10月27日，2025年度广东省科学技术奖名单正式公布，227项项目（人）摘得荣誉。

由腾讯联合中山大学、北京大学等单位开展的“超大规模跨模态人工智能应用平台关键技术与产业化应用”项目，获得广东省科学技术奖科技进步奖特等奖。

人工智能大模型快速迭代，背后是一场算力、网络和工程能力的综合比拼。面对文字、图像、语音、视频、3D等多模态数据，模型训练所需的算力规模、通信频率和存储压力同步增长。如何将成千上万张GPU高效连接、统一调度，并以可承受的成本支撑产业应用，成为人工智能基础设施建设的重要课题。

该平台核心由网络层和框架层构成：前者解决大规模算力互联问题，后者负责计算、通信、存储协同优化及异构算力调度，为多模态人工智能研发和应用提供底层支撑。

“它不是一个单纯的大模型平台，而是支撑AI研发和应用的基础设施。”腾讯技术委员会主任王巨宏介绍。

换道突围：自研高性能网络追平IB网络效率

“如果把芯片比作AI的能源，我们的平台就是连接和调度能源的底层系统。”王巨宏说，这套AI基础设施的核心能力主要分为两层，一是通过网络层解决芯片之间的连接问题，二是通过框架层解决计算、通信、存储、协同优化和调度问题。

平台建设最初源于业务需求。2014年，腾讯用户量已达10亿级，传统计算框架逐渐难以满足海量数据处理需求，团队由此开始建设机器学习平台。2019年，Angel机器学习平台从Linux基金会相关开源项目体系中正式毕业，并持续向产业界开放。

进入大模型时代，模型参数从十亿级、千亿级不断增长，算力集群也从千卡走向万卡乃至更大规模。如何将大量GPU稳定、高效地连接起来，成为平台必须解决的首要问题。

传统高性能计算集群普遍采用IB网络。项目网络研发负责人何春志介绍，IB网络在高带宽、低时延和大规模高性能计算领域具有优势，但采购和使用成本较高，大规模应用还可能面临外部技术依赖风险。

团队由此选择基于开放、通用的以太网进行攻关，重点解决大规模组网环境下通信效率和稳定性不足的问题。

“GPU就像高速路上的跑车，网络就是道路。道路不够宽、不够平，跑车的性能就发挥不出来。”何春志说，网络团队所做的，就是尽可能把道路“修得又平又宽”，让GPU充分发挥性能。

据项目团队介绍，目前自研高性能网络的整体效率已与IB网络基本持平，成本约为后者的30%，即成本降低约70%。

与此同时，在万卡集群中，稳定运行同样是一项挑战。一张出现异常或运行缓慢的GPU，就可能像木桶上的短板一样，拖慢整个训练任务。

“过去在上万张卡中寻找一张慢卡，如果依靠上层框架或服务器逐台排查，可能需要一天甚至数天。”何春志介绍。团队通过分析异常GPU在通信流量上的特征，研发出面向GPU实时训练的定位系统，将排查时间缩短到十分钟甚至几分钟，并能在无需人工干预的情况下完成故障恢复。

目前，平台可支持6.4万张GPU同时协同工作，并支持24小时不间断运行。面对大模型爆款应用带来的突发流量，平台也经受住了实际业务检验，并将网络通信库优化经验贡献到开源社区。

破解算力碎片化：
国产芯片从“各自为战”到“抱团发力”

随着国产人工智能产业快速发展，不同厂商、不同架构的算力芯片不断涌现。与此同时，芯片能力各不相同、软件生态互不兼容，也给大规模算力协同和资源调度带来新的难题。

针对这一问题，项目团队研发了跨平台算子编译和异构混合计算技术，尝试打通不同算力资源之间的技术壁垒。

“不同GPU卡的能力不一样，生态也不兼容，本来很难协同。”王巨宏解释，跨平台算子编译技术就像建立一种“通用语言”，让原本互不认识的算力资源能够在同一平台协同计算。

把算力连接起来后，下一步是根据任务需求进行调度。王巨宏以学生做题作比喻：复杂任务需要匹配高性能算力，就像高难度问题要交给博士生，简单任务则可以使用相对普通的算力资源，如同基础运算可以由小学生完成。通过异构调度，平台能够根据不同任务的复杂度和性能需求匹配相应算力，减少资源错配。

这套平台不仅支撑腾讯混元等自研模型，也可以适配开源大模型以及不同类型的多模态应用。个人用户使用元宝、WorkBuddy等AI应用时，虽然看不到这套平台，但应用背后的训练、推理和算力调度，都离不开底层基础设施的支撑。

为降低企业应用AI的门槛，腾讯还通过腾讯云，将算力、框架等能力封装成PaaS服务对外开放。无论大型企业还是中小企业，都无需自行建设大规模算力集群，即可根据业务需求使用相关算力和多模态AI能力。

产学研闭环：
让AI硬核技术赋能实体经济

这一项目也是大湾区产学研协同创新的一项实践。腾讯依托产业场景、业务数据和工程系统提出实际问题，中山大学等高校团队开展前瞻探索和技术验证，再将研究成果放回产业系统中检验应用。

“科研既要顶天，也要立地；既要面向国家重大战略需求，也要服务地方企业和产业发展。”中山大学副教授杨建权表示。

合作中，中山大学团队重点开展AI可信推理和AI安全防御研究。AI可信推理技术帮助模型判断是否出错、在哪里出错以及如何纠正；安全防御技术则用于防范数据投毒、恶意欺骗、隐私泄露和有害内容等风险，为AI规模化应用提供保障。

企业拥有真实场景、海量数据和工程化能力，高校则更适合开展周期较长、风险较高的前瞻探索。合作各方由此形成“产业提出问题、高校探索验证、工程系统检验、成果产业化应用”的创新闭环。

目前，相关技术已在多个行业落地。广东企业拓竹科技利用平台多模态能力优化产品设计和建模流程。过去，从设计方案到实体样品，需要经过设计、多轮修改、打印等；如今可以借助混元3D、图像模型等能力快速生成和调整方案。据项目团队介绍，相关应用使其3D建模效率相比人工提升80倍以上。

在新能源领域，腾讯云与宁德时代围绕产品质检展开合作，通过多模态框架识别和分析生产图像，相关项目已完成试点。在医疗领域，跨模态技术已在瑞金医院、中山大学附属第一医院等三甲医院落地。在高端制造领域，中国商飞也依托平台能力缩短模型训练和部署周期。

此外，平台还服务招商银行、南方电网、粤海水务、广州地铁等企业和项目。根据项目介绍，依托该平台获得服务的广东企业已超过20万家。

面向未来，团队将继续支撑更大规模的AI研发和应用，优化计算、通信和存储效率，在保证性能与稳定性的同时降低算力和系统运行成本，为人工智能走向千行百业筑牢底座。

文、视频｜记者 杨进怡 黎秋玲
图｜受访者提供