大模型训练成本，再砍一刀！

3月10日，字节豆包大模型团队在国际知名开源社区平台GitHub上开源了一项针对 MoE（混合专家模型）架构的关键优化技术COMET。据悉，该技术可将大模型训练效率提升1.7倍，成本节省40%。目前，COMET已实际应用于字节的万卡集群训练，累计帮助节省了数百万GPU小时训练算力。

MoE是当前大模型的主流架构，最近大火的国产大模型DeepSeek采用的就是MoE架构。DeepSeek自研的DeepSeekMoE作为一种创新的大规模语言模型架构，通过整合专家混合系统、改进的注意力机制和优化的归一化策略，在模型效率与计算能力之间实现了新的平衡。

字节豆包大模型团队表示，MoE在分布式训练中存在大量跨设备通信开销，严重制约了大模型训练效率和成本。针对这一难题，字节在内部研发了COMET计算-通信重叠技术，通过多项创新，大幅压缩了MoE专家通信空转时间。

在此前的“开源周”活动中，DeepSeek也曾开源了团队为解决MoE通信瓶颈而采取的DualPipe+DeepEP方案。不过，与之不同的是，COMET可以像插件一样直接接入已有的MoE训练框架，支持业界绝大部分主流大模型，无需对训练框架进行侵入式改动，更加方便、灵活、通用。这一方法，还因其简洁性与通用性而高分入选全球机器学习系统顶级会议 MLSys 2025，被认为“在大规模生产环境中极具应用潜力”。

不仅如此，由于在降低MoE通信开销上，COMET采用了计算-通信融合算子的优化方式，DeepSeek研发的DualPipe则通过排布算子来掩盖通信，两种方案并不冲突。因此，COMET还可以与DualPipe方案结合使用，以更大程度压缩训练成本。

值得注意的是，就在一个月前的2月12日，字节跳动豆包大模型团队发布消息称，团队提出了全新的稀疏模型架构UltraMem，可有效解决MoE推理时高额的访存问题，推理速度较MoE架构提升2—6倍，推理成本最高可降低83%。

业内人士分析，此次开源的COMET可与此前提出的UltraMem结合使用，将大模型训练成本进一步“砍”得更低。

当前，随着技术的不断进步迭代，以及头部厂商逐渐加入开源大军，大模型训练成本正不断下降。启明创投主管合伙人周志峰曾表示，大模型每百万Token调用成本已经从2023年120美元（约人民币800元）降到2024年不到人民币1元，下降了99.9%，根据估算，未来成本很有可能再下降99.9%。

DeepSeek、字节跳动等国产大模型通过提高架构创新、算法优化，提升了训练效率，降低训练成本，看似减少了算力的需求，但中国银河证券研报指出，大模型成本缩减意味着降低了企业的训练与推理门槛，即每单位成本所能提供的训练和推理服务更多了，算力效率提升有望激活更广泛的用户与应用场景，从而引发对更大参数以及更复杂的大模型迭代需求。

研报进一步表示，算法优化（如模型压缩、蒸馏）确实能提升单次任务效率，但AI能力的边界扩展（如多模态、复杂推理、通用人工智能）仍依赖更大规模模型和更复杂计算。这可能会对均衡下的算力需求产生正面影响，整体算力需求不会减少而是更加旺盛，从而形成对硬件需求的新一轮推升，即步入“算法进步→模型复杂化→硬件升级”的正循环。

在通过技术创新持续降低模型训练成本的同时，字节跳动也在扩大AI资本开支，招募更多顶尖AI人才，研发投入显著领先同行。浙商证券研报分析，字节跳动在AI上投入巨大，2024年资本开支达到800亿元，接近百度、阿里、腾讯三家的总和（约1000亿元）。市场人士分析，2025年字节跳动或进一步上调AI资本开支，扩大算力投资规模。

一方面加大资本投入，另一方面增强人才队伍，字节跳动正积极地“招兵买马”。记者注意到，字节跳动近日还首次启动了“筋斗云人才计划实习专项”。据内部人士介绍，该计划是字节跳动面向优秀校园技术人才推出的专项招聘，意在全球范围内，吸引和招募有志于用技术创造突破性价值的顶尖学生。

此外，字节跳动另一招聘计划“Top Seed人才计划（含研究实习专项）”全年开放招募，这是国内唯一的专门针对大模型领域的人才计划，旨在全球范围内持续寻找有志于投身 AI 研究的顶尖人才。字节跳动校招负责人表示：“公司十分重视人才、关注人才成长，相信优秀的校园人才能发挥自身潜力，不断超越现状，创造出突破性的价值。”

校对：王蔚