中国大模型训练如何突破算力瓶颈
经济观察报发文诊断中国大模型难以反超的根源在训练算力,提出短期以系统工程和模型提效弥补并用好进口芯片,中期补产能与软件生态,长期攻关光刻机等核心设备。文章引斯坦福2026年AI指数称中美最佳模型性能差距已缩至约2.7%,但Epoch AI估算训练计算量仍相差一个数量级,DeepSeek-V3用2048张H800把训练成本压至约560万美元的提效路线存在天花板。
中美模型差距的实质是训练算力体系差距,提效只能追近难以反超,竞争核心是把数万张卡连成一台机器的成体系能力。
- 影响国产算力现阶段主要用于推理,前沿能力仍依赖进口芯片或外部模型;稀缺环节握有定价权,存储等成本上涨会传导至算力采购价格;训练体系集中于华为一家,技术选型需计入路线集中风险。
- 参考可考虑把训练与推理分开规划算力,推理和中等规模任务先在国产体系验证并积累迁移经验;值得评估进口芯片获批空间,前沿需求优先投向经过大规模验证的方案;可跟踪政府对国产体系前沿规模训练的奖励与保障采购政策。