用国产芯片训练AI，成本降了20%？今日蚂蚁集团采用了包括阿里巴巴，和华为在内的国产芯片训练AI模型，最终得到的结果与使用H800芯片训练效果差不多，但成本降低了20%，这到底是蚂蚁集团的技术突破，还是被美国芯片禁令逼到墙角的无奈之举？
蚂蚁集团这次的操作，核心有两条：用国产芯片，将其堆砌在硬件之中；再用混合专家模型（MoE），以此来提升效率。
从华为的昇腾到阿里的含光，这些国产芯片单独拿出来，或许难以与英伟达的王牌相抗衡。不过蚂蚁采取了田忌赛马的行动策略，将复杂的AI训练任务分解成小块，让不同芯片各自展现其能力。比如动态地进行参数分配，使低性能芯片处理简单数据，而高难度任务则交给算力更强的模块，竟然将综合成本降低了百分之二十。
更狠的是，自适应容错技术，让训练过程，能够容忍硬件的失误，从而省下因重头，而带来的算力损耗；混合精度调度，就像是一位精打细算的管家一样，能让芯片在不同的场景下，切换其运算模式，甚至连小数点后几位的电费都要节省下来。
并且蚂蚁集团慷慨地表示：我们会逐步开源。把优化后的训练框架DLRover予以开放，以降低中小企业的AI门槛。试想一下，当更多开发者借助蚂蚁的方案来适配华为、阿里芯片时，这些国产硬件便会形成事实上的标准，最终有没有可能将英伟达挤出中国市场？
但开源的同时也是一把双刃剑。论文表明，蚂蚁的Ling-Lite模型，在英语测试当中，碾压MetaLlama；在中文场景里，更是吊打DeepSeek，这哪是技术分享？分明是在用开源，来换取市场话语权。
黄仁勋称，唯有更好的芯片方可创造价值；而蚂蚁却以行动表明，用更为省俭的芯片也能存活下去。这也折射出了中国AI企业所面临的集体性窘境：
算力焦虑：美国一纸禁令，让中国AI公司从拼算法变成拼库存；
生态断层：国产芯片单打独斗多年，直到今天才借AI训练找到应用场景；
成本陷阱：大模型训练烧掉的钱，比某些独角兽公司的估值还高；
不过从另一个角度思考，这种“戴着镣铐跳舞”的状态，反而促成了更坚实的技术突破。就比如昔日的航天事业，依靠算盘，成功实现了两弹一星的壮举；如今中国的人工智能企业，通过自主研发的芯片以及算法改进，顽强地挑战算力的极限，这又何尝不是一场新的技术征途呢？
当我们在为20%的成本下降欢呼时，别忘了另一个数字，全球AI算力市场，英伟达仍占据90%份额。
蚂蚁的尝试值得点赞，但真正的胜利不是用国产芯片替代H800，而是让国产芯片长出H800没有的能力。毕竟跟着别人定规则的游戏，赢得再漂亮也只是亚军。
