悟道2.0：中国万亿级大模型的集体亮相

6 月 1 日，在北京智源大会上，一个数字吸引了整个行业的目光：1.75 万亿。这是北京智源人工智能研究院发布的超大规模智能模型“悟道 2.0”的参数规模。它不仅是中国首个、也是当时全球最大的万亿级预训练模型。作为长期跟踪大模型方向的从业者，我觉得这件事值得好好聊聊——因为它标志着中国在大模型这条赛道上，正式从跟跑走向了并跑，甚至在规模这个维度上跑到了前面。这一步，等了很久，也意义非凡。对关注中国科技自主之路的人来说，这样的突破值得被郑重记录下来。它标志着一个新阶段的开启，也预示着更多突破还在路上。

一、1.75 万亿意味着什么

先说清楚这个数字的分量。此前全球最大预训练模型的参数记录，大约是 1.6 万亿；而被业内广泛讨论的 GPT-3，参数规模是 1750 亿。悟道 2.0 的 1.75 万亿，相当于 GPT-3 的十倍，直接把这个纪录往上抬了一个量级。参数规模不一定等于智能水平，但它代表的是模型的容量上限——能装下多少知识、能捕捉多么复杂的语言规律。可以把它粗略理解成：模型越大，它对人类语言和知识世界的“理解”，理论上就可能越细腻、越周全。这种容量优势，会在那些需要长文本、多步骤推理的复杂任务上，逐渐显露出来。当然，容量只是潜力，能否兑现，还要看训练方法和后续的微调打磨。大模型的真实水平，永远是在具体应用里一点点打磨出来的，而不是靠一次发布就盖棺定论、一劳永逸。

更值得注意的是训练数据的规模。悟道 2.0 在中英双语合计约 4.9 万亿 token 的高质量清洗数据上完成训练。这背后是一套庞大的数据采集、清洗、标注工程。大模型之争，表面比的是参数，底层拼的其实是数据处理能力和算力调度能力——这三样缺一样，模型都立不起来。尤其是数据，海量、干净、高质量的训练语料，本身就是一道很难迈过的门槛。谁能把散落在互联网和各行各业里的知识，系统性地整理成机器能消化的养料，谁就握住了大模型的上游源头。这件事，没有捷径可走，只能靠一寸一寸地把数据做扎实。

二、为什么是“国产超算”做底座

这次发布一个容易被忽略、却很关键的细节：悟道 2.0 是完全基于国产超算 GPU 平台打造的。在外部技术环境日趋复杂的当下，这件事的象征意义不小。它说明，训练这样一个万亿级模型所需要的算力底座，已经可以在自主可控的硬件上运转起来。这在过去是很难想象的，也是这两年国内算力产业链持续补课的结果。从芯片、服务器到集群调度，每一个环节的自主可控，最终都会汇聚成训练大模型的底气。这种底层能力的沉淀，比单次发布的纪录更有长期价值。真正的硬实力，恰恰藏在这些不那么显眼的基础设施里，而非聚光灯下的单次纪录那么简单。

当然，从“能训练”到“好用、易用”之间，还有很长的路。算力只是入场券，真正的门槛在于如何把庞大的模型，转化成普通人、普通企业都用得起、用得好的能力。一个万亿级模型如果只能躺在实验室里，那它的社会价值就要大打折扣。如何把它做成一个开放、可调用的公共服务，让个人开发者、中小企业都能受益，才是真正考验运营智慧的地方。开放的姿态，往往比模型本身更能带动整个生态的繁荣。一个开放的大模型，能催生出无数意想不到的应用，这正是它最大的社会价值所在。

三、冷静看：规模不是终点

热闹之下，我也想泼一点冷水。参数规模冲上纪录，并不意味着智能水平就自动领先。大模型真正的考验，在于它能不能在具体任务上给出靠谱的结果——是写一段通顺的文章，做一次准确的推理，还是生成一段可用的代码。规模是手段，不是目的。真正让用户记住一个模型的，永远是它解决问题的实际能力，而不是新闻稿里的那个数字。尤其在多轮对话、长文档理解这些真实场景里，模型的稳定输出，远比参数表上的漂亮数字更有说服力。真正的用户体验，从来都是由这些细节决定的，而不是靠一张漂亮的参数表就能说明一切。

另一个现实问题是成本和效率。万亿级模型的训练和推理，都是巨额的算力开支。如何在保证效果的同时，把模型压缩、蒸馏得更轻量，让它能跑在更多场景里，才是决定它能否走出实验室、走进产业的关键。否则，再大的模型也只是一座昂贵的“数据纪念碑”，好看却不实用。让大模型既强大又轻盈，才是接下来全行业要一起解的题。只有把推理成本降下来，大模型才能真正走进千行百业，而不是少数实验室里的专属玩具。普惠，才是技术应有的归宿和最终追求。

四、这件事的行业坐标

把视野拉长一点就会发现，2021 年上半年，国内大模型的发布明显密集起来。从 3 月悟道 1.0 首次提出“大模型”概念，到 4 月华为盘古大模型亮相，再到 6 月悟道 2.0 把规模推到全球第一，一条清晰的追赶轨迹已经成形。中国的 AI 力量，正在用“集团军作战”的方式，加速补齐这块拼图。这不再是单点突破，而是一整条产学研协同的战线在同时推进。高校、科研机构和企业拧成一股绳，才有可能在短短几个月内，把规模从千亿级一路推到万亿级。这背后，是整个行业的集体提速和协同发力，单靠一家企业很难做到，也走不远。

我始终认为，大模型是这个时代的“智能基础设施”。就像工业时代的电厂、信息时代的网络一样，谁掌握了强大、自主、开放的大模型能力，谁就掌握了下一轮智能应用爆发的主动权。悟道 2.0 的意义，正在于它让我们看到：这条路，我们不仅走得通，而且开始走得有底气。接下来比拼的，将不只是规模，更是落地速度、生态开放程度，以及能不能真正解决行业里那些卡住脖子的实际问题。谁先把模型变成好用的产品，谁才能真正赢得未来。规模只是入场券，落地才是硬道理，也是最终的决胜点。

万亿参数不是终点，而是起点。当中国的大模型站上规模之巅，真正的较量，才刚刚开始——比的是落地、是生态、是解决真实问题的能力，也是这场长跑里最见真章、也最考验耐心的部分。