近年来，随着人工智能技术的飞速发展，尤其是大规模模型的不断涌现，算力需求呈现爆发式增长。传统上，GPU因其强大的并行计算能力成为深度学习训练的主力硬件，几乎无可替代。然而，受全球贸易限制、中美技术摩擦等多重因素影响，国产算力的自主可控性日益凸显，摆脱对国外GPU芯片依赖成为行业的迫切需求。在这种背景下，华为基于自研昇腾（Ascend）NPU的AI计算平台实现了重大突破：无需GPU的情况下，成功训练出接近万亿参数级别的稀疏大模型，并能在2秒内完成一道复杂高等数学题的理解与求解。这不仅意味着国产芯片的硬实力提升，更昭示着中国在AI算力领域实现了质的飞跃。
过去，GPU作为大规模深度学习模型训练的核心硬件，为NVIDIA等厂商所垄断，凭借成熟的软件生态和强悍性能成为行业标配。但随着AI模型参数数量呈几何级数增长，GPU面临的功耗、成本、供应链瓶颈逐渐显现，特别是在摩擦升级的国际环境中，国产化挑战与机遇并存。华为团队通过“昇腾+Pangu Ultra MoE”系统成功绕开了GPU的技术壁垒，采用自主设计的昇腾NPU—一种针对神经网络计算优化的处理单元，结合创新的稀疏专家大模型架构Pangu Ultra MoE，以及MindSpeed、Megatron、vLLM等自研软件框架，打造了一个端到端的自主AI算力训练平台。该平台不仅能够支撑超大规模的NPU集群，加载接近万亿规模参数级别的模型，还能以行业领先的训练效率，实现高等数学题目逻辑推理及解答时间控制在2秒以内，这在此前GPU主导的时代是难以想象的。
这种突破得益于华为深度软硬件协同创新的累积。昇腾CANN（Compute Architecture for Neural Networks）7.0版本引入了众多前沿技术，破解了大模型训练过程中参数爆炸带来的计算瓶颈。例如，DSSN架构（Depth-Scaled Sandwich-Norm）显著提升训练稳定性，使得系统能在超18TB的数据集上长期、高效运行，提高模型收敛速度和精度。同时，TinyInit小初始化策略解决了稀疏大模型训练时的数值不稳定问题，保障训练过程中的健壮性。昇腾超节点技术支持业界最大的384卡高速总线互联，形成大规模NPU集群高效协同能力，大幅提升了训练吞吐量。此外，结合自主研发的训练加速技术和端到端流水线设计，实现了从预训练到强化学习后续训练的无缝衔接，极大缩短了模型迭代周期。软件层面，全面支持MindSpeed、Megatron和vLLM等多样化框架，构建了灵活开放的AI训练生态，保障了软硬件的兼容性和扩展性。这些技术集成构成了华为昇腾平台强大的算力根基。
华为此次突破不仅是技术上的创新，更在改变全球AI算力格局中具有战略意义。在全球高性能计算资源供应链不稳定、贸易壁垒增加的现状下，昇腾平台提供了中国AI算力自主可控的切实路径。依托准万亿参数MoE模型，华为不仅在学术领域提升了稀疏大模型的训练能力，也紧密结合中国市场实际需求，面向搜索推荐、智能语音交互、生成式AI（AIGC）等应用场景深度优化，推动国产软硬件协同适配，赋能行业智能化升级。与此同时，华为积极推广昇腾AI云服务和DeepSeek训推一体机，推动AI应用在金融、医疗、制造等千行百业的落地，促进产业数字化转型。未来，随着国产大模型培训与部署生态日趋完善，华为解决算力“卡脖子”的瓶颈有望打破国外技术垄断，助力中国AI产业链独立自主，构建更为繁荣的本土技术生态。
华为基于自主研发的昇腾AI计算平台成功训练大型稀疏专家模型，跳出了GPU垄断传统，以卓越的软硬件协同创新实现了接近万亿参数模型的高效训练，且在逻辑推理速度上达到了令人瞩目的业界领先水平。该成绩不仅彰显了国产算力的竞争实力，也代表着中国在关键AI核心技术领域自主可控迈出了坚实且关键的一步。这一成就为未来国产芯片和大模型服务市场带来了广阔发展空间。随着昇腾平台和生态进一步成熟，中国有望在全球人工智能产业中占据更加重要的地位，推动AI技术和应用实现更深层次的融合和突破。
发表评论