国产芯片训练国内模型的逻辑思考

2026-11-20 14:49:041℃

国产芯片训练模型本身不是难事,现在海外asic芯片算子可以claude code直写,国内算子设计的好一点也不是大问题,文档和工程师生态的开放是重点,也就是要有算子编程的开放数据让大模型学,不开放不行。训练MoE模型,限制模型规模的是故障域,一代卡一代模型的意思就是一个故障域内能够稳定运行的晶体管总量有多少,故障域扩大了多少。


对于国内模型走跟随性训练的话,达到次旗舰的可行性是在的,但时间会拉长,原因在于芯片运行时间变长了。过程中可能存在某些噪音,这边缘场景跑不了,那缺了什么,这些是大概率事件,在使用过程中补充设计就好。


推理LLM大模型与视频小模型,国内的卡都能用,成本和效率逐步优化就行,但芯片设计的底层能力会体现出巨大的差异,为token买单的意愿会起来。


当前主流的商业化模型市场,中国的模型尺寸和能力都能用,agent缺的轨迹数据已经在快速补充。


2-3万亿参数模型已经发了多个,目前企业AI、内容创作这一类场景主流是用这个。agent之后任务可以通过agent一定程度拆解并补齐能力。至于20-30T的模型,北美在研发,商业化市场还不清晰,数学家、物理学家一类的场景的价值比较高,到时候再看如何跟随。


作者声明: 本文转载自第三方,旨在提供资讯参考,并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日,作者与文中提及的标的不存在持仓关系。

标签: 芯片

合规声明:本站发布的所有文章及观点均系个人研究共享,投资心得交流,不代表本站立场,且不构成任何形式的投资建议。投资者据此操作,风险自担,请务必保持独立审慎的决策态度。