蚂蚁集团回应 AI 训练成本优化：国产芯片 + MoE 架构实现降本 20%

3 月 24 日，蚂蚁集团就近期媒体关注的大模型训练成本优化进展作出正式回应，确认其通过国产芯片适配与混合专家（MoE）架构创新，成功将模型训练成本降低约 20%。这一突破不仅验证了国产算力的技术潜力，更通过开源计划推动行业技术普惠化进程。

蚂蚁集团研发团队通过《每一个 FLOP 都至关重要：无需高级 GPU 即可扩展 3000 亿参数混合专家 LING 大模型》论文，首次披露其技术路径。研究显示，基于阿里巴巴平头哥 RISC-V 架构芯片与华为昇腾系列国产 GPU 的混合部署方案，结合动态 MoE 训练策略，在保障模型性能的前提下，实现了计算成本的显著优化。

实验数据显示，训练 3000 亿参数的 MoE 模型时，采用低规格国产算力集群的成本较英伟达 H800 高性能方案降低 20%，且模型在语言理解、逻辑推理等核心指标上保持行业领先水平。这一成果打破了高性能 AI 芯片对大模型训练的刚性依赖，为资源受限环境下的技术创新提供了新范式。

蚂蚁集团同步宣布将逐步开源 Ling 系列模型框架及训练策略，包括 168 亿参数的轻量版（Ling-Lite）与 2900 亿参数的增强版（Ling-Plus）。通过开放模型架构、优化算法及硬件适配方案，旨在降低中小企业与研究机构的技术准入门槛。业内人士指出，这一举措将加速国产 AI 技术生态的完善，形成 “技术突破 – 应用落地 – 生态反哺” 的良性循环。