万亿参数模型效率战升温：本土算力生态寻求“超级算子”突围

模型效率成为算力竞争新焦点

据 yeeyi 于 2026 年 9 月 30 日发布的新闻标题信息，硅谷方面推出所谓“巨内核”方案，而中国团队则以“超级算子”作为回应，双方围绕万亿参数模型的效率问题展开新一轮竞争。这标志着大模型竞争的重心可能正从单纯的参数规模比拼，转向单位算力下的效率优化。 标题和摘要中可确认的事实仅限于：存在“巨内核”与“超级算子”两种技术路线提法，以及“万亿参数模型效率战打响”这一判断。至于双方具体的技术参数、性能对比数据、发布时间或商业化安排，暂缺可核验数据，有待进一步确认。 对国产替代与本土化而言，效率之争的意义在于：当高端芯片获取存在不确定性时，通过算子优化、内核设计等软件与系统层创新提升既有硬件的有效算力，可能成为一条值得关注的路径。

从“堆算力”到“抠效率”的产业逻辑

大模型训练与推理的成本结构，使效率问题直接关系商业可行性。在先进制程产能受限、单卡算力差距短期难以抹平的背景下，本土团队更倾向于在编译、算子融合、内存调度等层面挖掘空间，这或将是“超级算子”提法的产业土壤。 与此同时，硅谷的“巨内核”路线若指向更大粒度的计算组织方式，其目标同样是降低通信与调度开销。两条路线的具体差异和适用场景，目前尚无公开细节支撑，不宜过度解读。值得关注的是，效率优化往往与特定硬件架构深度绑定，这可能强化本土算力生态的软硬协同需求。 从生态角度看，算子库与内核方案的成熟度，直接影响开发者迁移成本。若本土方案能形成可复用的工具链和标准接口，其对国产芯片的适配价值可能高于单点性能提升。

对半导体与算力产业链的潜在影响

效率战对产业链的影响可能体现在两个层面。其一，芯片设计端或更重视与算子方案的协同优化，而非单纯追逐峰值算力指标；其二，云与服务器厂商的采购评估标准，可能逐步纳入“有效算力/成本”维度。这些变化仍需观察实际落地情况。 对本土算力生态而言，软件栈的成熟是长期命题。算子、编译器、框架、驱动之间的配合，往往比单一环节突破更能决定最终可用性。本次事件是否意味着本土团队在上述环节取得阶段性进展，暂缺可核验数据，投资者与产业观察者宜保持审慎。

数据参考

• 本次新闻已确认信息：仅包括 yeeyi 于 2026 年 9 月 30 日发布的标题及摘要所载内容，即“巨内核”“超级算子”“万亿参数模型效率战”等提法。本次新闻未公布可核验的技术参数、金额、日期或性能数据。
• IDC《全球人工智能支出指南》（2024 年）：全球 AI 相关支出预计到 2028 年接近 6320 亿美元，标注为预测数据，用于说明算力需求的长期增长背景。
• Gartner（2024 年）：预计到 2027 年，超过 70% 的企业将采用针对特定业务场景优化的 AI 模型，而非单一通用大模型，标注为预测，用于说明效率与场景适配的重要性。
• SEMI（2024 年）：全球半导体制造设备销售额在 2024 年约为 1090 亿美元，用于说明先进产能投资的行业背景。
• WSTS（2024 年秋季预测）：2025 年全球半导体市场预计增长约 12.5%，标注为预测数据，用于反映芯片需求周期。
• 中国信息通信研究院（2024 年）：中国智能算力规模保持较快增长，具体增速以该机构正式发布口径为准，用于说明本土算力需求趋势。 #AI #半导体 #算力 #大模型