近日，蚂蚁集团的Ling团队在预印版Arxiv平台上发布了一篇引人注目的技术论文，题为《每一个FLOP都至关重要:无需高级GPU即可扩展3000亿参数混合专家LING大模型》。这篇论文详细介绍了他们研发的两款新型大语言模型：百灵轻量版（Ling-Lite）和百灵增强版（Ling-Plus）。这两款模型在设计上采用了多项创新技术，能够在低性能硬件上高效训练，显着降低了成本。
百灵轻量版的参数规模为168亿，其中激活参数为27.5亿。而增强版的基座模型则拥有高达2900亿的参数，激活参数为288亿。这两款模型的性能均达到行业领先水平，尤其是增强版，其3000亿参数的MoE模型在使用国产GPU的低性能设备上进行训练时，表现与高端英伟达芯片的模型相当。
通常，MoE模型的训练需要依赖昂贵的高性能GPU，如英伟达的H100和H800，这不仅成本高昂，还受到芯片短缺的限制，从而影响了其在资源有限环境中的应用。为此，蚂蚁集团Ling团队提出了一个全新的目标——“不使用高级GPU”扩展模型，突破了资源和预算的限制。他们的创新训练策略包括动态参数分配、混合精度调度、以及升级的训练异常处理机制，这些策略有效地缩短了中断响应时间，并且优化了模型评估流程，压缩了验证周期超过50%。
在实验中，Ling团队对9万亿个token进行了Ling-Plus的预训练。结果显示，使用高性能硬件配置训练1万亿token的成本约为635万元人民币，而采用蚂蚁的优化方法后，低规格硬件训练成本降至508万元左右，节省了近20%。同时，性能与阿里通义Qwen2.5-72B-Instruct和DeepSeek-V2.5-1210-Chat相当。
这一技术成果若能得到广泛应用，将为国产大模型提供更加经济高效的解决方案，减少对英伟达芯片的依赖，为未来的人工智能发展开辟新道路。