聪明的东西
作者郑方
编辑
迅速的受欢迎程度是将大型模型领域的激烈竞争推向新的高度！
一方面，全球大型模型制造商正在与中国和美国的应用程序市场进行战斗，而发起了反击。另一方面，作为AI竞赛的核心战场，计算能力竞赛已重塑，并在国内外赢得了各种云巨人。 ，芯片公司支持它。
接下来是海外有许多测试。美国和澳大利亚政府宣布了一项完全的禁令，意大利，爱尔兰，英国和其他国家 /地区的政府可能已经发起了封锁行动或计划对其进行审查。
背后的最大关注点是，当前的成就也基于代表的海外计算能力平台。同时，对CHIP供应的海外封锁措施已不断升级，并且它们带来的限制正在增加。在这种情况下，实现国内生产的独立和可控制的计算能力尤其重要。它不仅涉及未来的发展方向，而且在整个行业的稳定性和安全性中起着重要作用。
为了抓住这一曲目中的主动权，计算能力竞争长期以来一直是无法避免的关键战场。看看整个国内市场，已经有一家公司在国家计算能力平台的道路上领先。
2023年7月，顶级国内大型模特参与者和国内计算能力提供商共同启动了国家计算能力平台。这是 Spark Big Model和华为的独立创新计算功率平台的结合。 2023年10月24日，和华为正式宣布推出了第一个Wanka国内计算功率平台“ Star One”，该平台支持万亿美元的参数大型模型培训。 2024年1月30日，在国家计算功率平台上训练的第一台 SPARK v3.5被发布，其性能基准对国际高级级别。此后， Spark的大型模型基础不断升级，到目前为止，它仍在中国。唯一具有全堆栈国内计算功率训练和双重推理实施的大型模型。
目前，大型模型对计算能力的需求不仅像潮汐一样激增，而且还显示出趋势的增加，并且正在迅速发展。同时，在复杂的地缘政治游戏中，海外筹码的阻塞变得越来越严重，没有放松的迹象。在这样的一般环境中，国内大型模型和国内计算能力的深刻整合将成为未来发展的不可避免的趋势。
国内模型行业和计算电源竞争的知名度将提出哪些新想法？国家计算功率平台在此阶段有多重要？它将如何努力将国内大型模型行业推向新的发展水平？我们正在尝试找到这些问题的答案。
1。中国公司打破了僵局，表现和成本击败美国同行
众所周知，计算能力，算法和数据是AI时代的三个主要引擎。建立一个强大的计算能力群集，不断创新的算法，以及对数据的广泛收集和精细处理，以促进大型模型的开发，这无疑是行业的重点。
这次，我们将通过算法创新取得突破。其受欢迎程度的关键因素可以用两点进行总结：性能和成本。
在绩效层面上，R1在数学，代码，自然语言推理和其他任务方面已达到世界一流的水平。
但是，罕见的明智之处是，没有成本消耗超出其强大绩效背后的范围。
根据该论文，其培训成本为557.6万美元，使用2,048 h800 gpus，并在两个月内使用6710亿个参数培训V3型号，相当于280万小时。
从其已发布的API定价来看，每百万投入的价格为0.14美元（高速公路命中率），0.55美元（高速公路MISS），每百万产量的价格为2.19美元，远低于O1的价格，甚至最新发布的O3--小型的。
在算法优化的路径中，已经从这两个角度积累了多年的AI领域的。
自发布以来，的的 Spark模型已锚定了分阶段的开发目标。 2024年， Spark完成了五次连续升级，继续基准为GPT-4 Turbo和GPT-4O。
就在今年1月初，它发布了 Spark Deep Model X1具有深刻的思考和推理能力，实现了较小的尺寸和更高的性能，多个测试集指标超过O1。
善于深入推理 Spark X1可以在给出答案的同时拆卸解决问题的想法和步骤。
在处理复杂的任务时，与其他模型相比，深层推理模型在推理能力，特征学习，概括学习等方面具有许多独特的优势。
它的推理能力支持它更好地处理多条件和多步逻辑推理问题并分析复杂的因果关系。同时，当它渗透到B-End 的业务场景中时，它还可以对复杂数据进行深入分析和推理，并为其制定策略。 ，计划业务方向，优化资源分配等。提供更准确的决策基础。
同时，深度推理模型也具有强大的概括能力，可以学习数据的一般规则和模式，并在遇到新的数据或问题时保持相对稳定的性能。
在这些层面上，深层推理模型在提高效率和竞争力方面具有优势。对于对输出速度和简单直接任务方案的高需求的用户，一般的大型模型更符合用户需求。
因此，未来将着重于提供具有广泛知识和基本能力的一般大型模型，以及着重于解决复杂问题并进行深入推断的深层推理模型。两者都将相互补充并在特定任务和字段中起关键作用。
X1的另一个主要特征是国家计算电源平台培训。独立且可控制的计算功率平台从根本上为大规模模型成本控制提供了支持。
董事长Liu 承认，由于 Spark X1的某些任务确实很困难，而且国内计算能力平台上的培训时间较短，并且数据量很小，因此仍然有很大的改进空间在下个月内将进行新的升级。
使用算法创新为国内GPU打开了一个“金窗户”。 的全栈独立技术系统在这种新的AI战斗情况下占据了领先地位。
2。打破垄断并充电国家计算能力平台
的GPU一直被视为AI和高性能计算等领域的标准，但是从筹码到美国，连续禁令的发布使国内计算能力的关键价值越来越突出，并且市场上升了，市场已经上升了一直以来。
在算法创新的迅速发展和强烈推动行业变化的背后，计算能力领域不仅迎来了前所未有的发展机会，而且还面临着许多严重的挑战。
首先，有机会。
以低成本获得高性能的结果，吸引了许多领先的平台和芯片制造商合作，不仅扩大了自己开发的市场空间，而且还可以优化算法，尽管某些国内GPU在产品方面差距是产品的差距绩效，创新的应用程序场景和其他方面，我们看到了更多的发展可能性。
同时，已经采用了其低成本和高性能开发范式，为技术和资本积累不足的AI公司提供了参考和想法，以便在有限的资源下实现大规模的绩效突破。更多公司的进入以及对计算能力的不断增长也是国内计算能力的主要市场机会。
第二个是挑战。
在国家计算功率平台上进行培训 +推理非常困难，但它们都不必不可少。
大型计算能力的需求包括两个方面：培训和推理。由于诸如国内芯片的单卡表现，各种制造商的生态系统的不兼容，在大规模培训期间的高失败率以及相互联系的沟通，大规模培训的难度。它高于推理。
此外，对并行算法，数据传输速度，软件工具链的成熟度，专业人才等的优化将成为构建国家计算功率平台的门槛，这也使许多公司脱颖而出，因此有些公司，因此考虑培训的公司。这很困难，并且会选择专门研究推理。
从“国家生产”计算能力平台的角度来看，它的未来是尚未踏上踏步的“ Unman's Land”。
建立超大国家计算功率集群时，有必要适应国内计算功率平台的效率优化。如何实现有效的集群计划，稳定的通信体系结构和低延迟数据交互，没有成熟的技术。路径和实践经验可供参考。
在机会和挑战并存的那一刻，将“国家计算能力平台”变为现实的第一件事就是。
在研发团队的长期突破下，基于和创建的第一个Wanka国内计算功率平台“ Flage Star One”，以支持万亿美元的参数大型模型培训，Spark Big Model实现了全堆栈的家庭改编优化 。
Liu 曾经透露，基于上升910B，克服了许多困难且复杂的问题，解决了数百个基本软件和硬件问题，模型适应问题等，从而使A100/A800的20个大型模型培训基准。 ％〜30％增加到90％以上。在进行大型模型培训时，国内计算能力的改善减少了国内公司对外国计算能力租赁的依赖，这对降低大型模型的成本产生了深远的影响。
在2024年10月的“飞星One”之后，由 Star One，和Hefei Big Data Asset Co.，Ltd.共同创建的国内超大智能计算平台“ Star Twiel Star Twip”在第一批计算能力上发布将于今年发射。
Spark Big Model是国家计算功率平台的最直接验证，它也是在国家计算功率平台的道路上前进的关键里程碑。
该国的独立计算能力已深深地嵌入的开发基因中，当前情况也证明了的“国家计算功率平台”的必要性和正确性。
3。生态合作和行业应用，国内大型模型产业连锁店已脱颖而出
在成为行业中热门讨论的重点时，它已经开始对国内大型模型行业的生态合作和行业应用的深入思考。
国内大型模型上游和下游工业连锁店参与者宣布合作。不仅国内GPU公司，例如Moore螺纹和技术，还包括华为Cloud和 Cloud等国内云计算巨头，AI基础设施（如Wuwen 和位于硅的流程）宣布了其适应和模型推出服务。
匆忙的冲动还提醒大型模型行业，数据安全，行业应用和生态健康正在利用发展的势头。
在算法创新和计算电源开发的背后，数据也是模型功能开发的首要任务。让大型模型渗透到企业和重要行业的关键之一是确保其核心数据的安全性并有效地利用这些数据。起来。
在AI领域，有20多年的深层种植也为提供了数据优势。 正在利用其独立和可控的技术能力和行业合作的优势来建立高质量的数据飞轮。
在现场应用程序级别，大型模型开发的核心主张是深入方案并提高成本和效率。在这个关键节点上，如何使驱动的工业股息渗透到不同的行业中，并在关键方案中真正发挥作用，必须与以前的行业参与者的经验积累相结合，以找到最快的实施情况。
工业合作也是关键。尽管产业连锁店玩家共同努力，以不断优化算法并利用模型的潜力，但他们将根据行业的痛苦点进行应用程序创新，从而使大型模型行业发展健康和积极。
查看国内计算能力，数据安全性，方案应用程序和行业创新，我们发现的业务布局表明它已经领先。
在制作大型模型的第一天，确定了“ 1+N路径”。 结合了一般基础，工具链和知识工程，从顶级计划到实施，包括“构建计算能力，调节数据，培训模型，实施场景，确保安全性和改进的操作”，包括完整的解决方案。”
迄今为止，在大型竞标市场中， 州立企业既有获胜的投标次数和获胜的投标量。它还赢得了许多领域的第一名，例如教育，医疗和金融。其中，它为教育领域的1.3亿教师和学生提供服务。超过50,000所学校已经深入建设了12个国家智能教育示威区；医疗领域的医疗助理涵盖了677个地区和县，可在该国为600个年级医院提供服务，并与7家前十名医院进行了深入的合作；高级金融客户在金融领域的通信和人民保险银行赢得了27个竞标。
这些深入的合作行业案例已成为开发模型的关键积累，并向行业提供反馈，通过技术迭代和提高效率来注入持续的动力，并取得了互惠互利的循环，并获得了互惠互利的循环，并取得了胜利的结果。 。
整个国内工业连锁店的合作使中国大型模型行业的发展成为一个新阶段，而的布局也为开发工业连锁店树立了榜样。
可以用一个句子总结的生态布局：增强C-End的用户体验，加深B-End行业的应用，并选择在G-End中合作的战略布局。
Liu 提到，需要做的是加强C端，加深B端并选择G-End。学习机是在必须做的大型模型时代跨越差距的C端产品；继续加深与汽车，金融和运营商在B端的合作；选择G-End上的合适城市以抓住机会。
根据国家生产平台种植了高耸的树木，并形成了一套可重复使用的“国内计算能力大型模型方法”，从芯片适应到框架优化，从而促进了国内技术的兴起。
结论：它引发了一波，使用国内计算能力突破
受欢迎程度改变了大型模型行业的发展模式，甚至首席执行官山姆·奥特曼（Sam ）也承认，他的主要优势正在缩小。
在这种变化浪潮中，算法创新继续进行迭代，这也使国家计算功率平台的重要性越来越突出。 的前瞻性布局现在被推到新的峰值。
在国家计算功率平台，模型场景应用程序和生态协作布局方面取得了道路，它为国内生产的基础建立了建筑，帮助中国的AI行业在全球竞争中迈出了关键的一步。
本站候鸟号已成立3年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论