在美中科技競賽持續升溫之際，由馬雲創辦、與阿里巴巴關係密切的中國金融科技企業螞蟻集團，近日傳出已成功利用國產晶片訓練人工智能模型，且成本降低近兩成，效能幾可媲美使用輝達（Nvidia）高階晶片。這不僅代表中國科技業者逐漸擺脫對美國晶片的依賴，也為國產AI技術發展注入強心針。
據外媒報道，螞蟻集團近期推出兩款自家開發的大型語言模型（LLM），分別為「百靈輕量版」Ling-Lite 與「百靈增強版」Ling-Plus。據了解，這些模型在訓練過程中所使用的硬體並非昂貴的輝達GPU，而是中國本地供應商，包括阿里巴巴與華為提供的處理器，輔以超微（AMD）晶片組合搭配。
螞蟻集團採用「混合專家模型」（MoE，Mixture of Experts）技術來優化訓練流程。這種架構透過將任務分派給不同模組中的「專家」，讓AI模型只需動用部分參數進行推理，大幅提高效率並節省資源。該方法在Google與中國AI新創如DeepSeek中亦被廣泛應用。
採本土晶片與MoE技術
消息指出，螞蟻集團在這次模型訓練中刻意降低對輝達晶片的依賴，僅在部分開發階段使用其產品。大部分訓練工作轉向採用中國製與AMD晶片的組合，整體運算表現竟接近使用輝達H800晶片的標準。值得注意的是，H800雖非輝達最先進的GPU，卻因性能優異，早已被美國政府列入對中出口禁令清單。
根據螞蟻集團對外發布的技術數據，以高階硬體訓練一萬億個AI學習單位（token）約需成本635萬元（人民幣，下同，而採用其優化方案與本地硬體後，可將支出降低至510萬元，節省幅度達20%。這對致力發展本地AI模型的企業而言，無疑是一大吸引力。
Ling-Plus模型參數量達2,900億，在業界屬於大型語言模型之一。雖然與GPT-4.5的1.8萬億參數相比仍有差距，但已遠超許多市面主流產品。此外，螞蟻還聲稱其模型在某些測評中超越Meta的語言模型表現，儘管尚未獲得第三方驗證，仍引發外界對中國AI實力的重新評估。
不靠高階GPU也能訓練LLM
傳統AI訓練仰賴強大GPU運算力，輝達執行長黃仁勳更曾公開表示，高效AI模型對硬體的需求將只增不減，未來企業若要提升獲利，關鍵仍在於更快、更強的晶片。然而，螞蟻集團則另闢蹊徑，著眼於「用更少的算力完成更多工作」，目標是在不倚賴高階GPU的情況下持續擴展模型規模。
這一理念與輝達依賴重裝硬體的策略可說背道而馳，但卻為成本受限的企業與開發者提供了另一條可行路徑。對於無法取得先進美國晶片的中國市場而言，這種運算思維轉變，或許將成為AI技術本土化的重要突破。
螞蟻集團的最新成果不僅展現其技術研發實力，也突顯中國科技業在外部制裁壓力下的快速適應力。隨著DeepSeek等本土公司紛紛推出低成本、高效率模型，中國正加快形成一條屬於自己的AI供應鏈，為日後在國際AI競爭中爭取更多主導權。 （編輯部）
下載APP