今天小編分享的科學經驗：最神秘國產大模型團隊冒泡，一出手就是萬億參數MoE，兩款應用敞開玩，歡迎閲讀。
國内基礎大模型創業公司，最後一位強實力選手終于正式來到台前。
它就是微軟前全球副總裁姜大昕所創辦的階躍星辰。
一年前，量子位就對這位大牛的創業動向有所耳聞。
姜大昕在微軟工作 16 年有餘，曾任職微軟全球副總裁，微軟亞洲互聯網工程院（STCA）首席科學家，全面負責微軟必應搜索的技術研發工作。但就是這麼一位風雲人物，此番創業，卻有不少令人費解的動作。
一來，他在微軟職級極高，在微軟混得風生水起，怎麼想不開創業？
二來，階躍星辰已經成立一年，但在百模群戰的 2023 年，這家公司低調得近乎隐形。不僅沒有主動對外發聲，連量子位在圈内打聽消息也探不得虛實。
現如今，大模型五虎已經初成格局，市場的注意力已經被瓜分不少，階躍星辰的亮相才姗姗來遲——會不會晚了？
會者不晚。
一出手，階躍星辰就亮出了自己蟄伏水下一年沉澱的成績：
千億模型有了，ToC 產品有了，萬億模型在路上，且通往 AGI 的路也十分明确：
走一條" 單模态—多模态—多模理解和生成的統一—世界模型— AGI（通用人工智能）"的路。
2 款 C 端產品全面開放使用
階躍星辰的產品是什麼？
不玩虛的，一露面，階躍星辰就直接帶來了 2 款面向 C 端市場的應用：
躍問和冒泡鴨，均全面開放使用。
它們一個是聊天類應用，定位個人效率助手。
一個是 AI 開放世界平台，提供海量智能體，主打一個休閒娛樂。
具體效果怎麼樣？火速注冊登錄，量子位帶大夥一睹為快。
先來看效率工具躍問。
第一輪基本問答我們讓它對比一下 ChatGPT 和 Claude 的不同，重點：以圖表形式呈現。
結果很快啊——
不止是開發公司、模型結構、檔案讀取能力這種硬性對比，也有專注方向、創新水平、安全性等偏主觀的總結，一共 14 個小項，主打一個全面：
第二輪看看聯網、信息檢索能力。
和很多大模型一樣，躍問的知識庫信息只截止到 2023 年，後面的信息自然只能現搜了。
" 今天的天氣如何 " 太簡單，我們直接問它馬斯克腦機接口公司的進展如何。
結果，準确檢索到 1 月份首位志願者植入芯片的重大事件。
不過不知道是不是對 " 重大進展 " 這一詞有不同理解，躍問沒提幾天前這位志願者可以打遊戲的報道。
我們追問之下，它倒也準确 " 交代 " 出來，包括志願者名字、玩的什麼遊戲——除了遊戲，下象棋 7 勝 4 負的事兒也一并提了。
第三輪：檔案處理。
身處 AI 科技圈，最新論文和大佬教程我們自然要緊跟步伐。
先用 OpenAI 前科學家 Karpathy 不久前的《從頭構建 GPT Tokenizer》視頻摸摸底。
直接給倆小時長的視頻目前沒有哪個大模型能直接解析，我們還是上傳字幕檔案。
很快，全英文的内容躍問刷刷刷地就總結完畢：
仔細幫大家驗證了，裏面提到的例子都有都對。用起來相當給力。
對于論文來説就更簡單了，直接給 arXiv 的鏈接就行。
一篇 8.3 萬字（基本滿足日常所需）的大模型微調方法論文（《AutoFT: Robust Fine-Tuning by Optimizing Hyperparameters on OOD Data》）丢進去，最核心的内容幾秒便可知。
至于數據處理，如下圖所示，圖片轉表格、淨增長率計算，這種需要復雜邏輯推理的任務，躍問用代碼的方式輕松解決。
最後，大家關心的多模态：
解讀表情包，easy。
挑戰一下投資機構整理的 AI 視頻公司全景圖。
别看 logo 們字體五花八門，躍問不僅迅速識别，還按照原圖歸門别類，閲讀起來相當清晰。
相比之下，有同類選手不僅識别漏洞一個接一個，格式也完全顧不上。
總的來説，説起目前市面上的 AI 個人效率助手，已經不算少。但躍問，該有的功能不僅有，在多模态、長文本理解上也能做得更好。
并且最重要的是：免費！
使用起來沒啥限制，目前也不用擔心宕機、模型 " 太累了 " 回答不出問題（手動狗頭），所以完全不失為一個優秀的平替。
至于冒泡鴨，它有 app 版也有 web 版。
平台上載有各種由多模态大模型驅動的智能對話體，可以進行各種有趣的對話、也可以探索有趣的劇情互動遊戲（" 戲精 " 們有福了）。
實在不夠，還可以自己上手創建：
官方也提供了非常詳細的上手文檔，包教包會。
我們淺試了《逃離精神病院》這一劇情。
和 AI 的對話相當流暢、沉浸，讓人一不小心抬頭看時間才發現已經玩了好久。
（不瞞您説，量子位開了好幾輪都沒能成功逃出 " 精神病院 "，難度還是有億點點的。）
對于大模型產品，姜大昕表示："我把模型和產品的關系比喻成靈魂和皮囊。大家一定聽過一句話，好看的皮囊千篇一律，有趣的靈魂萬裏挑一。我們希望靈魂能更加有趣一點，才能顯示出產品的不同。"
那麼，躍問和冒泡鴨背後的 " 靈魂 " ——大模型們長什麼樣？
" 鐵人四項 " 攀登萬億參數模型
冒泡鴨和躍問的背後，是階躍星辰已經成熟的兩款千億參數大模型。
該公司将其稱為 Step 系列通用大模型，分别是 Step-1 千億參數語言大模型，以及 Step-1V 千億參數多模态大模型。
一路看來，階躍星辰訓模型的路，走得出奇的順。
去年 7 月起，研發團隊正式開始訓練模型。
2 個月後，綜合性能超過 GPT-3.5 的千億參數大模型 Step-1，一次性訓練成功。
在大模型遍地開花的時代，聽起來擁有一個模型并不是什麼難事，但短時間内一次成功，這種效率仍然令人咋舌。
姜大昕把原因歸結于兩點。
一是團隊本身在 AI 領網域有經驗和積累；
二是創業公司團隊精悍，能對訓練中遇到的問題及時溝通與反應。
這次成功極大地鼓舞了團隊的信心，" 這驗證了我們的方法是正确的。"
再 2 個月後，也就是去年 11 月，千億參數的多模态大模型 Step-1V又告成。
Step-1V 大模型可以精準描述和理解影像中的文字、數據、圖表等信息，并根據影像信息實現内容創作、邏輯推理、數據分析等多項任務。此外，它還能理解視頻中的内容。
上海人工智能實驗室推出的大型模型評估平台 " 司南 "（OpenCompass）多模态模型評測榜單顯示，階躍星辰研發的 Step-1V 位列第一，性能比肩 GPT-4V。
" 千億參數的 GPT-3.5 模型是一個重要的分水嶺。" 姜大昕表示。
模型要達到 GPT-4 的萬億參數規模，各個維度的要求都上了一個台階。
譬如，訓練萬億模型需要等效 A800 萬卡單一集群，進行高效穩定的訓練；需要十萬億 tokens 的高質量數據；需要駕馭好新穎的 MoE 架構。
姜大昕稱，以上幾點，無論是有哪一點有所不足，都會導致 Scaling Law 難以向上攀登。
但是！
就在前幾天的全球開發者先鋒大會開幕式上，階躍星辰又給出了萬億參數 MoE 語言大模型 Step-2的預覽版——這也是國内初創公司，首次交出的萬億參數模型答卷。
姜大昕介紹，Step-2 從去年 12 月啓動訓練，目前訓練穩定，待完全訓練完畢和打磨成熟。
" 我堅信 Scaling Law，（會）訓練更大模型。" 姜大昕談到，團隊追求的是多模理解和生成的統一，"Step 系列大模型将為多模理解和生成的統一奠定堅實基礎。"
基于實踐經驗，團隊把攀登 Scaling Law 稱為一個 " 鐵人四項 " 般的超級工程。
哪四項？
算力、系統、數據、算法。
而階躍星辰自然有自己熟稔的打怪套路。
算力方面，通過自建機房 + 租用算力，積極進行算力儲備；
系統方面，團隊核心成員實踐過單集群萬卡以上的系統建設與管理，訓練千億模型的 MFU（有效算力輸出）達 57%；
數據方面，數據團隊核心骨幹出身必應搜索引擎，曾支持全球 100 多種語言，為 200 多個國家和地區提供服務，對全球互聯網高質量語料的分布有深入了解，并建立起強大的數據處理和知識圖譜流水線；
算法方面，團隊不僅能駕馭各種架構，比如萬億參數的 MoE 架構，而且對大模型的認知以及發展路線有深刻洞察。
不想只在時代的風中凌亂
面對鐵人四項和多模态融合之路，階躍星辰就這麼默默進發了一年。
那麼，是什麼樣的團隊行進在這條 Scaling Law 之路上？
量子位得知的消息是，階躍星辰現在已經有一支 150 多人的隊伍。
領隊者姜大昕，現任階躍星辰 CEO，同時也是團隊算法負責人。
2005 年，姜大昕獲紐約布法羅州紐約州立大學計算機科學博士，在機器學習、數據挖掘、自然語言處理、生物信息等領網域有豐富的經驗和工程經驗。
博士畢業後，他先後任南洋理工大學擔任助理教授，MSRA（微軟亞研院）研究員。
2011 年開始，姜大昕轉入微軟亞洲互聯網工程院（STCA）工作。
該中心主要負責微軟全球產品的研發工作，包括必應搜索引擎、智能語音助手 Cortana、Azure 認知服務以及 Microsoft 365 的自然語言理解系統等。
去年 3 月，姜大昕正式升任為微軟副總裁，同時兼任亞洲軟體技術中心 WebXT S+D（網絡體驗、搜索和分銷）集團總經理。
——是的，你沒聽錯，剛剛被升職，明明可以在微軟幹到退休，卻跑出來創業了。
" 在微軟，只能基于 OpenAI 的模型做工作。" 姜大昕回憶，即便是微軟和 OpenAI 的關系，使用其模型也只能調用 API，對黑盒裏的秘密、模型算法的修復 / 迭代建議，完全插不上手。
我當時感覺整個世界在我身邊呼嘯而過，都在往前衝，我在原地很茫然，留下自己在風中凌亂，我不知道我在幹什麼。
琢磨再三，姜大昕決心不能再被動地風中凌亂。
于是，離開微軟；于是，躬身入局。
有了創業想法的姜大昕，與現在階躍星辰的數據負責人焦斌星" 密謀 " 兩個多小時，一拍即合。
焦斌星同樣出身微軟，是中科大和 MSRA 聯合培養博士。
博士畢業後，焦斌星正式入職微軟，是微軟必應引擎核心搜索團隊前負責人，日常工作主要是利用數據挖掘和 NLP 算法優化索引和搜索質量；也曾開發全球高質量站點的自動挖掘算法并用于索引和排序。
還在微軟時，他二人就聽説過外界盛傳大模型時代的 " 數據荒 "，即 Scaling Law 所需的數據不夠用了。
當時，他們不以為然。有搜索引擎背景在，眼見互聯網有上億、上萬億的網頁網站，怎麼會不夠用？
等到自己置身其中時，發現是真的不夠用（笑死）。
好在現在既可以從多模态數據中挖掘更多數據，也可以像 OpenAI 訓練 Sora 那樣使用人造數據。
核心團隊的另外一位成員，朱亦博，此前擁有多次單集群萬卡以上的系統建設與管理實踐經驗。
他博士畢業于美國加州大學聖芭芭拉分校，曾任微軟研究院研究員。
在這一波浪潮襲來之前，他的工作主要面向大規模系統以及超高速度性能網絡。
2018 年，他任職字節跳動，負責公司 AI 基礎設施與基礎 AI 框架，開始積累萬卡集群的搭建經驗；2022 年底，他離開字節，跳槽至 Google 任高級主管，直接支持 OpenAI 最大勁敵、Claude 的背後公司 Anthropic。
可以説，階躍星辰三位核心骨幹的經歷十分相似，就是第一階段（博士期間）進行相關研究，第二階段進入大廠在一線打拼，一直都在和 AI 的最新進展親密貼貼。
當 ChatGPT 引領的大模型時代開始時，他們都意識到這是一個大變革，因此以最快速、最靈活、最全面的方式投身變革當中。
如果 AGI 是一個需要長期攀登的山峰，看到正确的路徑，建立正确的能力，比早走幾步更加重要。
One More Thing
最最最後，階躍星辰的個人效率助手躍問，剛剛上線了一個很贊的新功能。
叫一圖讀懂。
説大白話就是丢給它一個文檔，就能一鍵生成解析重點的長圖文
這是此前的 ChatBot 沒上線過的功能，想要體驗的朋友們，速去喲～
— 完 —
點這裏關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
>
