國(guó)內(nèi)AI 企業(yè)開(kāi)始嘗試鋪設(shè)自己的軌道。

撰文|藍(lán)洞商業(yè) 于瑋琳

今年伊始，海外科技圈都在關(guān)注中國(guó)的算力問(wèn)題。

1 月，馬斯克在播客中稱，中國(guó)在AI 算力上「將遠(yuǎn)超世界其他地區(qū)」。2 月，OpenAI 首席執(zhí)行官奧特曼說(shuō)，中國(guó)在人工智能領(lǐng)域的技術(shù)進(jìn)步 「快得驚人」。英偉達(dá)CEO黃仁勛也多次公開(kāi)表示：「限制中國(guó)的AI技術(shù)，反而會(huì)加速其自主研發(fā)」。

2025年可以說(shuō)是供給端的集結(jié)之年。摩爾線程、沐曦股份等國(guó)產(chǎn)GPU接連登陸資本市場(chǎng)，國(guó)產(chǎn)大模型的產(chǎn)業(yè)基礎(chǔ)進(jìn)一步加深。2026年，變化向產(chǎn)業(yè)鏈下游傳導(dǎo)，4月下旬，多款國(guó)產(chǎn)大模型發(fā)布新版本。

4月20日，月之暗面推出擅長(zhǎng)長(zhǎng)程代碼編寫(xiě)的Kimi K2.6模型；4月24日，DeepSeek V4發(fā)布；隨后美團(tuán)LongCat-2.0-Preview開(kāi)放測(cè)試，兩者總參數(shù)規(guī)模均突破萬(wàn)億，且均支持1M超長(zhǎng)上下文。

值得一提的是，DeepSeek V4完成了從英偉達(dá)體系向華為昇騰平臺(tái)的遷移與適配；而美團(tuán)LongCat2.0則是訓(xùn)練推理全程基于國(guó)產(chǎn)算力的萬(wàn)億參數(shù)大模型，使用了5萬(wàn)至6萬(wàn)張國(guó)產(chǎn)算力芯片。

長(zhǎng)久以來(lái)，中國(guó)AI從業(yè)者，普遍策略是搭上已有的成熟方案?，F(xiàn)在，國(guó)內(nèi)AI企業(yè)開(kāi)始嘗試鋪設(shè)自己的軌道。

在荒野修路

你該如何完成一次艱難的任務(wù)呢？

科幻作家阿瑟·克拉克的答案是：「唯一的辦法是讓不可能本身，成為前進(jìn)的起點(diǎn)。」

DeepSeek V4從最初定檔到最終發(fā)布，時(shí)間調(diào)整了多次。外部普遍推測(cè)，原因之一，就是需要將核心代碼從英偉達(dá)的CUDA遷移出來(lái)。

CUDA生態(tài)經(jīng)過(guò)十幾年的打磨，已是一個(gè)功能強(qiáng)大、工具完備的開(kāi)發(fā)平臺(tái)。國(guó)產(chǎn)算力生態(tài)尚在構(gòu)建初期。遷移代碼的過(guò)程，意味著開(kāi)發(fā)團(tuán)隊(duì)需要做大量底層框架的重構(gòu)工作。

最終DeepSeek做到了，V4發(fā)布兩日后，摩根大通在報(bào)告中指出，V4成功適配華為昇騰芯片，驗(yàn)證了國(guó)產(chǎn)算力在前沿AI推理上的可行性；且DeepSeek通過(guò)混合注意力架構(gòu)等底層技術(shù)創(chuàng)新，顯著降低了推理成本。

DeepSeek用技術(shù)極客的方式降本增效，通過(guò)重寫(xiě)半個(gè)大模型的工作量完成硬核遷移。同日開(kāi)放測(cè)試的美團(tuán)LongCat-2.0-Preview，則是直接跑在國(guó)產(chǎn)算力之上。

國(guó)產(chǎn)算力在工程層面，有哪些難點(diǎn)？不妨以LongCat-2.0-Preview為例看看。

第一個(gè)難點(diǎn)，是物理層面的。國(guó)產(chǎn)硬件底座的顯存容量和帶寬與英偉達(dá)芯片有差異，訓(xùn)練部署萬(wàn)億參數(shù)模型時(shí)，美團(tuán)團(tuán)隊(duì)在工程方面有不小的挑戰(zhàn)，需要用更多精力去調(diào)試并行策略、優(yōu)化顯存。

第二難點(diǎn)，是軟件生態(tài)的成熟度，針對(duì)國(guó)產(chǎn)芯片的特性，確保訓(xùn)練全程的精確可復(fù)現(xiàn)，團(tuán)隊(duì)需要重寫(xiě)和優(yōu)化核心算子，以及自研全確定性的算子。

第三個(gè)難點(diǎn)，是萬(wàn)卡集群的穩(wěn)定性，在動(dòng)用5萬(wàn)-6萬(wàn)張國(guó)產(chǎn)算力卡的超大規(guī)模集群上，硬件故障難以避免。為此，團(tuán)隊(duì)構(gòu)建了一套完整的容錯(cuò)與自動(dòng)恢復(fù)體系。

最后，針對(duì)國(guó)產(chǎn)硬件的特點(diǎn)，團(tuán)隊(duì)在訓(xùn)練框架和模型結(jié)構(gòu)進(jìn)行針對(duì)性的親和設(shè)計(jì)，打破了通用框架的適配局限，提升了計(jì)算性能。

DeepSeek的算法優(yōu)化降低了算力的門檻，把模型的價(jià)格打了下來(lái)；美團(tuán)的工程實(shí)踐則證明國(guó)產(chǎn)芯片的可行性。這些探索，也給國(guó)產(chǎn)芯片生態(tài)沉淀出工程能力和經(jīng)驗(yàn)。

梁文鋒曾說(shuō)：「我們不是有意成為一條鯰魚(yú)，只是不小心成了一條鯰魚(yú)」，而今「鯰魚(yú)效應(yīng)」已經(jīng)顯現(xiàn)，DeepSeek并不獨(dú)行。

從單點(diǎn)到系統(tǒng)

騰訊云的湯道生曾有這樣一個(gè)比喻：「大模型是發(fā)動(dòng)機(jī)，使用者是駕駛員」。使用者很容易注意到發(fā)動(dòng)機(jī)的性能，但優(yōu)秀的駕駛員，會(huì)意識(shí)到燃料與底盤同樣重要。

中國(guó)算力的發(fā)展，依賴的是整條產(chǎn)業(yè)鏈的協(xié)同進(jìn)步。各個(gè)環(huán)節(jié)的核心企業(yè)，都在持續(xù)補(bǔ)足短板。

在制造端，公開(kāi)數(shù)據(jù)表明，中國(guó)芯片產(chǎn)量節(jié)節(jié)攀升，但卻是「啞鈴型」結(jié)構(gòu)，28nm以上成熟制程占絕對(duì)主力，14nm及以下先進(jìn)制程產(chǎn)能依然稀缺。

面對(duì)EUV光刻機(jī)缺位的現(xiàn)實(shí)，中芯國(guó)際、華虹半導(dǎo)體等企業(yè)正推進(jìn)多重曝光等工藝攻關(guān)，試圖在物理極限中尋找平衡點(diǎn)。多方報(bào)道顯示，中芯國(guó)際的N+2工藝（等效7nm）良率已經(jīng)突破80%，這意味著已經(jīng)跨過(guò)了商業(yè)化量產(chǎn)的門檻。

在算力端，國(guó)產(chǎn)芯片在單卡算力上與英偉達(dá)仍存在差距。華為昇騰910C等產(chǎn)品的實(shí)踐表明，通過(guò)極致的集群線性加速比，也能跑通體量巨大的模型訓(xùn)練。

「得生態(tài)者得天下」。英偉達(dá)CUDA構(gòu)建的護(hù)城河之所以深厚，一個(gè)重要原因是形成了普適性的軟硬件兼容標(biāo)準(zhǔn)。

行業(yè)從業(yè)者也意識(shí)到這一點(diǎn)。比如寒武紀(jì)推出基礎(chǔ)軟件平臺(tái)，兼容主流框架，降低開(kāi)發(fā)者的遷移門檻。智源人工智能研究院牽頭的開(kāi)源系統(tǒng)，構(gòu)建了統(tǒng)一的底層接口，讓上層模型可以運(yùn)行在多種不同的國(guó)產(chǎn)芯片上。

國(guó)內(nèi)互聯(lián)網(wǎng)大廠也有很多動(dòng)作，百度的雙軌戰(zhàn)略，字節(jié)跳動(dòng)的千億投入，都在為算力底座尋找更優(yōu)解。

據(jù)公開(kāi)數(shù)據(jù)梳理，在過(guò)去幾年中，美團(tuán)至少布局了21家覆蓋半導(dǎo)體/智能硬件和通用大模型領(lǐng)域的相關(guān)公司。其中，既包括芯片算力層的摩爾線程、沐曦股份，以及視覺(jué)芯片領(lǐng)域的愛(ài)芯元智；也包括新材料等細(xì)分賽道的廣州眾山、東方算芯等多家企業(yè)。

在技術(shù)長(zhǎng)期保持跟進(jìn)的同時(shí)，產(chǎn)業(yè)資本也在做算力的投資人和共建者，逐漸形成正向循環(huán)。

從數(shù)字世界，到現(xiàn)實(shí)任務(wù)

「當(dāng)下人工智能正處于第三次浪潮的重要拐點(diǎn)，大模型正推動(dòng)其從弱人工智能邁向通用人工智能，更關(guān)鍵的是，推動(dòng)機(jī)器人從1.0專用機(jī)器人時(shí)代進(jìn)入2.0通用具身智能時(shí)代?！?/p>

北京智源人工智能研究院院長(zhǎng)王仲遠(yuǎn)的話，點(diǎn)出AI能力的重要落點(diǎn)，是物理世界。

一方面，眾多國(guó)產(chǎn)廠商正致力于讓大模型在云端「讀萬(wàn)卷書(shū)」，提升模型的智慧、邏輯推理的嚴(yán)密性。另一方面，也要讓大模型「行萬(wàn)里路」，比如文心大模型被植入到自動(dòng)駕駛的決策系統(tǒng)中；混元大模型的工業(yè)質(zhì)檢方案，已出現(xiàn)在多個(gè)流水線場(chǎng)景。

美團(tuán)的外賣、到店、酒旅等業(yè)務(wù)，構(gòu)成了日常生活中最復(fù)雜的任務(wù)執(zhí)行網(wǎng)絡(luò)。這里有海量的的真實(shí)場(chǎng)景：從商家后廚的出餐速度，到騎手在暴雨中的配送路徑，再到用戶深夜的一句「想吃火鍋」。

王興曾明確提出，要將美團(tuán)App率先升級(jí)成「AI-powered App」。這意味著，LongCat的訓(xùn)練目標(biāo)不僅是回答「哪家的小炒肉好吃」，更要「找到這家店，選出最佳的團(tuán)購(gòu)券，然后預(yù)定2個(gè)周五晚上7點(diǎn)鐘的座位」。

這意味著任務(wù)交付的效果尤為重要，也解釋了美團(tuán)為何強(qiáng)調(diào)要打造物理世界的AI底座。

從參數(shù)提升到算力跑通，國(guó)產(chǎn)大模型正在完成從「能用」到「好用」的進(jìn)階。

這條路沒(méi)有捷徑。未來(lái)，當(dāng)算法、算力、資金與場(chǎng)景持續(xù)產(chǎn)生化學(xué)反應(yīng)，中國(guó)AI 的故事，也將從「單點(diǎn)突破」翻到「系統(tǒng)進(jìn)化」這一頁(yè)。