中國的 Z.AI 發布首款未使用美國晶片訓練的主要 AI 圖像生成模型

簡要

• 中國的 Z.AI 發布了一款完全在華為芯片上訓練的重大開源圖像模型。
• 它採用混合自回歸-擴散設計，提升文本準確性和空間控制。
• 此發布標誌著中國在AI自主研發方面的推進，無需依賴美國GPU。

中國人工智能公司 Z.AI 於週三發布了一款完全在華為處理器上訓練的開源圖像生成模型，這是首次一個主要AI模型在未依賴美國硬件的情況下完成完整訓練週期。 此舉凸顯了對Nvidia在AI芯片領域長期主導地位的潛在挑戰，因為它顯示中國頂尖AI公司之一可以在不依賴美國製GPU的情況下訓練大型模型。 該模型已在Hugging Face上提供下載，並在美學和連貫文本方面產生了良好——但按今日標準並不令人驚豔——的結果，並且在我們的初步測試中展現出優秀的空間感知能力。

由Z.AI新模型生成的圖像。

這家總部位於北京的公司，在上週的香港IPO中籌集了$558 百萬美元，使用MindSpore框架在華為的Ascend Atlas 800T A2伺服器上訓練了名為GLM-Image的模型。 Z.AI在一份與《南華早報》分享的聲明中表示：“我們希望這能為社群探索國產計算能力的潛力提供有價值的參考。”

介紹GLM-Image：開源圖像生成的新里程碑。

GLM-Image採用混合自回歸加擴散架構，結合強大的全球語義理解與高保真視覺細節。其整體質量可媲美主流擴散模型… pic.twitter.com/cjtUYRkge5

— Z.ai (@Zai_org) 2026年1月14日

GLM-Image結合了具有160億參數的自回歸與擴散技術，採用混合架構。自回歸部分基於Z.AI的GLM-4語言模型，負責指令理解與圖像構圖，而擴散解碼器則用於細節修飾。這種方法類似於OpenAI最新的圖像生成模型gpt-image-1.5，該模型在文本渲染和提示遵循方面優於純擴散模型如Stable Diffusion。 擴散模型通過從隨機視覺噪聲開始，逐步細化成圖像，而自回歸模型則逐步構建圖像，根據前面內容預測每個部分。擴散在整體逼真度方面表現出色，但在文本或佈局等精細細節上可能較弱，而自回歸模型則擅長結構和指令遵循。目前，擴散是開源AI圖像生成器中的王者技術。

新型混合系統結合兩者，利用自回歸生成來規劃圖像，並用擴散來潤色最終結果。

圖：Z.AI

此發布對於曾在2025年因與中國軍方的疑似關聯而被華盛頓列入黑名單的Z.AI具有重要意義。該制裁使公司無法使用Nvidia的H100和A100處理器。如今，Z.AI證明被列入黑名單的公司仍能利用國產硬件打造具有競爭力的AI系統，這是北京長期希望展示的成果。 就在Z.AI宣布之後，《路透社》報導稱中國海關已指示代理阻止Nvidia H200芯片進入中國。政府官員召開會議，告知科技公司除非必要，否則不要購買這些芯片。消息人士稱，措辭嚴厲，幾乎等於“暫時全面禁令”。  北京似乎在傳達訊號：中國AI實驗室可以在沒有美國芯片的情況下構建有能力的模型，減少中國企業囤積Nvidia硬件的迫切性。H200的性能約為北京去年八月封鎖的H20芯片的六倍多，已經有中國企業訂購超過兩百萬台，每台價值27,000美元。 喬治城大學安全與新興技術中心的分析師指出，中國的芯片策略依賴於用華為處理器的巨大集群來彌補每個芯片性能較低的劣勢。這種方法有效，但需要更多硬件、更高的電力和更多工程投入。 “這一策略的關鍵限制之一是中國能否自主生產足夠的芯片來彌補並追趕能力差距，”高級研究分析師Hanna Dohmen在11月對CNBC表示。 根據華為自己的路線圖，2026年的下一代芯片在原始性能方面實際上會比目前的旗艦產品更差。但這種評估可能低估了中國實驗室通過算法效率所能達到的水平，正如DeepSeek通過組裝層級GPU優化，用較少的芯片訓練出具有競爭力的模型所展示的那樣。

資料來源：外交關係委員會

根據公司技術報告，Z.AI的GLM-Image在開源模型中在文本渲染和漢字生成方面取得了行業領先的基準分數。沒有合適硬件的人也可以通過API在線試用，價格為每生成一張圖像0.014美元，或通過Z.AI維護的免費Hugging Face空間使用。 Z.AI成為中國“AI猛虎”之一的第一家上市公司，該集團由多家建立大型語言模型以抗衡OpenAI和Anthropic的初創公司組成。自上市以來，其股價已上漲約80%，這得益於投資者對中國AI企業如DeepSeek或阿里巴巴的熱情，尤其是在中國國內芯片雄心的推動下。 華為則準備在今年大幅增加Ascend處理器的產量。隨著其在中國各大AI會議上的展位越來越突出，試圖將自己定位為一個不再依賴聖塔克拉拉的國家AI基礎設施的支柱。