技術(shù)只有變得足夠“便宜”，才能實現(xiàn)真正“普及”，從而深度融入到工作與生活的方方面面。

所以，當GLM-Image在API調(diào)用模式下生成一張圖片只需0.1元時，價格僅為海外同類產(chǎn)品的1/10至1/3，全球AI市場都為之震撼。

GLM-Image是智譜聯(lián)合華為開源新一代圖像生成模型，也是首個在國產(chǎn)芯片上完成全程訓練的SOTA多模態(tài)模型，其基于昇騰Atlas 800T A2設(shè)備和昇思MindSpore AI框架完成了從數(shù)據(jù)到訓練的全流程。

GLM-Image模型強大的性能表現(xiàn)，及背后的全棧國產(chǎn)化訓練歷程，給出了一個極具參考價值的答案 ：在AI高端領(lǐng)域，中國公司已走出無人區(qū)，實現(xiàn)全棧技術(shù)突圍，對于后續(xù)整個AI產(chǎn)業(yè)具有里程碑的意義。

GLM-Image，新架構(gòu)帶來變革

在AI生圖領(lǐng)域，主要存在擴散模型（Diffusion）和自回歸模型（Autoregressive，AR）兩種模型，兩者各有優(yōu)勢卻也存在短板。擴散模型難以理解復(fù)雜指令，在海報、PPT、科普插圖等知識密集型場景中，往往會“語義脫節(jié)”的短板，會出現(xiàn)物理邏輯錯誤等問題；自回歸模型則在生成圖像質(zhì)量難以令人滿意。

為此，智譜GLM-Image創(chuàng)新性采用了自回歸 + 擴散編碼器混合架構(gòu)。自回歸模型猶如“大腦”，擅長處理序列邏輯和宏觀語義，負責邏輯推理與框架構(gòu)建；擴散解碼器則專注于圖像的高頻細節(jié)還原，確保最終生成的圖像在視覺上達到工業(yè)級的美學標準。GLM-Image的混合架構(gòu)恰似“理解”意圖之后再進行生圖創(chuàng)作，這是向探索以 Nano Banana Pro為代表的新一代“知識+推理”的認知型生成模型邁出重要一步。

混合架構(gòu)的優(yōu)勢，使得智譜GLM-Image尤其擅長文字渲染，在海報、插畫等場景展現(xiàn)出強大的能力。來看看智譜GLM-Image的真實效果：

據(jù)悉，GLM-Image在CVTG-2K（復(fù)雜視覺文本生成）和LongText-Bench（長文本渲染）榜單獲得開源第一。

此外，GLM-Image在開源不到24小時就登頂全球知名AI開源社區(qū)Hugging Face Trending榜第一。Hugging Face是全球知名的開源AI模型與工具生態(tài)平臺，堪稱全球AI界的頂流。GLM-Image此次登頂，其模型SOTA性能、混合架構(gòu)創(chuàng)新和訓練過程引發(fā)了全球AI圈的廣泛熱議。

昇騰·昇思助力全棧突圍

再好的架構(gòu)與算法，如果沒有強大算力底座的支撐，也無法訓練出強大的模型。

眾所周知，像SOTA模型這種級別的前沿模型，對于AI算力集群的性能、穩(wěn)定性與通信帶寬有著極高要求，并且普遍需要國外AI芯片支撐此類訓練任務(wù)。不過，智譜GLM-Image模型進行了開創(chuàng)性嘗試，從海量數(shù)據(jù)預(yù)處理到大規(guī)模預(yù)訓練，再到最后微調(diào)全流程使用國產(chǎn)算力，使得其成為首個基于自主創(chuàng)新算力底座全程訓練的SOTA模型，也實現(xiàn)國產(chǎn)模型+國產(chǎn)算力+國產(chǎn)AI框架的全棧突圍。

具體來看，GLM-Image屬于多模態(tài)模型，需要處理大量文字和圖片數(shù)據(jù)，在模型訓練階段的內(nèi)存開銷和性能要求極高。為此，昇騰·昇思引入動態(tài)圖多級流水下發(fā)、多流并行執(zhí)行、高性能融合算子等特性，全面提升從數(shù)據(jù)處理、預(yù)訓練、SFT到RL的端到端性能。

例如，動態(tài)圖多級流水下發(fā)，徹底解決了Host側(cè)算子下發(fā)瓶頸問題。在NPU+CPU的集群中，大規(guī)模多核CPU會涉及到單線程算子下發(fā)跟不上NPU計算速度，導致設(shè)備側(cè)空轉(zhuǎn)與整體資源利用率偏低。依托昇騰+昇思MindSpore的軟硬件協(xié)同，通過動態(tài)圖多級流水下發(fā)，將Python執(zhí)行、算子shape推導與算子下發(fā)等關(guān)鍵階段進行流水化并高度重疊，有效提升Host側(cè)算子下效率。

又如，GLM-Image的多模態(tài)訓練場景中，文本梯度同步、圖像特征廣播、混合并行等操作都有復(fù)雜的通信需求。單流串行執(zhí)行時，計算和通信兩類操作互相等待，整體資源利用率低。為此，通過多流并行執(zhí)行機制，讓計算與通信兩類操作同時并行，打破通信墻和大幅提升資源利用率，整體提升訓練性能10%。

再如，昇騰CANN高性能算子庫提供包括AdamW EMA融合算子、COC通算融合算子等，針對性解決訓練后期loss震蕩、通信開銷大等問題，為GLM-Image模型的訓練帶來高性能和穩(wěn)定性。

無疑，基于昇騰·昇思構(gòu)建的國產(chǎn)算力底座在此次GLM-Image模型訓練中經(jīng)受住充分考驗，充分證明了從國產(chǎn)芯片、AI框架到多模態(tài)模型的全棧突圍并非遙不可及。

走出“無人區(qū)”具有里程碑意義

智譜與華為的此次深度合作，其意義遠超一個模型的簡單發(fā)布。

長期以來，中國AI開發(fā)者高度依賴國外AI硬件、AI框架等。事實證明，這種方式受制于人且充滿高度不確定性，嚴重束縛中國AI的創(chuàng)新與發(fā)展。而智譜GLM-Image模型的問世，驗證了在國產(chǎn)全棧算力底座上訓練高性能復(fù)雜多模態(tài)模型的可行性，這標志著國產(chǎn)AI正式走出“無人區(qū)”、實現(xiàn)全棧突圍，對于未來市場有著不可低估的影響：

其一、打破依賴慣性，給予國內(nèi)AI開發(fā)者們重要信心。智譜GLM-Image模型的出色表現(xiàn)具有里程碑的意義，證明國產(chǎn)大模型+國產(chǎn)AI芯片+國產(chǎn)AI框架的組合SOTA級模型領(lǐng)域同樣能打，后續(xù)其示范價值有望在AI開發(fā)者中得到持續(xù)影響。

其二、智譜GLM-Image模型開源，有望進一步激發(fā)AI生圖領(lǐng)域的創(chuàng)新。眾所周知，開源模式是降低創(chuàng)新門檻的和激發(fā)技術(shù)創(chuàng)新活力最為有效方式，而智譜GLM-Image開源，已經(jīng)受到Hugging Face等知名平臺的密切關(guān)注，未來有望吸納更多開發(fā)者了解和加入到智譜GLM-Image項目之中，從而激發(fā)AI生圖領(lǐng)域的迭代與創(chuàng)新。

其三、加速商業(yè)化落地和AI新生態(tài)形成。近年來，海外頻繁傳出中國大模型獲得全球用戶青睞的消息，根本原因在于中國大模型產(chǎn)品技術(shù)具備相當競爭力的同時，帶來極具性價比的使用體驗。像智譜GLM-Image在API調(diào)用模式將生成一張圖片做到只需0.1元，這無疑對整個AI生圖市場帶來巨大沖擊力，有望進一步推動AI生圖相關(guān)技術(shù)與產(chǎn)品的普惠和AI生態(tài)的形成。

綜合觀察

勇氣是不確定性時代唯一的通行證。

當市場充滿不確定性時，在人工智能的“無人區(qū)”里，本就沒有現(xiàn)成的路。智譜與華為的緊密合作，無疑走出一條獨立、安全且具有國際競爭力之路，不僅誕生出GLM-Image這樣出身的SOTA模型，更證明了國產(chǎn)AI全棧突圍并非遙不可及。

展望未來，隨著智譜在人工智能智能領(lǐng)域的持續(xù)探索，以及昇騰、昇思產(chǎn)品競爭力穩(wěn)步提升，國產(chǎn) AI 穿越“無人區(qū)”之后，迎接他們的將是AGI的星辰大海。

大數(shù)據(jù)在線是聚焦人工智能、大數(shù)據(jù)、云計算等前沿科技領(lǐng)域深度觀察的深度媒體。目前，大數(shù)據(jù)在線在微信公眾號、今日頭條號、新浪財經(jīng)、36氪、雪球號、觀察號等主流自媒體平臺均有入駐，積累粉絲超過20W；并榮獲今日頭條十大科技新銳媒體、商業(yè)新知十大人工智能媒體等多項殊榮。商務(wù)聯(lián)系請?zhí)砑游⑿牛篛wen_Inter，添加請備注具體信息。