科大讯飞星火 X2.5 发布：万卡国产 910B 集群完成训练，模型反哺 NPU 算子优化
国产万卡集群不只看卡数，还要看算子、通信和故障恢复能否配套；讯飞这次把训练全流程跑在 910B 上，并让模型参与底层算子优化。
科大讯飞发布星火 X2.5，采用 MoE 架构（混合专家，每次只激活部分参数以降低计算量），293B 总参数、30B 激活参数，重点提升代码与智能体能力。其预训练和后训练全部在万卡级国产 910B 集群上完成，线上推理也用国产平台。团队围绕算子效率、长序列并行、通信压缩和故障恢复做了定向优化，机器有效训练时长超过 97%。更值得注意的是，随着代码能力增强，星火 X2.5 开始参与 NPU（神经网络处理器，此处指国产 AI 加速卡）算子优化，模型反向优化底层算力。
正文摘录
.jpg) 编辑｜Clio 最近几个月，国产 AI 算力开始密集跨过一个新的数量级。 7 月，全国产十万卡 AI 超集群落成；9 月初，无锡国产万卡级智算中心一期 2000 张摩尔线程 MTT S5000 GPU 智算卡已全部投入运行，集群算力需求基本达到满载；国产卡正在进一步向万卡乃至十万卡级训练基础设施迈进。  无锡（惠山）国产智算中心机房内 集群规模越来越大，新的问题也随之而来：这些芯片究竟能发挥出多少实际训练能力？ 大模型训练里，卡数增加的同时，系统复杂度也会跟着上升。一块芯片上的算子效率差异，放到数万块芯片上会不断被放大；小规模训练里不太显眼的通信等待，到了万卡集群会变得很可观；节点数量增加、训练周期拉长之后，软硬件故障也会更频繁地进入日常运维。 因此，评价一套算力系统，除了看芯片数量和单卡性能，还要看算子、通信、并行调度、故障恢复以及软件栈之间能不能配合起来。 最近一个新发布的模型引起了我们的注意。 9 月 7 日，科大讯飞正式发布星火 X2.5。