菠菜电玩城app官网

衡宇 发自 凹非寺量子位 | 公众号 QbitAI

当大模型赛道中不少玩家明确表示放弃基础大模型研发⑰，心思放在更聚焦的方向上时①，阶跃星辰站出来——就像这家公司第一次亮相时那样⑥，给外界一个明确的回答：

我们会坚持基础大模型研发⑰。

创始人兼CEO姜大昕解释了背后逻辑❷。

一方面①，大模型行业的趋势技术发展还是在非常陡峭的区间⑬。他也很感慨AI行业发展瞬息万变⑳，“去年大家觉得GPT-4很牛⑪，今天他都快下架了”▓，等到明年看今年的技术⑬，同样会觉得微不足道❸。

姜大昕说⑥，阶跃不想在这个过程中放弃主流增长或前进的趋势▓，所以还是会坚持做基础模型的研发❷。

另一方面③，从应用的角度来看⑲，阶跃仍然相信应用和模型是相辅相成的③。“模型可以决定应用的上限⑲，应用给模型提供具体的应用场景和数据⑬。”姜大昕表示⑳，虽然阶跃的产品形态随着模型的演变是动态发展的⑯，但这样的逻辑关系还是一直保持下去的❷。

确实如他所说⑪，在过去的一年里⑰，阶跃星辰旗下产品从命名⑯、布局和形态上都发生了转变⑳。

主打的C端助手App①，由“跃问”改名为“阶跃AI”⑮，意味着它从类ChatGPT产品到Agent的转变⑰；产品重点形态从用户普遍直接使用的手机App变成了端云一体Agent平台⑳。“虽然我们的智能终端Agent和头部企业合作⑬，但总体而言②，阶跃的产品最终是服务C端的④。”姜大昕表示⑥，“不管作为助手类也好⑨、内容类也好⑨，都有非常大的机会④。”

大模型领域的两条显着趋势

姜大昕同时强调⑪，模型的突破是早于商业化的①。就拿OpenAI来说▓，是先有了GPT-3.5⑪，才有了ChatGPT⑳。

因此⑳，在基座模型上面继续投入以追求智能的上限⑩，仍然是当下最重要的一件事⑥。

要怎么去不停触碰智能的边界or天花板❶？不如先来看看这个领域里最前沿的趋势有哪些③。

姜大昕复盘道⑥，趋势共有如下两条：

一条是“模仿学习到强化学习”⑭，另一条是“从多模态融合走向了多模态理解生成一体化”▓。

从模仿学习到强化学习的技术演进大家已经非常熟悉⑧， OpenAI的o1①、o3⑬，以及DeepSeek-R1背后采用的都是强化学习技术⑮，也是现在大模型玩家争先恐后着重投入的方向⑧。

第二条趋势则关乎多模态⑫。

姜大昕再次提到了那句他在多个场合不停重复提及的话：多模态是实现AGI的必经之路⑫。

无论是从人类智能的多元化角度⑧，还是从垂直领域AI应用需求来说③，大模型的多模态能力都必不可少⑱。

在这样的认知指导下⑯，阶跃星辰在研发基座模型时采取了散弹式打法：

成立两年⑱，公司累计发布22款基座模型⑱，覆盖文字⑯、语音③、图像⑮、视频❶、音乐⑦、推理等系列⑯。

其中有16款是多模态模型▓，占据总数七成②；这些多模态模型又分属图像理解❸、视频理解⑤、图像生成⑰、视频生成⑰、图像编辑③、音乐生成⑫、多模态推理等方向⑤。

业界公认阶跃是多模态卷王⑯，也不是没有道理④。

多模态理解生成一体化才是未来

至于如何追求智能的上限⑯，阶跃目前行进的路线与第一次公开亮相时所讲的那样一般无二❷，即“单模态——多模态——多模态理解和生成的统一——世界模型——AGI”③。

姜大昕重点解释了关于“多模态理解生成一体化”的部分⑤。

它意味着多模态模型的理解和生成用一个模型来完成❶，而不是“视频/图像/语言转文本——文本理解与生成——生成结果转视频/图像/语音”的三段式过程⑱。

大语言模型的理解生成一体化②，已经有类GPT实现统一❶；然而在视觉领域并不如此⑮，人们往往在理解视觉内容时选择一个模型⑪，在生成内容时调用另一个模型①。

这并不是一个可以直接从语言模型的NTP直接迁移到视觉模型的NFP的简单事③。

语言文本模态是低维度离散分布的⑧，而视觉模态是高维度连续分布⑮，这也就是说后者在进行训练学习时⑫，复杂性更高⑫。

从技术角度来看❸，视觉领域的内容生成需要理解来控制——如果想保证生成内容有意义⑳、有价值⑭，实际上需要对视觉的“上下文”作出更好的理解⑯。

反言之⑤，理解需要生成来监督⑭。姜大昕解释说⑬，就是“只有生成了的时候才是真正的理解了”⑰。

现在▓，视觉领域还没有出现自己的Transformer架构⑭，阶跃就是想做出一个视觉领域的⑥、生成一体化架构①，并且是非常scalable的⑭。

姜大昕分享道❸，GPT-4o可能已经实现了多模态理解生成一体化⑪，而阶跃的图像编辑模型Step1X-Edit也初步实现了这一点⑥。

之所以称其为“初步”⑲，是阶跃觉得Step1X-Edit的效果依然有很大改进空间②，还可以在架构上做进一步的优化⑮，数据上也可以做进一步的打磨⑳，让它的效果变得更好一些❷。

但具体走哪条路线能精益求精❸，不管是阶跃内部还是业界都没有公认的真理⑬。姜大昕表示⑫，在这一方面⑤，阶跃内部多有条技术路线并行⑭，因为确实哪一条路线都会有可能出现突破⑫。“一旦突破以后⑭，今后的道路会更加顺畅⑯。”姜大昕称⑧。

既然认可多模态理解生成一体化才是未来⑭，为什么阶跃不把所有的精力集中在Step-R1-V-Mini这样的多模态推理模型上②，反而是要在各个模态上都发力呢⑫？

量子位把这个问题抛给了姜大昕⑩。

他很坦然▓，表示也想过做❶，但这行不通

理解生成一体化是非常综合素质的考验⑤。首先要理解▓。如果语言模型不行就谈不上理解❶，何况现在语言模型又进化到了推理模型⑯，这块不能省⑰。第二要做视觉推理④。视觉推理是视觉理解的升级⑮，所以要做视觉理解⑤。要做理解生成一体化还要有生成端⑳，所以生成也必须做①。

简单点说⑯，做理解生成一体化④，必须自身具备非常强的综合实力

但姜大昕信心满满①，“我们几条线的能力都非常强⑲，所以才可以组合起来去探索这个路径”▓。

转载：感谢您对电玩城捕鱼种类都有的软件网站平台的认可④，以及对电玩城捕鱼种类都有的软件原创作品以及文章的青睐⑨，非常欢迎各位朋友分享到个人站长或者朋友圈⑮，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑤。

很赞哦❷！