蚂蚁集团大模型技术突破！

2025年3月24日，蚂蚁集团Ling团队发布的一篇技术论文在AI圈引发震动。其推出的两款MoE大语言模型——百灵轻量版（Ling-Lite）与百灵增强版（Ling-Plus），不仅以168亿和2900亿参数的规模跻身行业前列，更通过“无需高级GPU”的训练策略，将国产芯片推向了AI算力的核心战场。这一技术突破背后，隐藏着怎样的产业变革信号？又将如何重构资本市场对AI算力赛道的估值逻辑？

技术突破的本质：

一场“降本增效”的算力革命

蚂蚁集团此次的论文核心在于“资源受限环境下的高效训练”。其3000亿参数的MoE模型在使用国产GPU的低性能设备上，性能竟与英伟达芯片训练的同类模型相当，且成本降低近20%。这一成果的关键在于三大创新：

• 动态参数分配与混合精度调度：通过灵活分配算力资源，减少硬件性能不足的制约；

• 自适应容错恢复系统：缩短训练中断响应时间，提升低端硬件的稳定性；

• 知识图谱驱动的指令微调：以结构化知识优化模型输出精度，弥补硬件性能差距。

当前AI模型的训练成本动辄数千万甚至上亿元，而蚂蚁的技术路径将直接压缩企业研发开支，提升资本回报率。若该方案推广，国产GPU厂商的订单需求可能迎来爆发式增长，相关企业的估值逻辑或从“替代预期”转向“实际落地”。

国产芯片的“逆袭”：

从备胎到主力的转折点

长期以来，英伟达GPU因性能优势垄断了AI训练市场，但高昂的成本与供应风险（如2024年的芯片短缺）倒逼企业寻求替代方案。蚂蚁的成果证明，国产GPU（如壁仞科技、沐曦股份等厂商产品）已具备支撑顶尖大模型训练的能力。

实验显示，使用国产低端硬件训练1万亿token的成本为508万元，较高性能配置节省20%。这为两类企业带来机会：

• 国产GPU厂商：壁仞科技、沐曦股份等正在冲刺IPO，若技术验证成功，其市场空间将从“政策扶持”转向“商业刚需”；

• 云计算服务商：低成本算力可能推动AIaaS（AI即服务）模式普及，加速中小企业的AI应用落地。

行业生态重构：

从“堆算力”到“拼效率”的范式转移

蚂蚁的技术路径揭示了一个趋势：AI竞赛的核心正从“参数规模”转向“训练效率”。此前，DeepSeek已通过算法优化在低端英伟达芯片上实现顶尖性能，而蚂蚁进一步将这一逻辑延伸至国产硬件。这种转变将重塑行业格局：

• 头部企业壁垒削弱：依赖高价GPU建立的算力优势可能被算法创新抵消；

• 长尾市场激活：中小厂商可通过低成本方案切入垂直领域，例如医疗、金融等场景的定制化模型。

蚂蚁集团的技术突破不仅是单一企业的成果，更是中国AI产业链协同创新的缩影。若国产GPU+高效训练方案的组合能够规模化落地，全球AI算力市场或将形成“双轨制”：

• 高端赛道：英伟达仍主导超大规模模型训练；

• 中低端赛道：国产芯片凭借性价比优势，抢占新兴市场与行业应用。

在AI竞赛的下半场，“算力自主”已不仅是技术命题，更是资本市场的战略高地。蚂蚁集团的此次突破，或许正是国产算力从“跟随”到“并跑”的关键转折。对于投资者而言，关注国产GPU厂商的技术进展、头部企业的生态合作，以及政策对算力基础设施的倾斜，将成为捕捉下一波AI红利的核心线索。