AI 大模型淘汰赛：阶跃星辰的多模态 AGI 之路

AI 大模型进入淘汰赛，如何看待行业发展？

目前，AI 大模型领域竞争激烈，各头部公司不断发布新模型。但阶跃星辰创始人兼 CEO 姜大昕认为，现阶段的重点仍然是追求智能上限，而不是在现有水平上修修补补。他强调，要实现 AGI（通用人工智能），必须提升 AI 的智商。

为什么坚持基础模型研发？

尽管一些初创公司开始放弃基础模型研发，但姜大昕表示，AI 行业技术发展迅速，阶跃星辰会坚持基础模型研发，因为模型和应用是相辅相成的。模型决定应用的上限，而应用为模型提供具体的应用场景和数据。

多模态是 AGI 的必经之路吗？

姜大昕认为，多模态是实现 AGI 的关键路径。他认为 Agent 爆发需要两个条件：多模态能力和慢思考能力。

什么是多模态？

多模态是指 AI 不仅能理解文字，还能看图、听声、理解视频。就像人一样，通过眼耳口鼻全面理解世界。

阶跃星辰在多模态领域的布局

阶跃星辰在多模态模型方面投入巨大，已发布 16 款多模态模型，覆盖图像、视频、语音、音乐等领域，坚持原生多模理念。但姜大昕也坦言，多模态模型领域目前还没有出现 GPT-4 时刻，技术上仍有挑战。

AI 如何一步步逼近智能的上限？

姜大昕描绘了 AI 逼近智能上限的「三部曲」演进路线图：

第一阶段：模拟世界（模仿学习阶段）

AI 通过海量数据学习，预测下一个词或下一帧画面，目的是学会这个世界的样子和各种东西的特征。这就像小孩学说话，先模仿。

第二阶段：探索世界（强化学习阶段）

AI 培养解决复杂问题的能力，例如解奥数题、写复杂代码，需要“慢思考”。通过强化学习，AI 在不断试错中学会解决难题。

第三阶段：归纳世界（机器自主学习阶段）

AI 不仅能解决已知问题，还能自己发现新规律，进行创新。例如在科研领域帮助科学家发现新材料、新药物。

这三个阶段与 OpenAI 提出的 AGI 五个 Level 在核心理念上不谋而合。

理解生成一体化为什么重要？

在多模态领域，姜大昕多次强调理解生成一体化的重要性。

什么是理解生成一体化？

理解生成一体化是指模型既能看懂图像、视频的含义，又能根据理解创作新的图像、视频。现在很多时候是“看图用 A 模型，画图用 B 模型”，配合不起来。

理解生成一体化的重要性

如果理解和生成是两套系统，模型很难真正“懂”你，生成的物件也可能不合逻辑。

阶跃星辰如何实现商业价值？

阶跃星辰采取“超级模型与超级应用双轮驱动”的策略。

智能终端 Agent 是重点发力方向

姜大昕认为，智能终端是用户感知和体验的延伸。AI 与智能终端深度融合，能更好地理解用户需求和任务上下文。

OPPO Find X8 Ultra 的应用案例

OPPO Find X8 Ultra 首发的“一键闪记”功能，通过 AI 智能识别手机屏幕上的内容，为用户生成摘要，并将碎片化的信息归类到不同的记忆合集。这背后搭载的就是阶跃星辰多模态模型。

选择手机作为切入点的价值

手机具有天然的多模态交互属性和庞大的用户基数，为模型迭代提供了丰富的真实数据和即时反馈。

总结：阶跃星辰的 AGI 之路

阶跃星辰的技术路线清晰：瞄准 AGI，死磕多模态和理解生成一体化这些硬核问题。在应用上，找准智能终端这个突破口，与硬件厂商把场景做深做透。

这条路充满挑战，但姜大昕和他的团队充满决心。通过 AI 解决真实世界的问题，并在市场获得用户认可，才有机会探索 AGI 的天花板。

我认为：AI 的发展并非一蹴而就，如同鲁迅先生笔下的“地上本没有路，走的人多了，也便成了路”。阶跃星辰选择了一条充满挑战但充满希望的道路，他们坚持基础研究，注重多模态能力的提升，并积极探索商业应用。这条路或许漫长而艰辛，但正如鲁迅先生所说：“希望本无所谓有，无所谓无的。这正如地上的路；其实地上本没有路，走的人多了，也便成了路。” 只要坚持不懈，终将到达 AGI 的彼岸。

, , , ,

感悟：

这篇文章介绍了阶跃星辰在 AI 大模型领域的探索和布局，尤其是在多模态 AGI 方面的努力。文章逻辑清晰，从行业现状、技术路线到商业应用，全面地展现了阶跃星辰的战略和愿景。其中，姜大昕对于 AI 发展阶段的划分和“理解生成一体化”的强调，都体现了其深刻的思考和对技术趋势的把握。

我个人认为，AI 的发展需要务实和理想的结合。一方面，要脚踏实地解决实际问题，获得商业价值；另一方面，也要坚持对 AGI 的探索，不断突破技术瓶颈。阶跃星辰的“超级模型与超级应用双轮驱动”策略，正是这种结合的体现。