技术只有变得足够 " 便宜 "，才能实现真正 " 普及 "，从而深度融入到工作与生活的方方面面。
所以，当 GLM-Image 在 API 调用模式下生成一张图片只需 0.1 元时，价格仅为海外同类产品的 1/10 至 1/3，全球 AI 市场都为之震撼。
GLM-Image 是智谱联合华为开源新一代图像生成模型，也是首个在国产芯片上完成全程训练的 SOTA 多模态模型，其基于昇腾 Atlas 800T A2 设备和昇思 MindSpore AI 框架完成了从数据到训练的全流程。
GLM-Image 模型强大的性能表现，及背后的全栈国产化训练历程，给出了一个极具参考价值的答案 ：在 AI 高端领域，中国公司已走出无人区，实现全栈技术突围，对于后续整个 AI 产业具有里程碑的意义。
GLM-Image，新架构带来变革
在 AI 生图领域，主要存在扩散模型（Diffusion）和自回归模型（Autoregressive，AR）两种模型，两者各有优势却也存在短板。扩散模型难以理解复杂指令，在海报、PPT、科普插图等知识密集型场景中，往往会 " 语义脱节 " 的短板，会出现物理逻辑错误等问题；自回归模型则在生成图像质量难以令人满意。
为此，智谱 GLM-Image 创新性采用了自回归 + 扩散编码器混合架构。自回归模型犹如 " 大脑 "，擅长处理序列逻辑和宏观语义，负责逻辑推理与框架构建；扩散解码器则专注于图像的高频细节还原，确保最终生成的图像在视觉上达到工业级的美学标准。GLM-Image 的混合架构恰似 " 理解 " 意图之后再进行生图创作，这是向探索以 Nano Banana Pro 为代表的新一代 " 知识 + 推理 " 的认知型生成模型迈出重要一步。
混合架构的优势，使得智谱 GLM-Image 尤其擅长文字渲染，在海报、插画等场景展现出强大的能力。来看看智谱 GLM-Image 的真实效果：
据悉，GLM-Image 在 CVTG-2K（复杂视觉文本生成）和 LongText-Bench（长文本渲染）榜单获得开源第一。
此外，GLM-Image 在开源不到 24 小时就登顶全球知名 AI 开源社区 Hugging Face Trending 榜第一。Hugging Face 是全球知名的开源 AI 模型与工具生态平台，堪称全球 AI 界的顶流。GLM-Image 此次登顶，其模型 SOTA 性能、混合架构创新和训练过程引发了全球 AI 圈的广泛热议。
昇腾 · 昇思助力全栈突围
再好的架构与算法，如果没有强大算力底座的支撑，也无法训练出强大的模型。
众所周知，像 SOTA 模型这种级别的前沿模型，对于 AI 算力集群的性能、稳定性与通信带宽有着极高要求，并且普遍需要国外 AI 芯片支撑此类训练任务。不过，智谱 GLM-Image 模型进行了开创性尝试，从海量数据预处理到大规模预训练，再到最后微调全流程使用国产算力，使得其成为首个基于自主创新算力底座全程训练的 SOTA 模型，也实现国产模型 + 国产算力 + 国产 AI 框架的全栈突围。
具体来看，GLM-Image 属于多模态模型，需要处理大量文字和图片数据，在模型训练阶段的内存开销和性能要求极高。为此，昇腾 · 昇思引入动态图多级流水下发、多流并行执行、高性能融合算子等特性，全面提升从数据处理、预训练、SFT 到 RL 的端到端性能。
例如，动态图多级流水下发，彻底解决了 Host 侧算子下发瓶颈问题。在 NPU+CPU 的集群中，大规模多核 CPU 会涉及到单线程算子下发跟不上 NPU 计算速度，导致设备侧空转与整体资源利用率偏低。依托昇腾 + 昇思 MindSpore 的软硬件协同，通过动态图多级流水下发，将 Python 执行、算子 shape 推导与算子下发等关键阶段进行流水化并高度重叠，有效提升 Host 侧算子下效率。
又如，GLM-Image 的多模态训练场景中，文本梯度同步、图像特征广播、混合并行等操作都有复杂的通信需求。单流串行执行时，计算和通信两类操作互相等待，整体资源利用率低。为此，通过多流并行执行机制，让计算与通信两类操作同时并行，打破通信墙和大幅提升资源利用率，整体提升训练性能 10%。
再如，昇腾 CANN 高性能算子库提供包括 AdamW EMA 融合算子、COC 通算融合算子等，针对性解决训练后期 loss 震荡、通信开销大等问题，为 GLM-Image 模型的训练带来高性能和稳定性。
无疑，基于昇腾 · 昇思构建的国产算力底座在此次 GLM-Image 模型训练中经受住充分考验，充分证明了从国产芯片、AI 框架到多模态模型的全栈突围并非遥不可及。
走出 " 无人区 " 具有里程碑意义
智谱与华为的此次深度合作，其意义远超一个模型的简单发布。
长期以来，中国 AI 开发者高度依赖国外 AI 硬件、AI 框架等。事实证明，这种方式受制于人且充满高度不确定性，严重束缚中国 AI 的创新与发展。而智谱 GLM-Image 模型的问世，验证了在国产全栈算力底座上训练高性能复杂多模态模型的可行性，这标志着国产 AI 正式走出 " 无人区 "、实现全栈突围，对于未来市场有着不可低估的影响：
其一、打破依赖惯性，给予国内 AI 开发者们重要信心。智谱 GLM-Image 模型的出色表现具有里程碑的意义，证明国产大模型 + 国产 AI 芯片 + 国产 AI 框架的组合 SOTA 级模型领域同样能打，后续其示范价值有望在 AI 开发者中得到持续影响。
其二、智谱 GLM-Image 模型开源，有望进一步激发 AI 生图领域的创新。众所周知，开源模式是降低创新门槛的和激发技术创新活力最为有效方式，而智谱 GLM-Image 开源，已经受到 Hugging Face 等知名平台的密切关注，未来有望吸纳更多开发者了解和加入到智谱 GLM-Image 项目之中，从而激发 AI 生图领域的迭代与创新。
其三、加速商业化落地和 AI 新生态形成。近年来，海外频繁传出中国大模型获得全球用户青睐的消息，根本原因在于中国大模型产品技术具备相当竞争力的同时，带来极具性价比的使用体验。像智谱 GLM-Image 在 API 调用模式将生成一张图片做到只需 0.1 元，这无疑对整个 AI 生图市场带来巨大冲击力，有望进一步推动 AI 生图相关技术与产品的普惠和 AI 生态的形成。
综合观察
勇气是不确定性时代唯一的通行证。
当市场充满不确定性时，在人工智能的 " 无人区 " 里，本就没有现成的路。智谱与华为的紧密合作，无疑走出一条独立、安全且具有国际竞争力之路，不仅诞生出 GLM-Image 这样出身的 SOTA 模型，更证明了国产 AI 全栈突围并非遥不可及。
展望未来，随着智谱在人工智能智能领域的持续探索，以及昇腾、昇思产品竞争力稳步提升，国产 AI 穿越 " 无人区 " 之后，迎接他们的将是 AGI 的星辰大海。
END
文章精选
#
#
#
#
#
#
#
#
#
#
大数据在线是聚焦人工智能、大数据、云计算等前沿科技领域深度观察的深度媒体。目前，大数据在线在微信公众号、今日头条号、新浪财经、36 氪、雪球号、观察号等主流自媒体平台均有入驻，积累粉丝超过 20W；并荣获今日头条十大科技新锐媒体、商业新知十大人工智能媒体等多项殊荣。商务联系请添加微信：Owen_Inter，添加请备注具体信息。
>>>
登录后才可以发布评论哦
打开小程序可以发布评论哦