閱界資訊

第399期:中國 AI 大廠訪問記

閱閱界編輯部2閱讀5分鐘

今年5月上旬,一個美國訪問團來到中國,訪問了14家 AI 和機器人公司。訪問對象包括 DeepSeek、月之暗面、MiniMax、智譜、字節跳動、阿里、螞蟻、小米、零一萬物、宇樹、魔搭社區等。

所有成員都是科技分析師,回到美國後,每個人都寫了訪問觀感:Kevin Xu、afra Wang、Florian Brand、Nathan Lambert、 Azeem Azhar、Lily Ottinger and Kai Williams、Jasmine Sun、Lingua Sinica、Caithrin。這些文章有很多有意思的內容,我做了一些摘錄。爲了保證閱讀體驗,就不單獨註明每一段的出處了。1、算力的差距

我們在每一家公司都聽到一個共同的抱怨:算力不足。這使得實驗次數減少,模型規模縮小。中國的算力不足,主要是美國的芯片出口管制政策造成的。我們感興趣的是親眼目睹本土公司如何應對。雖然供應並非完全短缺,中國公司仍然能夠拿到英偉達的 H100、B200 和 B300 顯卡,但是數量至少比美國競爭對手少一個數量級。

英偉達最新款的 GB300 NVL72 系統(72顆英偉達最新 GPU 組成一個系統)的實時推理速度比三年前的 H100 集羣快30倍,每顆芯片的內存容量高出3.6倍,每次推理的能耗降低了25倍。美國公司正在大量訂購這些系統,而中國公司卻無法做到。

中國科技公司,尤其是華爲,在研發 AI 芯片方面取得了長足進步。但即使是華爲今年3月發佈的最新芯片 Ascend 950PR,其性能也僅與2022年發佈的 H100 大致相當。而且,這些芯片的出貨量遠低於 H100。據估計,英偉達僅在2025年10月之前就已出貨了700萬顆 Hopper 和 Blackwell GPU,而且出貨速度還在不斷增長。華爲計劃今年出貨75萬顆 Ascend 950PR 芯片,這仍然只有英偉達去年出貨量的十分之一左右。

結果就是,美國在算力方面擁有巨大的領先優勢。我們估計,2025年底美國 AI 行業的算力大約是中國的8倍。中國 AI 公司目前總的算力,大致相當於美國2023年的規模。我們向中國研究人員分享了 OpenAI 內部每位研究人員擁有的 GPU 數量。他們聽到這個數字時,簡直驚呆了。然而,我們都知道,OpenAI 的研究人員,或者說西方所有 AI 公司的研究人員,仍然會抱怨他們的算力太少。2、算力的分配

美國的大部分算力都用於模型訓練,而非服務客戶。但是,中國的情況不同,算力既要用來訓練模型,又要服務於數億消費者和快速增長的企業用戶。如果拿出一半的算力用於服務客戶,那麼可用於模型訓練的算力就會減少。還有另一個需要考慮的因素。美國的算力主要由五家公司主導:OpenAI、Anthropic、Google、Meta 和 xAI。而在中國,各大科技公司都在積極研發自己的前沿模型,算力池被進一步分割。3、計算效率

如果按照這種邏輯,既然中國的算力規模比美國落少兩年,那麼中國模型也應該至少比美國落後兩年。但是,情況並非如此。許多分析都認爲,中國模型只比美國模型落後幾個月。事實上,在某些方面,兩國模型似乎是並駕齊驅的。原因是芯片管制反而促使中國公司提高計算效率。我們發現,中國公司的單位算力支持的 AI 智能是簡單擴展下的 4-7 倍,這彌補了算力的不足。4、開源的分歧

目前,最好的 AI 開源模型是中國公司發佈的。但是,對於是否開源自己的模型,中國公司內部有分歧。公司的財務狀況和收入壓力,會影響到開源意願。目前,對於是否開源,有一條界限正變得越來越清晰:模型參數規模達到一萬億。

一些公司認爲,開源一萬億或以上參數的模型是一種資源浪費,因爲沒人能在本地機器上運行如此龐大的模型,而開源模型的典型應用場景正是本地機器。發佈一萬億參數模型的更好方式是將其託管在公司自身的雲基礎設施上,只發布它的 API,方便用戶使用。但是對於另一些公司,開源模型近乎一種信仰,而構建萬億參數級別的模型則是開源事業的入場券。5、西方化還是中國化

有些中國 AI 公司呈現出典型的“西方”風格,處處洋溢着硅谷式的酷炫氛圍,甚至連贈送的周邊產品都體現了這一點。另一些公司變得越來越“中國化”,把打造一個光鮮亮麗的展廳視爲頭等大事。這些展廳用來接待參觀者,通常是國有企業 CEO 和地方幹部。參觀之後,還會舉行晚宴招待。我認爲,這既是一種選擇,也是一種無奈之舉,源於創始人的背景以及公司選擇的業務類型。6、對其他公司的看法

我們發現,所有中國 AI 公司都敬畏字節跳動的 Seed 部門。那是中國唯一的閉源 AI 前沿團隊。它就像房間裏的大象,卻在翩翩起舞。它的豆包幾乎壟斷了 AI 的用戶流量,他們的模型都可以快速推廣到海量用戶,其他公司無法匹敵這一點。DeepSeek 則是業內最受尊敬的公司,越來越多地承擔基礎層的工作:架構、效率、推理優化,以及華爲協議棧適配。7、實習生

來源|阮一峯科技愛好者週刊第 399 期,

每週精選周刊头条

評論(0)

暫無評論,來搶第一條。