多模態成2024 WAIC關鍵詞之一 對話巖芯數智CEO劉凡平：讓每個設備都擁有個性化的智能

每經記者 陳婷    每經編輯 董興生    

作為全球人工智能領域最具影響力的行業盛會之一，世界人工智能大會（以下簡稱“WAIC”）可以被視為觀察人工智能發展的一個窗口。

WAIC 2024剛剛落幕，據《每日經濟新聞》記者持續幾日在大會現場觀察，多模態已經是當之無愧的行業關鍵詞之一。

巖芯數智CEO劉凡平在接受《每日經濟新聞》記者專訪時表示，就今年而言，大模型的多模態能力肯定比去年有所進步。“但我認為，整個行業肯定還要再進步，目前我們已經做到了多模態的輸入和輸出，距離完全像人一樣地實時人機交互，還要一點時間。”

作為一家以認知智能為基礎的創新企業，巖芯數智Rock AI在今年1月份發布了全國首個非Attention機制的Yan架構通用大模型，開辟了非Transformer架構的一條新路徑。這次WAIC，巖芯數智展示了Yan1.2版本的階段性成果，主要展示Yan架構在更廣泛、更低算力設備上的離線部署及多模態應用能力。

圖片來源：每經記者 陳婷 攝

巖芯數智之外，據記者了解，今年WAIC期間，不少從業者強調了多模態的重要性。階躍星辰創始人、CEO姜大昕博士表示：“攀登AGI山峰，‘萬億參數’和‘多模融合’缺一不可。”MiniMax副總裁劉華更是認為，多模態大模型有望引領新一輪科技革命。

除了存在感居高不下的多模態外，今年WAIC，對于大模型應用落地的討論更多元了，對于安全治理的見解也更深入了。

今年WAIC大模型更“百花齊放”

官方資料顯示，今年WAIC大會展覽面積超5.2萬平方米，500余家知名企業、超1500項展品參展，50余款新品首發首秀，均達歷史最高。此外，近百個大模型集中展現，18臺人形機器人矩陣亮相，國內首款全尺寸通用人形機器人開源公版機發布。

“目前來看，具身智能是挺多的。”劉凡平表示，就當前來看，具身智能的大腦可能還不夠成熟，“未來，具身智能大腦仍需持續突破”。

大會現場，巖芯數智的研發團隊展示了一款部署了Yan1.2多模態大模型的智能機器人小智，它基于Yan1.2的語音和視覺處理能力，能實時識別環境、準確理解用戶的模糊指令和意圖，并據此控制其機械軀體高效完成各類復雜任務。

據記者了解，此次“小智”機器人搭載的核心硬件是以低算力著稱的樹莓派第五代芯片，在極低算力的設備上實現了多模態能力。

現場，巖芯數智的工作人員向記者介紹了“小智”的能力。面對記者，它不但能依據指令向記者鞠躬，還能描述出記者身上穿的衣物特征。此外，小智還有文字類圖像的理解能力?，F場，工作人員在小智面前展示了書本的一頁內容，很快，小智就能總結、復述出書本文字的大致意思。

劉凡平用“百花齊放”形容今年的WAIC。他表示：“當大模型真正發展落地的時候，其實不能再用以前的思維和大眾思維思考這個問題，還是要以未來的視角去思考現在如何演進。”

據記者了解，今年WAIC，創業公司和大廠各有千秋。

阿里巴巴推出“通義十二時辰”，展示了對話、效率、智能體、視覺四個核心場景中的AI助手能力。此外，快手再次升級視頻生成大模型“可靈”，騰訊則攜混元大模型及多款AI應用亮相。

圖片來源：每經記者 陳婷 攝

與此同時，記者了解到，大會期間，創業公司階躍星辰首發了三款Step系列通用大模型新品：Step-2萬億參數語言大模型正式版、Step-1.5V多模態大模型、Step-1X圖像生成大模型。

此外，據MiniMax副總裁劉華介紹，MiniMax將海螺AI、星野和MiniMax開放平臺帶到了本次世界人工智能大會。海螺AI可為用戶分析財報、速讀長文、創作文案，聆聽用戶的想法和煩惱，捕捉、理解用戶情緒。

據悉，海螺AI背后接入了MiniMax自研的多模態大模型，包括萬億參數MoE大語言模型abab6.5、語音大模型和圖像大模型。

關于未來的探討：讓每個設備都擁有個性化的智能

在本屆WAIC期間，還出現了不少探討AI未來發展方向的聲音。

劉凡平便有一個更高的目標：就是在實現通用人工智能的同時，將AI與每個人獨特的地方結合在一起，模型具備自主學習能力，讓每個設備都擁有個性化的智能。

“我覺得值得驚艷的突破，不在于模型本身已有的知識能力。”劉凡平表示。雖說大家現在都在比參數量，但在他看來，更需要比較的是大模型自主學習的能力有多強。

“舉個例子，小蒼蠅、小壁虎、小兔子，它們的腦容量是不一樣的，但它們都具備智能。”劉凡平認為，智能和參數量沒有直接相關的關系，“因為人與人之間的比較也是這樣，從來不是比較誰了解的知識比誰多，而是比較誰的學習能力更強，所以我認為大模型之后的比較方向應該是自主學習能力。”

劉凡平表示，當大模型具備了自主學習的智能，才是通用人工智能真正的開始，“現有的并不是（自主學習），現有的是一種壓縮算法”。

圖片來源：每經記者 陳婷 攝

對于大模型的未來，MiniMax副總裁劉華也表達了看法。他認為，隨著多模態大模型技術的持續演進，文本、語音、視覺這三種模態的融合模型正逐步邁向成熟。一旦此類大模型技術達到成熟階段，其應用場景將會進一步拓展，實現更多的實際應用。

劉華認為，在短期內，對多模態大模型的大規模落地應用預期應保持審慎態度，不過從中長期來看，堅決不應低估多模態大模型的重要性，它有望引領新一輪的科技革命。

另據媒體報道，曠視科技聯合創始人、CTO唐文斌接受采訪時表示，相比語言模型，增加訓練數據量和參數量對于計算機視覺模型的提升和收益，目前看并沒有那么大，而多模態會是大模型的未來。騰訊集團副總裁蔣杰也表示，大模型行業正經歷從單模態到多模態，再到全模態的演進。

劉凡平也注意到了大模型在多模態能力上的進步，他還表示，與去年相比，今年WAIC在智能化上也有所提升，但基礎變化還不是很大，硬件層次則更難。他推斷，未來人工智能一定會走向硬件化，“當已經完全硬件化的時候，就是完全可商用的時候，任何人都可以用得起”。

他認為，今后大家可能會選用一種全新的算法替代現有的Transformer架構。“Transformer架構依賴的算力非常大，同時數據量要求非常高，這兩個條件限制了它的發展。”

記者發現，即便大多選擇從B端出發，但很多大模型公司已有面向C端的動作。

以階躍星辰為例，其在WAIC現場展示了面向C端用戶的自研產品。據報道，階躍星辰副總裁李璟在接受媒體采訪時表示，目前，C端仍在早期階段，還在進行用戶體驗的收集和打磨，隨著C端模型能力提升，將產生很強的爆發力。而B端需求相對明確和穩定，已經涌現出非常多的確定性應用機會。劉華也表示，MiniMax堅持To B與To C業務并重的發展策略。

記者也從巖芯數智了解到，當前商業化的重心正逐漸從B端部署到C端，以軟硬件結合的方式搶占C端市場先機。