电玩城图片

大模型进化路线持续分野①，阶跃星辰追求AGI的决心反而更加坚定⑲。

成立于2023年4月的阶跃星辰刚刚过完两岁生日❷，模型发布频率和产业落地探索正在前所未有地加速⑧。

阶跃星辰累计发布了22款自研基座模型❷，覆盖文字⑨、语音②、图像⑱、视频⑦、音乐①、推理等全系列②。其中⑤，16款是多模态模型⑪，占比七成④。目前仍然保持“月更”状态⑥。

阶跃星辰创始人⑲、CEO姜大昕说⑤，追求智能的上限仍然是当下最重要的一件事❷。

姜大昕的目标是坚决探索通往AGI⑰，且多模态是实现AGI的必由路径⑳。他把模型演进路线图划分为三个阶段⑩，即模拟世界—探索世界—归纳世界❷。

首先⑧，模拟世界的训练范式是模仿学习⑤，核心是学习海量互联网数据⑰；其次⑥，探索世界是追求“系统二”的能力⑯，实现慢思考⑥；其三⑨，智能的尽头是归纳世界❶，机器能够自主学习❸、主动发现人类尚未发现的物理规律⑦。

姜大昕还特别强调从多模态融合走向多模态理解生成一体化⑦，因为“在多模态领域任何一个方向出现短板⑨，都会延缓实现 AGI 的进程⑳。”

在国内大模型公司里①，像这样重视模态全覆盖▓，并且坚持原生多模理念的公司并不多⑧。这被视为阶跃星辰的独特优势①。“我们需要 AI 能听⑨、能看⑯、能说⑬，这样它才能更好地理解用户所处的环境④，并且和用户进行更为自然的交流③。目前的大模型公司有能力去全面自研预训练模型⑤，并构成模型矩阵的⑰，即使是大公司也不多▓，更不用说是初创公司了⑮，这是阶跃星辰的一个特色⑲，也是我们的优势❶。”

多模态模型的两大趋势▓、强调多模型理解生成的阶跃星辰⑳，是这么想也是这么做的③，不断探索模型能力的同时加速落地验证▓。

第一是预训练加上强化学习⑦，激发模型推理的时候产生长思维链⑦，极大地提高模型的推理能力❸。

姜大昕说⑪，推理模型已经从趋势变成了范式⑤。

阶跃星辰在今年1月份发布了一款推理模型 Step R-Mini⑯，“它的速度很快⑲，推理能力挺强⑰，超出了当时的 o1的 preview 的版本▓，我们预计在未来的三个月内发布满血版的 Step-R1⑲。”

第二个趋势是多模态理解生成一体化⑥，也就是如何把推理引入到多模态领域⑥。

姜大昕举一个例子⑱，有一张足球比赛现场的图片③，一般视觉理解是训练时看到过类似的图❸，然后给出结果⑤。而加了推理的视觉模型可以根据图片中的广告牌⑪、球衣颜色等更多特征信息给出更准确的答案⑨。

这样的探索已经延伸到短剧领域③。“现在短剧最卡脖子⑱、最瓶颈的地方不是短剧生产④，而是短剧审核⑮。因为全部需要人工审核⑮，效率非常低④，用了阶跃星辰的模型后审核效率从原来的90天可以变成一个星期❶。”

姜大昕还进一步解释了“多模理解生成一体化”路线的正确性：

为什么要做理解和生成⑪？因为生成的内容需要理解来控制⑩，为了保证生成的内容有意义①，即生成需要理解来控制⑯。反过来❶，理解需要生成来监督⑬。但他也表示❷，从整个行业看⑥，这个路线还有卡点和挑战❷。

“到现在为止计算机视觉做了几十年⑪，不幸的是这个问题仍然没有被解决⑥。”姜大昕表示⑥，理解生成一体化是整个计算机视觉需要突破的一个堡垒⑤。

AGI的实现路径清晰了②、何时能实现世界模型⑰，姜大昕眼中的 AGI 就实现了②，他近期感受最深的一点是④，路线越来越清晰了②。

他回顾技术发展路线说⑳，2017年transformer 架构对业界最大的意义在于它是一个 scalable 的文本的理解生成一体化的架构⑥。

在那之前❸， LSTM或者RNN循环神经网络或者其他模型都不能 scalable⑱。正因为有了这个 scalable 的架构以后⑰，到了2020年 GPT-3来了⑬，GPT-3的意义在于我们第一次把海量的互联网数据放到了这个 scalable 的架构上⑥，可以让它用一个模型去处理所有 NLP 的任务❷。但那个时候它需要一些例子❷，然后它用一个模型来告诉你要怎么做⑤。

再往前一步⑱，到了2022年 ChatGPT来了⑮，就是在预训练模型的基础上再加上指令跟随⑦，这是 GPT-3.5做的事情⑫，到了 GPT-4的时候这个能力进一步增强⑳，所以我们经常谈到 "GPT-4时刻"❷，指的就是在这个模态上❸，模型真正能达到跟人的智能差不多的水平⑬。

到目前为止⑤，语言模型的技术路线基本上收敛了❸，没有出现别的分支❶，不管是 OpenAI 也好⑨、Google 也好⑱、Anthropic 也好⑦，或者国内任何的公司▓，语言模型都在朝着这条路往下走⑳。

姜大昕相信⑭，视觉也是可以 follow 同样的路线⑲。“如果我能够用海量的视频去做预训练⑯，它能 predict next frame 以后⑩，然后类似语言模型一样加各种指令⑳，让它去预测⑲，再往后做推理⑥，如果能做到时空推理①、加上3D ⑩、再加上自然语言学习❸，那就是世界模型了⑤。”

而世界模型⑱，就是姜大昕眼中AGI的模样❶。而挑战正在于此⑬，这件事的原点就是彻底地解决理解生成一体化②。

姜大昕断言②，这个问题一旦突破以后③，今后的道路会非常顺畅⑧，视频就会和文本一起发展到世界模型⑧。直到抵达AGI①。

智能体将从数字走向物理❸、2025年是Agent 元年⑤，姜大昕总结了两个之所以爆发的条件▓，一个是多模态的能力⑭，一个是慢思考的能力⑨，这两个能力恰好在2024年的时候取得了突破性进展②。

阶跃星辰的发力方向是智能终端 Agent⑭，并在此投入重兵⑤。

姜大昕认为⑨，终端是用户感知和体验的延伸⑮，而且它能帮你完成任务▓。这是阶跃星辰选择这个赛道的原因③。

目前倾注精力的有四个方向⑨，一个是与OPPO等厂商合作的AI手机赛道⑧。一个是和吉利汽车❶、千里科技合作的智能汽车赛道⑧。一个是和TCL等厂商合作的IoT设备领域❷。一个是具身智能领域⑨。

阶跃星辰正在具身智能领域投注精力⑪，与智元机器人和原力灵机机器人合作❷，其中阶跃的多模态大模型是机器人的大脑⑳，以感知⑭、理解这个世界③。未来目标是实现视觉的泛化①、机器人的泛化▓。

在家庭场景②，姜大昕还描绘了这样一幅场景③，在未来⑳，大家不需要了解微波炉的功能⑬，不需要去研究每个功能怎么使用⑮，把鸡蛋放进去⑫，给出指令即可⑪。也不需要知道如何设定⑩，这就是智能终端⑨。家庭场景的想象力大有可为⑱。

姜大昕用三点来概括阶跃星辰的发展蓝图①。

第一⑧，坚持基础大模型研发⑬，追求 AGI 不会改变⑥。第二⑱，阶跃差异化的特点就是多模态的能力⑤。第三⑪，在智能终端 Agent 方向上发力⑱，最终形成从模型到 Agent⑭，从云侧到端侧的生态体系⑫。

在Agent 元年❷，姜大昕希望有所坚持⑬，有所选择④。摆在他们眼前的任务⑩，是让智能体从数字世界走向物理世界⑪。

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②，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❷，非常欢迎各位朋友分享到个人站长或者朋友圈⑱，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑧。

很赞哦⑨！