作者｜林志佳）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
#蚂蚁自研 2900 亿大模型用国产 AI 芯片训练计算成本 508 万元低于 DeepSeek 钛媒体 AGI
