ITBear旗下自媒体矩阵:

阶跃星辰姜大昕:AI未来在视觉理解生成一体化,何时迎来Transformer时刻?

   时间:2025-05-09 21:54:05 来源:ITBEAR编辑:快讯团队 发表评论无障碍通道

在人工智能领域,大模型技术的迅猛发展正以前所未有的速度改变着行业格局。曾经被视为技术巅峰的GPT-4,其生命周期仅维持了467天,便迅速被新技术浪潮所超越,这一变化深刻反映了技术迭代速度的加快以及战略窗口期的急剧缩短。

技术的日新月异使得大模型行业的焦点不断切换,从全员预训练到All in推理,从闭源到开源,每一个阶段都充满了挑战与机遇。2025年的今天,推理和开源已成为行业关键词,然而未来的趋势依旧扑朔迷离,难以预测。

在这样的背景下,阶跃星辰作为一家成立仅两年的大模型公司,却以其独特的视角和坚定的步伐,在行业中脱颖而出。5月8日,阶跃星辰在北京举办了媒体沟通会,其创始人兼CEO姜大昕接受了多家媒体的采访,分享了公司对于大模型时代的思考和判断。

姜大昕强调,多模态是实现通用人工智能(AGI)的必经之路。人类的智能是多元化的,包括语言智能、视觉智能、空间智能等,因此要实现AGI,模型必须具备处理多种模态信息的能力。阶跃星辰自成立以来,便致力于多模态模型的研发,目前已发布了22款自研基座模型,覆盖文字、语音、图像、视频、音乐、推理等全系列,其中多模态模型占比高达7成。

姜大昕表示,阶跃星辰在实现AGI的路线图上,已经规划了三个阶段:模拟世界、探索世界、归纳世界。目前,整个行业仍处于技术发展的陡峭区间,因此公司将继续坚持基础大模型的研发,追求智能的上限。

谈及未来大模型的发展趋势,姜大昕认为,增强推理能力和实现多模理解生成一体化将是主要方向。在预训练的基础模型上加入强化学习,可以激发推理的长思维链能力;同时,将推理引入到多模态领域,结合模型的感知能力和内部知识,可以更深入地理解复杂场景。视觉领域的理解生成一体化也是当前的核心问题,它对于预测下一帧、构建世界模型、实现具身智能等至关重要。

姜大昕进一步解释,理解生成一体化的核心定义是由同一个模型完成理解和生成任务,这在文本领域已经实现,但在视觉领域仍面临挑战。阶跃星辰正在内部探索多条技术路线,以期找到可扩展的理解生成一体化架构,实现视觉模态的“Transformer时刻”。

除了技术和方向,落地与应用也是阶跃星辰关注的重点。姜大昕透露,公司下一步将战略聚焦智能终端Agent方向,并重点布局汽车、手机、具身智能、IoT等核心应用场景。智能终端作为用户感知与体验的延伸,能够采集环境信息,助力Agent理解用户所处环境及任务上下文,未来的Agent有望通过自然对话简化复杂设备操作。

在商业化方向上,阶跃星辰采取的是“超级模型加上超级应用”的双轮驱动策略。姜大昕认为,模型突破先于商业化,通常是模型能力的突破先发生,然后才带来商业化的成熟应用。阶跃星辰专注于基础模型能力,但同时也重视应用,通过应用来牵引模型能力的提升。

在采访的最后,姜大昕表达了对未来的期待。他表示,阶跃星辰将继续坚持基础模型研发,追求AGI的同时,通过与行业伙伴合作,在实际应用场景中探索和落地Agent能力,形成从模型到Agent,从云侧到端侧的生态体系。

 
举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version