🐼Pandaily•最新收集於 17m
iFLYTEK 以工程優化突破國產算力限制
spark-x2-flashiflytekspark x2-flashhuawei ascend 910bnvidia h200
💡iFLYTEK 的全堆疊優化，展示如何在較弱加速器上訓練長上下文模型。
⚡ 30-Second TL;DR
有什麼變化
在長上下文訓練方面，國產加速器據稱比 Nvidia H200 落後最多 5 倍。
為什麼重要
這項策略顯示，軟硬體協同優化或能部分抵消國產加速器的限制。對受出口管制或採購受限影響的組織而言，工程效率可能與取得更新晶片同樣重要。
下一步行動
先在 Ascend 910B 上分析長上下文訓練管線，優先處理算子融合、記憶體使用與框架瓶頸，再考慮增加硬體。
誰應關注：Researchers & Academics
關鍵要點
- •在長上下文訓練方面，國產加速器據稱比 Nvidia H200 落後最多 5 倍。
- •iFLYTEK 將重點放在架構、算子、記憶體與框架層級的優化。
- •Spark X2-Flash 在 Huawei Ascend 910B 硬體上展示了這套方法。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 9 個來源。
🔑 增強重點摘要
- •iFLYTEK 在 2026 年 8 月的財報會議中明確指出，國產加速器在處理超過 256K token 的長上下文任務時，訓練效率與 Nvidia H200 存在顯著差距。
- •公司採取「工程優先」策略，透過優化通訊協定、記憶體管理及訓練框架，試圖在硬體效能受限的情況下最大化算力利用率。
- •iFLYTEK 採取差異化市場策略，認為其 90% 至 95% 的教育、醫療及車載等核心業務場景並不需要百萬級 token 的上下文窗口，從而緩解了硬體瓶頸的影響。
- •iFLYTEK 宣稱已建立「閉環」生態系統，是目前中國唯一一家實現從底層硬體到應用層全棧皆基於國產算力進行通用大模型訓練的企業。
- •iFLYTEK 積極推動國際化佈局，近期與華為合作在巴西里約熱內盧建設超級計算基礎設施，以支援當地的大語言模型開發。
📊 競品分析▸ Show
| 特性 | iFLYTEK (Spark X2-Flash) | Nvidia (H200 方案) | 國產替代方案 (平均) |
|---|---|---|---|
| 算力架構 | 華為昇騰 910B (MoE) | Nvidia H200 (GPU) | 各類國產 NPU/GPU |
| 長上下文訓練 | 依賴軟體優化補足 | 原生硬體支援 | 效能落後約 5 倍 |
| 生態閉環 | 全棧國產化 | CUDA 生態 | 碎片化嚴重 |
🛠️ 技術深入
- Spark X2-Flash 為 300 億參數的混合專家模型 (MoE)。
- 採用全棧國產化訓練流程，涵蓋從底層算子庫到上層框架的深度客製化。
- 針對昇騰 910B 硬體特性進行記憶體存取優化，以彌補硬體頻寬與運算單元的效能缺口。
- 透過通訊協定優化，減少多節點叢集訓練時的同步延遲。
🔮 前景展望AI analysis grounded in cited sources
iFLYTEK 將於 2026 年 10 月的 1024 全球開發者節發布全新國產算力訓練的通用大模型。
公司總裁吳曉如已公開預告該發布計畫，並確認將於 8 月底提供階段性版本。
iFLYTEK 的營收結構將進一步向 AI 軟硬體整合產品傾斜。
公司在 2026 年上半年財報中顯示虧損收窄，且持續將 AI 技術整合至智慧眼鏡與翻譯機等消費級硬體中。
⏳ 時間線
2026-04
發布 Spark X2-Flash，為首個完全在華為昇騰 910B 上訓練的 30B MoE 模型。
2026-08
發布 2026 年中期報告，營收達 116.2 億人民幣，虧損同比收窄 14.68%。
2026-08
於財報會議中承認國產加速器在長上下文訓練中落後 Nvidia H200 約 5 倍。
📎 來源 (9)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗
每週 AI 簡報
每週一封，可隨時退訂。