每經記者 宋欣悅    每經編輯 蘭素英    

長久以來，英偉達憑借高性能芯片構筑起“算力霸權”，在AI模型訓練領域占據主導地位。這一局面在DeepSeek問世后遭遇到不小的沖擊，如今又面臨著新的挑戰(zhàn)。

3月初，由螞蟻集團首席技術官何征宇帶領的Ling團隊發(fā)表了一篇技術成果論文。

論文顯示，該團隊開發(fā)了兩款百靈系列開源混合專家（MoE）模型Ling-Lite（總參數為16.8B）和Ling-Plus（總參數為290B）。相比之下，據《麻省理工科技評論》，GPT-4.5總參數為1.8T，DeepSeek-R1總參數為671B。

而驚艷之處在于，Ling團隊在模型預訓練階段使用較低規(guī)格的硬件系統(tǒng)，將計算成本降低約20%，訓練1萬億Token成本從635萬元降至508萬元，最終取得了與使用高性能芯片（如英偉達H100、H800等）的模型相當的效果。

螞蟻集團有關人士告訴《每日經濟新聞》記者，在模型訓練過程中，他們既使用了國產芯片，也采用了英偉達芯片。

但百靈系列混合專家模型的橫空出世，讓市場再次質疑英偉達的“算力信仰”。HuggingFace工程師Tiezhen Wang在社交媒體上表示，“做空英偉達的又一理由？”

Tom's Hardware發(fā)表評論稱，螞蟻集團此次的技術突破清晰展現(xiàn)出中國正堅定地朝著技術獨立方向邁進。

針對此事，3月24日螞蟻集團回應媒體稱，螞蟻針對不同芯片持續(xù)調優(yōu)，以降低AI應用成本，目前取得了一定的進展，也會逐步通過開源分享。

圖片來源：螞蟻集團Ling團隊最新論文

螞蟻重大突破：不使用高端GPU的情況下將計算成本降低20%

目前，螞蟻集團Ling團隊的技術成果論文《每一個FLOP都至關重要：無需高級GPU即可擴展3000億參數混合專家LING大模型》已發(fā)表在預印本平臺arXiv上。

螞蟻Ling團隊認為，正如DeepSeek開源發(fā)布中分析的“晝夜推理負載不均”問題，在推理服務高峰期，高性能資源同樣面臨短缺。在長期科研實踐中，許多機構都持續(xù)面臨著高端AI加速卡供應不足的問題。相比之下，性能較低的加速器更易獲得，且單價更低。因此，模型需要能在異構計算單元和分布式集群間切換的技術框架，同時在AI Infra部分，在跨集群、跨設備的兼容和可靠層面進行性能優(yōu)化。

該團隊的實驗結果表明，參數規(guī)模為300B左右的混合專家模型可以在性能較低的設備上有效訓練，并在性能上達到與同規(guī)模的其他模型相當的水平。

以Ling-Plus模型為例，在實驗中，該模型在五種不同硬件配置下完成9萬億Token的預訓練任務。經測算，使用高性能硬件設備訓練1萬億Token，預計成本高達635萬元人民幣，而使用低規(guī)格硬件系統(tǒng)，成本則可控制在約508萬元，節(jié)省近20%。

圖片來源：螞蟻集團Ling團隊最新論文

在英語理解能力上，Ling-Lite模型在一項關鍵基準測試中的表現(xiàn)與Qwen2.5-7B相當，優(yōu)于Llama3.1-8B和Mistral-7B-v0.3。

在中文理解能力上，Ling-Lite和Ling-Plus模型表現(xiàn)明顯優(yōu)于海外模型Llama3.1-8B和Mistral-7B-v0.3。在部分基準測試中，Ling-Plus表現(xiàn)略優(yōu)于DeepSeek-V2.5，與Qwen2.5-7B相當。

在數學和代碼基準測試方面，Ling-Lite的表現(xiàn)與Qwen2.5-7B-Instruct相當，優(yōu)于Llama3.1-8B和Mistral-7B-v0.3。Ling-Plus的表現(xiàn)優(yōu)于DeepSeek-V2.5，接近Qwen2.5-72B的水平。

圖片來源：螞蟻集團Ling團隊最新論文

在工具使用方面，大多數情況下，Ling-Plus和Ling-Lite在基準測試中均取得了最佳成績。而工具使用對于大語言模型來說是一項重要且具有挑戰(zhàn)性的任務。工具使用能力使模型能夠作為AI代理工作、控制機器人系統(tǒng)并與眾多軟件工具集成。

此外，在安全性方面，Ling-Plus和Qwen2.5-7B表現(xiàn)突出，而Ling-Plus在錯誤拒絕方面表現(xiàn)更佳。

提高大模型的無害性（harmlessness）通常會導致其有用性（helpfulness）的降低。測試結果表明，Ling-Plus在安全性和錯誤拒絕之間整體平衡性上表現(xiàn)最佳。

據悉，螞蟻百靈大模型Ling-Plus和Ling-Lite將計劃開源，并應用于醫(yī)療、金融等行業(yè)領域。

打破英偉達“算力霸權”？

有分析稱，百靈系列混合專家模型的推出標志著螞蟻集團加入AI領域的競賽。自DeepSeek展示出能夠以遠低于OpenAI和谷歌投入的數十億美元成本訓練出強大模型以來，這一競爭加速升級。 

此前，DeepSeek在技術論文中表示，DeepSeek-V3模型（總參數671B，激活參數37B）總訓練成本為557.6萬美元，完整訓練消耗了278.8萬個GPU小時，幾乎是同等性能水平模型訓練所需的十分之一，堪稱“榨干”GPU，也因此引發(fā)了資本市場的恐慌。

對此，英偉達CEO黃仁勛在公開場合多次贊美DeepSeek，但其認為，DeepSeek-R1等更高效的模型出現(xiàn)，反而會刺激計算需求增長。

然而，螞蟻集團正在探索一條新的路徑——在無高端GPU的情況下擴展模型訓練能力。 

百靈系列混合專家模型的橫空出世，讓市場再次質疑英偉達的“算力信仰”。HuggingFace工程師Tiezhen Wang在社交媒體上表示，“做空英偉達的又一理由？”

圖片來源：X

著名硬件媒體Tom's Hardware指出，如果螞蟻集團此次技術突破意味著實現(xiàn)了（與DeepSeek）類似的AI訓練效率飛躍，這極有可能成為（中國）降低對西方技術依賴進程中的又一重要里程碑。

螞蟻集團有關人士告訴《每日經濟新聞》記者，在模型訓練過程中，他們既使用了國產芯片，也采用了英偉達芯片。 

Tom's Hardware發(fā)表評論稱，螞蟻集團此次技術突破清晰展現(xiàn)出中國正堅定地朝著技術獨立方向邁進。

彭博資深商業(yè)智能分析師羅伯特·李（Robert Lea）同樣指出，螞蟻集團的研究展示了中國在AI創(chuàng)新方面的快速進步，也顯示出本土企業(yè)正朝著AI自給自足的方向邁進。