Các phòng thí nghiệm AI Trung Quốc đổi mới giữa các ràng buộc phần cứng, thúc đẩy nền kinh tế thông minh tiết kiệm chi phí

ChainCatcher đưa tin, tổ chức nghiên cứu Delphi Digital đăng bài cho biết, các hạn chế về phần cứng đang thúc đẩy các phòng thí nghiệm Trung Quốc chuyển sang các mô hình rẻ hơn và nền tảng kỹ thuật hiệu quả hơn. Các hạn chế xuất khẩu cản trở khả năng tiếp cận chip tiên tiến; các bộ tăng tốc trong nước có thể xử lý suy luận, nhưng việc huấn luyện ở ranh giới前沿 vẫn khó thực hiện. Các phòng thí nghiệm Trung Quốc đã đổi mới trong hiệu suất hệ thống, kiến trúc mô hình, dữ liệu huấn luyện và học tăng cường: DeepSeek tìm ra cách tránh tình trạng GPU nghỉ ngơi thông qua việc di chuyển dữ liệu, ByteDance và Moonshot trong vài tháng đã phát hành các phiên bản tương tự. Về kiến trúc, việc huấn luyện chuyển sang định dạng số rẻ hơn được tối ưu cho chip trong nước, kiến trúc thưa thớt giảm lượng tính toán mỗi token, cơ chế chú ý đã được thiết kế lại ba lần để kiểm soát chi phí bộ nhớ ngữ cảnh dài. Về dữ liệu, thông qua mục tiêu dự đoán dày đặc hơn và bộ tối ưu hóa tốt hơn để tăng tín hiệu học tập mỗi token. Trong học tăng cường, GRPO của DeepSeek trở thành công thức mặc định, trong vòng một năm, ByteDance, Alibaba và MiniMax mỗi bên đều ra mắt các giải pháp kế nhiệm. Các mô hình Trung Quốc hiện là hệ thống tiên tiến có chi phí thấp nhất. Trên OpenRouter, tỷ lệ tiêu thụ token của các mô hình do Trung Quốc phát triển đã tăng từ dưới 1,2% vào cuối năm 2024 lên đa số vào năm 2026. Thị trường AI Trung Quốc trải qua cuộc chiến giá từ cuối năm 2024 đến đầu năm 2026, với bội số doanh thu ngầm của nhiều phòng thí nghiệm vào khoảng 47-117 lần, trong khi Anthropic và OpenAI khoảng 15-21 lần. Chip Ascend của Huawei hiện có thể dùng cho suy luận; DeepSeek được cho là từng thử huấn luyện R2 trên Ascend nhưng gặp vấn đề kỹ thuật nên quay lại sử dụng NVIDIA. Nguồn cung bộ tăng tốc trong nước vẫn thấp hơn nhu cầu dự kiến.