Ant Group измисли как ефективно да обучава ИИ с китайски чипове вместо с тези на Nvidia
Ant Group показа нов способ за образование на ИИ модели посредством потребление на китайски полупроводници, в това число чипове на Huawei и Alibaba. Компанията е приложила архитектурата Mixture of Experts и към този момент е постигнала резултати, сравними с потреблението на графичните процесори (GPU) H800 на Nvidia, което ускорява позициите на Китай на фона на наложените от Съединени американски щати ограничавания.
Постижението бележи значим стадий в софтуерното опълчване сред китайските и американските компании, което ескалира трагично, откакто DeepSeek потвърди, че е допустимо да се основават модерни огромни езикови модели (LLM) без вливане на милиарди долари, сходно на тези, направени от OpenAI и Гугъл. Въпреки че Ant Group към момента употребява решения на Nvidia в редица планове, компанията избира различни снабдители, в това число AMD, както и локалните китайски производители на полупроводници в своите нови разработки, изключително в изискванията на възходящия напън от страна на американските ограничавания за експорт. Това разрешава на китайските компании да поддържат темпото на софтуерния напредък и да понижат зависимостта си от задгранични снабдители, най-много от Nvidia.
Според проучвателен документ, оповестен през март, Ant Group твърди, че нейните модели с изкуствен интелект превъзхождат разработките на Meta при избрани проби. Тези изказвания обаче към момента не са без значение доказани. В същото време е значимо да се означи, че моделът H800, макар че не принадлежи към напредналия клас ускорители на Nvidia, остава мощен инструмент, кадърен да се оправи с ресурсоемките задания за образование на ИИ. Благодарение на личната си усъвършенствана тактика Ant Group съумя да понижи разноските за образование на ИИ модел с 1 трилион токена от 6,35 милиона юана (880 000 долара) на 5,1 милиона юана (707 000 долара). В този подтекст токените са минималните единици текст, върху които се образоват LLM, с цел да генерират след това смислени отговори на потребителски поръчки.
