知情人士透露，蚂蚁集团利用中国制造的芯片开发了训练AI模型的技术，成本降低了20%。
蚂蚁集团使用了国产芯片，采用所谓的专家混合（Mixture of Experts）机器学习方法来训练模型，取得了与英伟达H800芯片一样的效果。
蚂蚁集团仍在使用英伟达进行AI开发，但现在主要依赖AMD以及中国芯片在内的替代品来开发最新模型。如果这些模型如宣传的那样，蚂蚁平台可能通过大幅降低推理或支持AI服务的成本，为中国人工智能发展迈出又一步。
随着全球公司向AI投入巨资，MoE模型已成为一种热门选择。
该技术将任务分成较小的数据集，就像拥有一支专家团队，每人专注于工作的一个部分，从而提高效率。
然而，MoE模型训练通常依赖于高性能芯片，如英伟达GPU。
成本对许多小型公司来说过于高昂，限制了更广泛的采用。
蚂蚁集团一直在研究更高效地训练大型语言模型（LLM）的方法，以消除这一限制。
中国大厂明确表明了目标，未来无需高端GPU即可扩展模型。
这与英伟达的理念背道而驰。
黄仁勋认为，即使出现了像DeepSeek R1这样更高效的模型，计算需求仍将增长，公司需要更好的芯片来增加收入，而不是更便宜的芯片来降低成本。
坚持具有更多处理核心、晶体管和更大内存容量的大型GPU战略。
蚂蚁集团表示，使用高性能硬件训练1万亿个令牌的成本约为635万元人民币（88万美元），但优化方法可将成本降低至510万元人民币，使用较低水平的芯片。
该公司计划利用大型语言模型Ling-Plus和Ling-Lite上的最新突破，为包括医疗和金融在内的工业AI解决方案提供支持。
论文表示，Ling-Lite模型在一个关键基准测试中表现优于Meta的Llama模型之一。
Ling-Lite和Ling-Plus模型在中文基准测试中均超过了DeepSeek的同类模型。
如果你找到一个突破点击败了世界上最好的厂商，你可以说你打败了他们，这就是为什么现实世界的应用很重要。
蚂蚁集团已将Ling模型开源。
Ling-Lite包含168亿个参数，这些参数是可调节的设置。
Ling-Plus拥有2900亿个参数，在语言模型领域被认为相当庞大。
相比之下，据《麻省理工科技评论》估计，ChatGPT的GPT-4.5拥有1.8万亿个参数。
DeepSeek-R1则有6710亿个参数。
蚂蚁集团在训练的某些领域遇到了挑战，包括稳定性。
即使硬件或模型结构的微小变化也会导致问题，包括模型错误率的突然上升。
