據證券時報5月30日消息，近日，華為在MoE模型訓練領域再進一步，推出參數規模高達7180億的全新模型——盤古Ultra MoE，這是一個全流程在昇騰AI計算平臺上訓練的準萬億MoE模型。華為同時發布盤古Ultra MoE模型架構和訓練方法的技術報告，披露眾多技術細節，充分體現了昇騰在超大規模MoE訓練性能上的跨越。

據悉，訓練超大規模和極高稀疏性的MoE模型極具挑戰，訓練過程中的穩定性往往難以保障。針對這一難題，盤古團隊在模型架構和訓練方法上進行了創新性設計，成功地在昇騰平臺上實現了準萬億MoE模型的全流程訓練。

圖片來源：每日經濟新聞 資料圖

券商中國報道，業內人士分析，華為盤古Ultra MoE和盤古Pro MoE系列模型的發布，證明華為不僅完成了國產算力+國產模型的全流程自主可控的訓練實踐，同時在集群訓練系統的性能上也實現了業界領先。這意味著國產AI基礎設施的自主創新能力得到了進一步驗證，為中國人工智能產業的發展提供了一顆“定心丸”。

國產算力與國產模型重大突破

據悉，訓練超大規模和極高稀疏性的MoE模型極具挑戰，訓練過程中的穩定性往往難以保障。針對這一難題，華為盤古團隊在模型架構和訓練方法上進行了創新性設計，成功地在昇騰平臺上實現了準萬億MoE模型的全流程訓練。

在模型架構上，盤古團隊提出Depth-Scaled Sandwich-Norm（DSSN）穩定架構和TinyInit小初始化的方法，在昇騰平臺上實現了超過18TB數據的長期穩定訓練。此外，他們還提出了EP loss負載優化方法，這一設計不僅保證了各個專家之間的能保持較好的負載均衡，也提升了專家的領域特化能力。同時，盤古Ultra MoE使用了業界先進的MLA和MTP架構，在預訓練和后訓練階段都使用了Dropless訓練策略，實現了超大規模MoE架構在模型效果與效率之間的最佳平衡。

在訓練方法上，華為團隊首次披露在昇騰CloudMatrix 384超節點上，高效打通大稀疏比MoE強化學習（RL）后訓練框架的關鍵技術，使RL后訓練進入超節點集群時代。同時，在5月初發布的預訓練系統加速技術基礎上，在不到一個月的時間內，華為團隊又完成了一輪迭代升級，包括：適配昇騰硬件的自適應流水掩蓋策略，進一步優化算子執行程序，進一步降低Host-Bound以及提升EP通信的掩蓋；自適應管理內存優化策略的開發；數據重排實現DP間Attention負載均衡；以及昇騰親和的算子優化，這些技術實現萬卡集群預訓練MFU由30%大幅提升至 41%。

此外，近期發布的盤古Pro MoE大模型，在參數量僅為720億、激活160億參數量的情況下，通過動態激活專家網絡的創新設計，實現了以小打大的優異性能，甚至可以媲美千億級模型的性能表現。在業界權威大模型榜單SuperCLUE最新公布的2025年5月排行榜上，位居千億參數量以內大模型排行并列國內第一。

業內人士分析，華為此舉的核心意義在于，證明了在國產AI算力平臺（昇騰）上，能夠高效、穩定地訓練并優化達到國際頂尖水平的超大規模稀疏模型（MoE），實現了從硬件到軟件、從訓練到優化、從基礎研究到工程落地的“全棧國產化”和“全流程自主可控”的閉環，并在關鍵性能指標上達到業界領先水平。

DeepSeek、騰訊大模型也有新消息

除了華為以外，其他國產大模型近日也傳來新消息。

5月29日凌晨，DeepSeek-R1-0528正式在Hugging Face平臺開源。此前一日（5月28日），DeepSeek官方宣布DeepSeek-R1模型已完成小版本試升級，用戶可通過官方網頁、App、小程序進行測試（打開深度思考），API接口和使用方式保持不變。

在此次更新中，模型代碼能力的提升最為顯著。知名代碼測試平臺LiveCodeBench顯示，更新后的R1性能可以媲美OpenAI o3模型的高版本。

除代碼能力外，R1新版本模型的文本理解與推理能力亦實現跨越式升級。其上下文長度拓展至128k，長文本提取的準確率也有顯著提升。

另據央廣網，5月21日，在2025騰訊云AI產業應用峰會上，騰訊大模型戰略首次全景亮相，從自研的混元大模型、到AI云基礎設施，再到智能體開發工具、知識庫以及面向場景的應用，騰訊大模型矩陣產品全面升級。騰訊正通過持續打磨技術和產品能力，為企業和用戶在大模型時代打造真正“好用的 AI”。

騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生表示，隨著AI的持續落地，每個企業都將成為AI公司；每個人都將是AI加持的“超級個體”。

每日經濟新聞綜合自證券時報、券商中國、央廣網、每日經濟新聞（記者：宋欣悅）

免責聲明：本文內容與數據僅供參考，不構成投資建議，使用前請核實。據此操作，風險自擔。