螞蟻集團 AI 訓練技術新突破，採用中國自製晶片降低 20% 成本！

螞蟻集團（Ant Group）近期發表研究，顯示其 AI 模型訓練成本可降低 20%，並成功使用國產半導體取代部分輝達（Nvidia）晶片。此舉突顯中國 AI 技術自主發展的進展，並在美國對華高端晶片管制下探索新路徑。

Table of Contents

採用自製晶片，降低 AI 訓練成本

彭博社引用知情人士的消息報導稱，螞蟻集團利用中國製造的晶片，包括阿里巴巴和華為技術提供的硬體，來訓練其 AI 模型，並採用了「專家混合」（Mixture of Experts, MoE）機器學習技術，獲得與英偉達 H800 晶片相當的成果，並且降低了 20% 的 AI 模型訓練成本。

報導指出，儘管螞蟻集團仍在使用輝達的晶片進行 AI 開發，但現在更依賴 AMD 及國產半導體作為替代方案，以降低對美國進口晶片的依賴。數據顯示，使用高性能硬體訓練 1 兆個 token 需約 635 萬人民幣（約 88 萬美元），但透過優化技術，該成本可降至 510 萬人民幣（約 70 萬美元）。

這項研究顯示，螞蟻集團正在探索更具成本效益的 AI 訓練方式，試圖突破昂貴 GPU 的限制，推動 AI 技術的普及應用。

MoE 模型已成為 AI 領域的一大趨勢，Google 和中國新創公司 DeepSeek 均採用該技術來提升運算效率。該模型透過將任務拆分為不同部分，類似專業團隊的協作，提高 AI 訓練的效能。

螞蟻集團已將「Ling」系列 AI 模型開源。其中，「Ling-Lite」擁有 168 億個參數，而「Ling-Plus」則達 2900 億個參數。相比之下，專家估計 ChatGPT 的 GPT-4.5 參數量達 1.8 兆，DeepSeek-R1 則約 6710 億。

螞蟻集團近期發表的研究論文聲稱，其 AI 模型在某些基準測試中表現優於 Meta（Facebook 母公司），並且在中文基準測試中，Ling-Lite 和 Ling-Plus 兩款模型皆超越 DeepSeek 模型。如果這些結果獲得驗證，將證明中國 AI 技術的實力正逐步提升。

輝達執行長黃仁勳此前曾表示，企業未來仍將仰賴更高效能的 GPU 來增加運算能力，而非尋求更便宜的解決方案。然而，螞蟻集團的研究卻顯示，在美國對華技術封鎖的背景下，中國 AI 企業正在尋找替代方案，以更低成本發展自身技術。

彭博行業研究分析師 Robert Lea 指出，螞蟻集團的研究顯示，中國 AI 技術的創新能力正在加速發展，並逐步減少對美國高端晶片的依賴。

然而，研究也指出，螞蟻集團在訓練 AI 模型時仍面臨穩定性挑戰，例如硬體或模型結構的微小變動可能導致錯誤率飆升，顯示中國製晶片在 AI 訓練方面仍需進一步優化。