全栈突围：智谱GLM-Image × 昇腾·昇思携手走出“无人区”

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。