上海WAIC大會現場“大鬧天宮”：模型夠猛，產品夠酷，公司夠強

衡宇 發自 凹非寺

量子位 | 公眾號 QbitAI

今年上海世界人工智能大會，誰最受關注？

展區現場，有個擠得水泄不通的互動——

像孫猴子一樣在全世界大鬧天宮的AI大模型，而且真的和《大鬧天宮》聯動！

只需一張真人正面圖片，就能get天庭打工人寸照；在測出屬于你的《大鬧天宮》版MBTI的同時，玉帝老兒還會賞咱個天上的官兒當當，何不美哉？

這個對大多數人來說見了就挪不動腿的AI互動體驗背后，背后還是一支越來越出圈的國產大模型團隊。

它不僅手握多模態能力，還在WAIC上亮出了手里最新的萬億MoE大模型。

平時低調，亮相不多，但總是一鳴驚人。

階躍星辰，微軟前全球副總裁，微軟亞洲互聯網工程院前首席科學家姜大昕創立，出道不早，但后發先至，目前已是公認的大模型第一梯隊玩家，位列大模型創業“六小強”。

而且這一次WAIC期間，階躍星辰展示的大模型能力，不只是和孫悟空攜手鬧天空那么簡單。

萬億MoE+多模態大模型

階躍目前推出的模型均為Step系列。

新模型發布之前，小結一下過去的成員：今年3月，階躍共發布3款模型，即Step-1千億參數語言大模型、Step-1V千億參數多模態大模型、Step-2萬億參數MoE語言大模型（預覽版）。

在這次WAIC，Step家族增加3名新成員。

• Step-2萬億參數語言大模型正式版
• Step-1.5V千億參數多模態大模型
• Step-1X圖像生成大模型

第一個是MoE結構的萬億參數大語言模型，后面二者則是多模態模型。

大語言模型：Step-2正式版

3月底的全球開發者先鋒大會開幕式上，階躍展示了萬億參數MoE語言大模型Step-2的預覽版。

不是我說，階躍是懂什么叫“淺嘗輒止”的，只有預覽版，讓人心癢癢。

好在階躍團隊堅信Scaling Law，因此不斷訓練更大模型。

這次，Step-2正式版終于正式亮相。

Step-2擁有萬億參數，采用MoE架構，官方介紹，Step-2在數理邏輯、編程、中文知識、英文知識、指令跟隨等方面體感全面逼近GPT-4。

背后有階躍團隊花了大心思的巧思在。

首先是創新算法架構。

一般而言，主流訓練MoE模型有兩種方式，不然就基于已有模型通過upcycle（向上復用）開始訓練，不然就從頭開始訓練。

Upcycle方式所需算力相對更低、訓練效率更高，但隨隨便便就到這種方式的天花板了。

比如基于拷貝復制得到的MoE模型，非常容易出現專家同質化嚴重的情況。

而選擇從頭開始訓練MoE模型的話，能夠探得更高的模型上限，但作為代價，訓練難度也會增大。

俗話說得好，勇敢階躍，不怕困難（doge）。

在設計Step-2的MoE架構時，階躍星辰迎難而上，完全自主研發，從頭開始訓練。

過程中，通過部分專家共享參數、異構化專家設計等創新MoE架構設計，Step-2這個混合專家模型中的每個專家都得到了充分訓練。

故而，Step-2總參數量達到萬億級別，每次訓練或推理所激活的參數量也超過了市面上的大部分Dense模型。

此外，Step-2的訓練過程中，階躍的系統團隊突破了6D并行、極致顯存管理、完全自動化運維等關鍵技術，支撐起了整個模型的高效訓練。

多模態大模型：追求多模理解和生成的統一

姜大昕曾經堅定表示過，團隊追求的是多模理解和生成的統一，“Step系列大模型將為多模理解和生成的統一奠定堅實基礎。”

于是，在多模理解方面秀肌肉的Step-1.5V多模態大模型，以及在多模生成方面小有所成的Step-1X圖像生成大模型，這次也對外發布。

Step-1.5V多模態大模型從Step-1V千億參數多模態大模型迭代而來。

Step-1V大模型已經可以精準描述和理解圖像中的文字、數據、圖表等信息，并根據圖像信息實現內容創作、邏輯推理、數據分析等多項任務。

而視頻中的內容，它也可以輕松理解。

對比前作，Step-1.5V多模態大模型有明顯躍升。

• 感知能力：創新的圖文混排訓練方法，讓Step-1.5V能理解復雜圖表、流程圖、準確感知物理空間復雜的幾何位置，還能夠處理高分辨率和極限長寬比的圖像。
• 推理能力：根據圖像內容進行各類高級推理任務，如解答數學題、編寫代碼、創作詩歌等。
• 視頻理解能力：它不僅能夠準確識別視頻中的物體、人物和環境，還能夠理解視頻的整體氛圍和人物情緒。

另一個新發布的Step-1X圖像生成大模型，有600M、2B、8B三種參數量，分別適合對于速度敏感、日常主力（平衡效果和速度）、追求更高效更極致這三種場景。

通過全鏈路自研的DiT模型架構，Step-1X有更好的文本prompt和生成圖片的語義對齊能力，以及指令跟隨能力。

還有個不得不提的點：

Step-1X針對中國元素進行了深度優化，有關中國元素、文化的內容都能輕松拿下，生成的效果也更符合國人審美。

對外亮相第一天起，階躍星辰就擺明姿態，攀登AGI巔峰之路“萬億參數”和“多模融合”缺一不可。

這次一股腦兒推出的三款新模型，就是其在既定路線上向前探索的有力證明。

不可或缺的AI應用與生態布局

階躍星辰不是WAIC上唯一推陳出新的大模型玩家。

在現場有一種強烈的感受，相比去年WAIC，展區的大模型廠商出現了更多創業公司的身影，尤為不同的是，無論是展商、論壇還是觀眾，對AI大模型應用的關注和討論都占去不小篇幅。

類似“模應一體”“殺手級應用”“AI應用生態”這般的話題，頻頻被提起。

姜大昕此前有過一個生動的比喻：模型和產品的關系，就像靈魂和皮囊。

當你具體到某個應用的時候一定要通用模型跟它深度綁定，應用才能做到極致。

反過來也是一樣，我不覺得一個光做應用的公司，沒有一個模型跟它深度綁定的話，它能做到極致。

這就凸顯出階躍星辰在模型與產品之間的伏線千里之妙。

以自家Step系列模型為基座，階躍星辰的產品共有兩類，自有產品和合作產品。

自有產品方面，有聊天類應用躍問，定位個人效率助手，web端和App端可用；AI開放世界平臺冒泡鴨，提供海量智能體，主打一個休閑娛樂。

兩款toC產品，均已全面開放使用。

這里重點介紹一下躍問，它擁有聯網搜索、代碼分析增強（POT）等能力，能夠提供信息查詢、語言學習、創意寫作、圖文解讀等服務。

和其它家聊天類應用相比，它有一個最大的優勢：多模態內容理解能力。

它能夠幫助用戶識別真實世界的萬事萬物：

能夠理解和分析復雜的金融圖表：

還能理解熱梗圖片中的深意：

甚至能夠根據歐洲杯賽程表，梳理生成“一圖讀懂”：

合作產品方面，最亮眼的就是此次吸粉無數的《大鬧天宮》AI互動體驗。

動畫電影《大鬧天宮》制作于1961年，是上美影的靈魂代表作，60年來，更成為幾代人鐘愛的回憶。

半個多世紀以來，基于這個國民IP的創新層出不窮，還能玩出什么新花樣？

圍繞《大鬧天宮》，階躍團隊與上影集團利用AIGC和大模型技術，聯合推出了AI互動體驗產品，讓大家能與電影情境深度融合。

玩法也很簡單：

上傳一張個人照片，然后開始走Step系列大模型生成的劇情。

模型算法會識別照片特征，提取后結合《大鬧天宮》的畫風和角色，完成風格遷徙，生成新的肖像。

劇情發展過程中，用戶能選擇，也能和系統對話交談。

等等，這還沒完！

根據剛才做出的選擇和回答，大模型還會進一步分析用戶的MBTI人格，最后得出結論：

如果你在天庭當打工人，最適合什么差事？

（沒辦法咯，孫悟空大鬧天宮前也老老實實做了段時間弼馬溫）

量子位測出來，是enfp的赤腳大仙。

都說光腳的不怕穿鞋的，本大仙今天就原地罷工吧（不是）。

據說只有1%的人能測出來齊天大圣，不是我，我慕了。

沒在現場但想玩一把的朋友們，可點擊文末閱讀原文，也歡迎大家把測出來的MBTI和神仙職位在評論區分享～

上述產品不只是階躍星辰利用自家大模型能力對外輸出的全部。

據了解，在內容、金融、網絡文學、知識服務、影視等領域，階躍星辰都和行業頭部展開合作，多維探索面向C端用戶的創新應用。

國產大模型創業第一梯隊新格局

對于所有的大模型玩家來說，從ChatGPT誕世的那一天起，全球范圍內的競爭就愈發激烈，再也沒有停歇過。

尤其是WAIC現場，這樣的信號傳遞得非常明顯。

谷歌、Meta、BAT、華為、訊飛、深度求索、AI四小龍……老牌AI布局者，在AI 2.0時代的實力依然不可小覷。

背后原因是AI 2.0實質上是隨著研究深入，對判別式AI與生成式AI的人為劃分，而深度學習的核心三駕馬車，即對算法、算力、數據的掌握和運用，依然是重中之重。

但古今中外，一個時代有一個時代的公司，每個時代都會有代表性的公司出現。

AI 2.0時代的大模型初創公司，確實已經出現了對技術和產業的發展至關重要的銳力。

WAIC展區，就有這樣的玩家出現，而且經過第一階段的競速和洗牌，大模型創業的上半場基本已經結束。

在上半場中，能夠脫穎而出的創業玩家，首先通過自研基礎大模型，證明了自己的技術研發實力；其次還通過產品和應用，開啟了商業模式試水，構建起了技術-產品-數據-商用的初步飛輪；最后，還獲得了創投和資本市場的認證，完成了獨角獸級別的巨額融資，有糧草和底氣可以開啟下一階段比拼。

實際上，上半場也是創業玩家的分水嶺，能夠在此時此刻把公司推至獨角獸級別，是角逐下半場的門票體現。

也就是說，沒有門票，基本就告別下半場了，更別說AGI了。

因為隨著第一階段競速，市場的作用開始展現，不論是技術人才、研發資源、創投資本，都在急劇收斂，形成馬太效應——留在桌上的玩家會獲得更多的資源挑戰更大的目標，下了桌的玩家，原先有的也要被拿回。

互聯網時代、移動互聯網時代、AI1.0時代的軌跡，再次重復上演。

而現在，在AI2.0上半場拿到門票的創業玩家，格局初現，六小強銳不可當——

智譜華章、月之暗面、MiniMax、零一萬物、百川智能、階躍星辰……越來越多被放在一起談論。

而階躍星辰，是其中后發的一個，但正在展現出謀定而后動的后發優勢。

而且它是為數不多，在國內同時擁有多模態大模型能力和萬億MoE大模型的玩家，這代表了面向下半場的某種潛在競爭力和加速度來源。