近日，蚂蚁集团的Ling团队在预印版Arxiv平台上发布了一篇题为《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》的技术论文。该论文介绍了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，能在低性能硬件上实现高效训练，大幅降低了训练成本。

百灵轻量版的参数规模为168亿，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，其性能达到行业领先水平。尤其是增强版，在国产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，影响了其在资源有限环境中的应用。为此，蚂蚁集团的Ling团队提出了一种全新的目标——在不使用高级GPU的情况下扩展模型，突破了资源和预算的限制。他们通过动态参数分配、混合精度调度以及升级的训练异常处理机制等创新训练策略，有效地缩短了中断响应时间，优化了模型评估流程，将验证周期压缩了超过50%。

实验数据显示，Ling团队对9万亿个token进行了Ling-Plus的预训练。在高性能硬件配置下，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，低规格硬件的训练成本降至约508万元，节省了近20%的成本。同时，其性能与阿里通义Qwen2.5-72B-Instruct和DeepSeek-V2.5-1210-Chat相当。

图为一篇AI生成的图片描述：“加速器，提速，光”（图片来源：AI合成）。蚂蚁集团Ling团队的创新训练策略在这一技术成果中得到了广泛应用，为国产大模型提供了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了新的道路。