已过期50% 置信事件精确时间
VIDRAFT Lab 公布了一项实验：一块仅为推理设计的 NPU 阵列在 VKORE 软件层调度下完成了语言模型从零开始的完整预训练，其损失曲线与 GPU 基线的相关性达到 0.99。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/16
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/10/30(已过期)
来源
VKORE：仅推理NPU跑通大模型预训练，损失相关性达0.99
rss2026/10/16
涉及实体
相关事实
待验证VIDRAFT 在一类通常只用于推理的 NPU 硬件上，从零预训练了一个 4600 万参数的语言模型 VKORE-46M-NPU，整个训练过程未依赖 NVIDIA GPU 或 CUDA 软件栈。78% 相似待验证实验在32芯片的NPU集群和一块参考GPU上运行同一模型、相同初始化、相同数据和训练计划，NPU与GPU的损失轨迹相关性达到0.99。75% 相似待验证在无 GPU 的 Debian 机器上，使用 OpenCode 1.19.0 连接 Ollama 中的 qwen3:1.7b 进行纯 CPU 推理，三次测试均未产出合格图形：令牌桶限流器任务运行 16 分钟未写出任何文件；CDN 边缘缓存任务 8 分 23 秒写出 738 字节无效 SVG；数据库连接池任务 10 分 37 秒输出平面 2D 占位图形。70% 相似待验证以当前公开证据来看，NPU 还不能完全替代 GPU 做训练，因为 0.99 损失相关性仅成立于 4600 万参数、32 芯片的配置。69% 相似待验证VIDRAFT推出的VKORE软件加速层在不改动芯片的前提下，既将NPU推理性能提升数倍，又让Transformer的LoRA训练在这类推理专用硬件上跑通，数值精度与标准PyTorch达到0.9999对齐。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1044251API
curl https://kongchang.com/api/v1/knowledge/claims/1044251MCP
get_claim(id=1044251)