2024-07-06 15:58 上海
从千亿到万亿，从文本到多模，从多模理解到多模生成，持续阶跃！
2024 世界人工智能大会（简称“WAIC 2024”）启明创投·创业与投资论坛今天举行。本次论坛汇聚了人工智能领域的顶尖学者和领军创业者，旨在从大模型的技术突破到创新场景落地，全方位解读生成式 AI 的产业变革和未来走向，探索中国科技创新的产业机会。阶跃星辰创始人、CEO 姜大昕博士受邀出席此次论坛，发表了主题为《攀登 AGI 的路径与实践：万亿参数和多模融合》的演讲，分享了对于大模型发展现状与趋势的观察与思考。
阶跃星辰创始人、CEO 姜大昕博士发表演讲
在演讲中，姜大昕重点阐述了一个核心观点：探索AGI路径，“Scaling Law”和“多模态”是相辅相成、缺一不可的两个方向。两者齐头并进，最终到达AGI。
Scaling Law 仍处于陡峭区间
万亿参数是基本出发点
近年来，GPT 系列模型的演进，客观上验证了 Scaling Law 的有效性。模型参数量决定模型能力的上限。从模型效果看，参数量增大确实带来了性能上的飞跃。虽然业内围绕“Scaling Law还能走多远”尚未形成共识，但阶跃星辰认为，参数量接下来再提高一个数量级是依然成立的。Scaling Law 目前依然奏效，模型性能仍然在随着参数量、数据量和计算量的增加呈幂次方增长。在此发展过程中，万亿参数量已经成为一个基本的入门门槛。
正是基于这样的认知，阶跃星辰很早便启动了万亿参数模型的训练。从千亿到万亿，模型的参数规模提升了一个量级，难度也提升了十倍以上。为此，阶跃星辰加大资源投入，尤其在系统和算法上积极探索，最终走通了万亿参数 MoE 大模型训练的道路。在 WAIC 2024 上，阶跃星辰发布了全新的 Step-2 万亿参数语言大模型正式版。根据从逻辑推理、世界知识、数学和编程等多个维度进行的权威测试，Step-2 模型能力都已全面接近国际主流模型，在部分测试集甚至实现了超越。
多模态是构建世界模型的基础能力
将走向理解与生成的统一
在不断攀登 Scaling Law 的同时，阶跃星辰也强调，多模态是构建世界模型的基础能力，是通向 AGI 的必经之路。从算法角度看，世界模型的演进会分为三个阶段：
第一阶段是模拟物理世界；
第二阶段是通过具身智能和物理世界交互，主动探索物理世界；
第三阶段是通过发展系统能力，发现新的物理规律，归纳物理世界。
从模拟世界，到探索世界，再到归纳世界，多模态是贯穿这三个阶段的基本能力。目前，全球科技巨头正在积极探索并布局多模融合的路径，多模态大模型研发的脚步正越走越快。然而，多模态领域目前存在的问题是，视觉的理解模型和生成模型是分开发展的。其造成的结果就是理解模型的理解能力强而生成能力弱，或者生成模型的生成能力强而理解能力弱。因此，多模态大模型接下来面临的一项关键挑战，就是能否将理解和生成统一在一个模型里。
目前，阶跃星辰正在朝着这个方向努力，并取得了一些阶段性的进展。在 WAIC 2024 上，新升级的 Step-1.5V 千亿参数多模态大模型性能大幅提升，具备更出色的视频理解能力；新发布的 Step-1X 图像生成大模型，则是阶跃星辰首次推出多模态生成大模型。
在演讲的最后，姜大昕总结到，从千亿参数到万亿参数，从文本到多模，从多模理解到多模生成，标志着阶跃星辰在短时间内连续攀登上大模型的多个台阶，打造了行业领先的通用大模型矩阵。未来，基于强大的模型能力，阶跃星辰期待与众多领域的行业头部企业深度合作，共同探索积累大模型场景落地的经验，并为合作伙伴提供更多的价值。
✦
以阶跃之力，赴星辰大海！
✦
