海外算力通道被卡死,大模型训练速度会慢多少啊?

海外算力通道被卡死,大模型训练速度会慢多少啊?
2026年11月18日 18:32 看点资讯

很多人最近在问,海外算力通道被卡死后,大模型训练速度到底会慢多少?这个问题没法用一个简单的百分比回答,得先把不同企业的情况拆开看。

先给个最直观的参照:按照2026年11月摩根士丹利的测算,美国新规设定的1200万TPP算力门槛,大致相当于700到800块H100芯片的规模。而现在行业里做前沿大模型训练,动辄需要数千甚至上万张卡组成的集群连续跑几个月。这个门槛对真正的大模型训练来说,基本等于把海外租赁的通道收得很窄。

对那些之前主要靠东南亚算力租赁做研发的初创公司影响最直接。过去他们不用自己建机房,按用量付费就能调动几千张高端卡,模型迭代节奏很快。现在这条路走不通,只能转向国内算力资源,而国内高端算力本来就紧张,排队等资源、调整训练方案都是常事。同样的参数规模和数据量,训练周期拉长是必然的,具体慢多少取决于能拿到多少替代算力,以及算法优化的效率。

头部互联网大厂的情况要好很多。野村证券2026年11月的研报里提到,阿里、字节这类企业本身就有大量已采购的GPU储备,还有自研芯片打底。比如阿里平头哥,2026年上半年数据中心AI芯片出货量13.3万块,在国产玩家中排第二,阿里还计划中长期把平头哥的算力贡献占比从10%以上提升到40%到50%。对他们来说,海外通道收紧只是少了一个弹性补充,主力训练节奏不会被打乱,更多是把原本放在海外的训练任务迁回国内。

还有一个容易被忽略的变量:系统级优化正在对冲硬件缺口。国联民生2026年10月的报告提到,国内已经在推进超节点架构,通过高带宽互联把大量芯片整合成逻辑统一的计算集群,从依赖单卡性能转向靠系统架构释放整体算力。截至2026年6月底,全国已经建成52个万卡以上智算设施,智能算力总规模达2185 EFLOPS,不少国产超节点已经能支撑万亿参数级模型训练。

所以结论其实很清晰:短期看,前沿大模型的迭代节奏会受到一定影响,尤其是依赖外部算力的团队需要时间调整。但这种影响不是均匀的,手里有储备、有自研能力的企业受冲击小很多。更重要的是,压力正在倒逼国产算力和系统优化加速落地,长期看反而会把算力供给的主动权握在自己手里。

声明:本文由AI基于公开信息生成,不代表新浪财经立场或观点。

财经自媒体联盟更多自媒体作者

新浪首页 语音播报 相关新闻 返回顶部