职贝云数AI新零售门户

标题: 被卡脖子?DeepSeek下一代模型R2,至今没亮相!自研芯片联手包围把开发顺序搞反了?国产大模型自动适配国产芯片,还 [打印本页]

作者: Ph55Ox 时间: 2025-9-1 06:33
标题: 被卡脖子?DeepSeek下一代模型R2,至今没亮相!自研芯片联手包围把开发顺序搞反了?国产大模型自动适配国产芯片,还
假如你关注AI，最近一定被这条音讯刷屏了：阶跃星斗结合近10家芯片厂商，正式成立了“模芯生态创新联盟”。这能够正在改写中国AI发展的游戏规则。

稀有的是，沐曦陈维良、天数智芯盖鲁江、燧原赵立东、壁仞张文，这四位很少同台的国产算力芯片领军者，同时出如今阶跃星斗的发布会现场。而更值得玩味的是，他们携手发布的Step 3大模型，在国产芯片上的推理效率居然达到DeepSeek-R1的300%！

为什么说“过去产业把开发顺序搞反了”？

就在往年终，我们还沉浸在DeepSeek带来的震撼中。但很少有人留意到，DeepSeek原计划5月发布的下一代模型R2，至今没有亮相。

背后缘由令人沉思：英伟达H20芯片的断供风险，让依赖英伟达生态的大模型企业措手不及。

这暴露了一个致命成绩：芯片开发周期长达两年，而模型迭代速度只要半年到一年。假如总是让芯片厂商追着模型做适配，结果就是“适配做好了，模型早已迭代”。

但阶跃星斗选择了一条相反的路：在模型开发阶段，就自动适配国产芯片的特性。

(, 下载次数: 1)

阶跃星斗结合创始人朱亦博解释得特别直白：“国产芯片在制程工艺、HBM（高带宽内存）等方面还相对落后，所以我们需求在算法设计上提早做调整。”

他们展现的一张对比图非常阐明成绩：在算术强度特性上，DeepSeek V3更适配英伟达H800，阿里Qwen 3倾向H20，而Step 3则与华为昇腾910B高度吻合。

这种吻合并非偶然。得益于阶跃星斗往年终发布的多矩阵分解留意力机制，Step 3将推理过程中的键值缓存用量降低了93.7%，这对算力相对有限的国产芯片来说几乎是雪中送炭。

沐曦创始人陈维良的评价一针见血：“阶跃星斗对国产芯片的了解深度，曾经不亚于芯片企业本身。”

(, 下载次数: 1)

你有没有发现，最近国产AI的风向变了？

以前大家聊大模型，总绕不开一个词：英伟达。仿佛没有H800、H20这些高端显卡，就别想训练出像样的AI。可如今，风头正在悄然转向——国产大模型末尾自动“适配国产芯片”，甚至拉上一帮“兄弟”组了个局，叫“模芯生态创新联盟”。

这不是简单的技术合作，而是一次从“被动等硬件”到“自动设计系统” 的思想跃迁。去我们是“模型做完，再找芯片跑”，如今是“做模型时，就想着怎样让国产芯片跑得更快”。

这背后，是中国AI产业正在阅历一场闹哄哄的“软硬协同革命”。

(, 下载次数: 1)

为什么如今要搞“模芯联盟”？

先说个理想：英伟达的高端芯片，越来越难买了。从去年的H800，到往年的H20，一次次被列入出口管制名单。这对大模型公司来说，几乎是“断粮”。

你能够会问：不是还有库存吗？可成绩是，库存总有用完的一天。而且，就算你有钱囤卡，下游客户怎样办？中小企业、地方政府、行业用户，谁情愿花大价钱去买一堆“将来能够用不了”的算力？

所以，国产芯片必须上位。但成绩来了：国产AI芯片（比如华为昇腾、壁仞、燧原、天数智芯等）虽然功能在追逐，可和英伟达的CUDA生态比，差的不只是算力，更是整个软件栈和工具链。

(, 下载次数: 1)

以前的大模型，比如DeepSeek V3、R1，都是基于英伟达架构优化的。如今要搬到国产芯片上运转，就得重新“翻译”一遍，工作量宏大。算力平台硅基活动的创始人袁进辉就说过，为了在昇腾上跑通DeepSeek，他们团队春节都没休息，天天和华为工程师“结合作战”。

这就像你写了一本英文小说，如今要翻译成中文出版，不只费时，还能够“水土不服”。

(, 下载次数: 1)

阶跃星斗的“反向操作”：模型为芯片而生。

于是，阶跃星斗决议换个玩法：我不等你适配，我从一末尾就为你设计。

他们在开发新一代多模态大模型Step 3时，就自动思索了国产芯片的特性——比如制程工艺没那么先进、高带宽内存容量有限、算力密度不如英伟达等。

怎样处理？他们搞了个新技术：多矩阵分解留意力机制。相比主流的多头留意力，MFA能把推理时的键值缓存用量降低93.7%！这意味着什么？意味着模型对内存的“胃口”变小了，更合适在资源受限的国产芯片上高效运转。

结果呢？在昇腾910B上，Step 3的推理效率最高能达到DeepSeek-R1的300%！更夸张的是，哪怕在英伟达Hopper架构上跑，Step 3的吞吐量也比R1提升了70%以上。

这阐明优化得当，国产模型在国产芯片上，也能跑出世界级功能。

(, 下载次数: 1)

联盟的意义：从“单打独斗”到“系统作战”。

更关键的是，阶跃星斗不打算一个人玩。他们结合华为昇腾、沐曦、壁仞、燧原、天数智芯、寒武纪、摩尔线程等近10家国产芯片和算力企业，成立了“模芯生态创新联盟”。

这个联盟简单说，就是打通模型和芯片的“任督二脉”。

过去，模型公司半年一迭代，芯片公司两年才出一代，节拍完全对不上。如今，联盟成员要同步产品开发节拍，甚至将来芯片还没发布，模型团队就能提早拿到设计参数，提早做适配。

这就像盖房子，以前是“先盖好楼，再装电梯”，如今是“设计图纸时，就把电梯井留好”。效率自然不可同日而语。

沐曦创始人陈维良说得好：“阶跃星斗对国产芯片的了解，曾经不亚于我们这些芯片公司本人。”这种深度协同，才是中国AI真正包围的关键。

训练仍难，但推理已破局。

当然，我们也要清醒：目前的打破次要在推理端。训练大模型，尤其是千亿参数以上的“巨无霸”，依然高度依赖英伟达万卡集群。

国产训练生态还在起步。目前最接近万卡规模的是科大讯飞和华为共建的“飞星二号”，但总算力仍难比肩英伟达。其他国产GPU集群，大多还在几百到几千卡的规模。

而且，训练不只是拼算力，还要拼底层工具链。英伟达的CUDA生态，积累了十几年，人才、库、框架一应俱全。而国产芯片的工具链，还得从头建，人才也极度稀缺。

所以，推理端的适配成功，是第一步；训练端的自主可控，才是真正的“圣杯”。

但别忘了，AI的赛道还在疾速演进。多模态——能看、能听、能说、能生成图像视频的AI——正成为新战场。

言语模型曾经“卷”到极限，但多模态的“GPT-4时辰”还没真正到来。这意味着，技术架构仍有宏大创新空间，国产芯片和模型无机会从早期就深度绑定，避免重演“CUDA一家独大”的场面。

阶跃星斗正是看准了这一点。他们一口吻发布了Step系列的多模态模型矩阵，包括视觉了解、语音生成、图像编辑、视频生成等。甚至在反光严重的菜单照片上，也能准确辨认价格——这种“真实场景可用性”，才是商业落地的关键。

更猛的是，他们曾经和一半以上的国产手机厂商合作，打造手机AI助手；和吉利合作，把端到端语音大模型装进汽车座舱；还在金融、批发、内容创作等范畴落地运用。

天数智芯CEO盖鲁江说得透彻：“从芯片、零件、模型到运用，假如能经过联盟建立一致标准，能省下多少适配成本？”

上海：软硬协同的“隐形冠军”。

有意思的是，这个联盟里，上海企业占了半壁江山：壁仞、燧原、天数智芯、沐曦、无问芯穹、硅基活动……全是上海本土成长起来的硬科技公司。

为什么是上海？由于这座城市，既有中芯国际、华虹这样的芯片制造根基，又有丰富的工业场景和金融、汽车等高端运用生态。更重要的是，上海国资敢于在早期重金投入AI，比如上海国投直接投资壁仞、阶跃星斗。

当其他地方还在“补链”时，上海曾经把AI做成了“城市基础设备”。

从依赖出口芯片，到自动适配国产硬件；从单点打破，到生态联盟；从纯软件创新，到软硬协同——这不只是技术的晋级，更是产业思想的跃迁。

模芯联盟的成立，或许就是那个“跳变”的末尾。将来，我们或许不再问“这模型能不能跑国产卡”，而是问：“这国产卡，是不是为最好的中国模型而生？”

那一天，才算真正跑通了中国AI的闭环。

欢迎光临职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)