AI 与机器学习2025arxiv.org
华为发布基于昇腾 GPU 训练的开源权重模型
Huawei releases an open weight model trained on Huawei Ascend GPUs
入门 · 约 45 分钟读完前置知识：大模型训练基础、GPU/算力硬件常识
导读
论文发布了一个在华为昇腾（Ascend）算力上训练的开放权重模型，并给出在该硬件平台上训练大模型的实现与经验。其意义在于验证国产 AI 芯片能否支撑有竞争力的大模型训练，并可能降低对英伟达高端 GPU 的依赖；具体性能与商用能力仍需看论文细节。
HN 关注点：国产算力在美制裁下是否反而加速突破，以及这种路线能否让更多小玩家参与大模型训练、动摇 Nvidia 的地位。
HN 评论精选
这几条评论里：支持 1 质疑 1 亲历 1
亲历认为制裁反而加速了国产芯片与模型进展。
据说华为昇腾 920 由中芯国际以 6nm 工艺生产。我一直对美国制裁持怀疑态度，但没想到反噬来得这么快，太疯狂了；从中国角度看，尽快削弱西方的 AI 能力可能是有意义的。
randomNumber7查看英文原文
So the Huawei Ascend 920 is produced by SMIC on a 6 nm process. I always thought sceptical of the US sanctions, but that they backfire so fast is insane. Out of China's perspective it might make sense to take out the wests AI capabilities soon.
支持架构可能降低训练门槛，使众包开放 AI 与巨头竞争变得可行。
这真的很令人兴奋！他们提出的架构可能意味着，即使是用便宜 GPU 的小玩家也能与巨头竞争。这个想法意味着，最终众包一个开放 AI 在技术上是可行的，而中国正在积极研究如何以高标准做到这一点，与单体大模型竞争。我原本对美制裁持怀疑态度，但如果这件事能一路推到逻辑终点，那似乎会是真正的胜利。
roenxi查看英文原文
This is really exciting! They're laying out an architecture that may mean even small players with cheap GPUs can compete with the majors. The idea implies that eventually crowd-sourcing an open AI is probably technically feasible and we've got the Chinese actively researching how to do it to a high standard that competes with the monolithic models. I was sceptical of the US sanctions but this seems like a real win if this can be taken all the way to its logical conclusions.
质疑追问该模型的意义、昇腾 GPU 与西方 SOTA 的差距以及量产能力。
希望有人能给我点启发，因为它的意义不是一眼就能看出来。这是否意味着，因制裁受重创的华为手机，现在会因为自研 GPU 而有竞争力？这些 GPU 与西方 SOTA GPU 相比到底有多好或多差？这是否意味着华为有能力商业化量产这些 GPU？
nsoonhui查看英文原文
I hope someone can enlighten me, as it's not immediately clear the significance of it. Does this mean that Huawei phone which has been hurt badly by sanction will now stand a fighting chance because of homegrown GPU? How good or bad these GPU compares to the SOTA GPU in the west? And does this mean that Huawei has the ability to crank out the GPU commercially?
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2025Hacker News 讨论帖321 分 · 333 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选