今天小编分享的科学经验：最神秘国产大模型团队冒泡，一出手就是万亿参数MoE，两款应用敞开玩，欢迎阅读。
国内基础大模型创业公司，最后一位强实力选手终于正式来到台前。
它就是微软前全球副总裁姜大昕所创办的阶跃星辰。
一年前，量子位就对这位大牛的创业动向有所耳闻。
姜大昕在微软工作 16 年有余，曾任职微软全球副总裁，微软亚洲互联网工程院（STCA）首席科学家，全面负责微软必应搜索的技术研发工作。但就是这么一位风云人物，此番创业，却有不少令人费解的动作。
一来，他在微软职级极高，在微软混得风生水起，怎么想不开创业？
二来，阶跃星辰已经成立一年，但在百模群战的 2023 年，这家公司低调得近乎隐形。不仅没有主动对外发声，连量子位在圈内打听消息也探不得虚实。
现如今，大模型五虎已经初成格局，市场的注意力已经被瓜分不少，阶跃星辰的亮相才姗姗来迟——会不会晚了？
会者不晚。
一出手，阶跃星辰就亮出了自己蛰伏水下一年沉淀的成绩：
千亿模型有了，ToC 产品有了，万亿模型在路上，且通往 AGI 的路也十分明确：
走一条" 单模态—多模态—多模理解和生成的统一—世界模型— AGI（通用人工智能）"的路。
2 款 C 端产品全面开放使用
阶跃星辰的产品是什么？
不玩虚的，一露面，阶跃星辰就直接带来了 2 款面向 C 端市场的应用：
跃问和冒泡鸭，均全面开放使用。
它们一个是聊天类应用，定位个人效率助手。
一个是 AI 开放世界平台，提供海量智能体，主打一个休闲娱乐。
具体效果怎么样？火速注册登录，量子位带大伙一睹为快。
先来看效率工具跃问。
第一轮基本问答我们让它对比一下 ChatGPT 和 Claude 的不同，重点：以图表形式呈现。
结果很快啊——
不止是开发公司、模型结构、檔案读取能力这种硬性对比，也有专注方向、创新水平、安全性等偏主观的总结，一共 14 个小项，主打一个全面：
第二轮看看联网、信息检索能力。
和很多大模型一样，跃问的知识库信息只截止到 2023 年，后面的信息自然只能现搜了。
" 今天的天气如何 " 太简单，我们直接问它马斯克腦机接口公司的进展如何。
结果，准确检索到 1 月份首位志愿者植入芯片的重大事件。
不过不知道是不是对 " 重大进展 " 这一词有不同理解，跃问没提几天前这位志愿者可以打游戏的报道。
我们追问之下，它倒也准确 " 交代 " 出来，包括志愿者名字、玩的什么游戏——除了游戏，下象棋 7 胜 4 负的事儿也一并提了。
第三轮：檔案处理。
身处 AI 科技圈，最新论文和大佬教程我们自然要紧跟步伐。
先用 OpenAI 前科学家 Karpathy 不久前的《从头构建 GPT Tokenizer》视频摸摸底。
直接给俩小时长的视频目前没有哪个大模型能直接解析，我们还是上传字幕檔案。
很快，全英文的内容跃问刷刷刷地就总结完毕：
仔细帮大家验证了，里面提到的例子都有都对。用起来相当给力。
对于论文来说就更简单了，直接给 arXiv 的链接就行。
一篇 8.3 万字（基本满足日常所需）的大模型微调方法论文（《AutoFT: Robust Fine-Tuning by Optimizing Hyperparameters on OOD Data》）丢进去，最核心的内容几秒便可知。
至于数据处理，如下图所示，图片转表格、净增长率计算，这种需要复杂逻辑推理的任务，跃问用代码的方式轻松解决。
最后，大家关心的多模态：
解读表情包，easy。
挑战一下投资机构整理的 AI 视频公司全景图。
别看 logo 们字体五花八门，跃问不仅迅速识别，还按照原图归门别类，阅读起来相当清晰。
相比之下，有同类选手不仅识别漏洞一个接一个，格式也完全顾不上。
总的来说，说起目前市面上的 AI 个人效率助手，已经不算少。但跃问，该有的功能不仅有，在多模态、长文本理解上也能做得更好。
并且最重要的是：免费！
使用起来没啥限制，目前也不用担心宕机、模型 " 太累了 " 回答不出问题（手动狗头），所以完全不失为一个优秀的平替。
至于冒泡鸭，它有 app 版也有 web 版。
平台上载有各种由多模态大模型驱动的智能对话体，可以进行各种有趣的对话、也可以探索有趣的剧情互动游戏（" 戏精 " 们有福了）。
实在不够，还可以自己上手创建：
官方也提供了非常详细的上手文档，包教包会。
我们浅试了《逃离精神病院》这一剧情。
和 AI 的对话相当流畅、沉浸，让人一不小心抬头看时间才发现已经玩了好久。
（不瞒您说，量子位开了好几轮都没能成功逃出 " 精神病院 "，难度还是有亿点点的。）
对于大模型产品，姜大昕表示："我把模型和产品的关系比喻成灵魂和皮囊。大家一定听过一句话，好看的皮囊千篇一律，有趣的灵魂万里挑一。我们希望灵魂能更加有趣一点，才能显示出产品的不同。"
那么，跃问和冒泡鸭背后的 " 灵魂 " ——大模型们长什么样？
" 铁人四项 " 攀登万亿参数模型
冒泡鸭和跃问的背后，是阶跃星辰已经成熟的两款千亿参数大模型。
该公司将其称为 Step 系列通用大模型，分别是 Step-1 千亿参数语言大模型，以及 Step-1V 千亿参数多模态大模型。
一路看来，阶跃星辰训模型的路，走得出奇的顺。
去年 7 月起，研发团队正式开始训练模型。
2 个月后，综合性能超过 GPT-3.5 的千亿参数大模型 Step-1，一次性训练成功。
在大模型遍地开花的时代，听起来拥有一个模型并不是什么难事，但短时间内一次成功，这种效率仍然令人咋舌。
姜大昕把原因归结于两点。
一是团队本身在 AI 领網域有经验和积累；
二是创业公司团队精悍，能对训练中遇到的问题及时沟通与反应。
这次成功极大地鼓舞了团队的信心，" 这验证了我们的方法是正确的。"
再 2 个月后，也就是去年 11 月，千亿参数的多模态大模型 Step-1V又告成。
Step-1V 大模型可以精准描述和理解影像中的文字、数据、图表等信息，并根据影像信息实现内容创作、逻辑推理、数据分析等多项任务。此外，它还能理解视频中的内容。
上海人工智能实验室推出的大型模型评估平台 " 司南 "（OpenCompass）多模态模型评测榜单显示，阶跃星辰研发的 Step-1V 位列第一，性能比肩 GPT-4V。
" 千亿参数的 GPT-3.5 模型是一个重要的分水岭。" 姜大昕表示。
模型要达到 GPT-4 的万亿参数规模，各个维度的要求都上了一个台阶。
譬如，训练万亿模型需要等效 A800 万卡单一集群，进行高效稳定的训练；需要十万亿 tokens 的高质量数据；需要驾驭好新颖的 MoE 架构。
姜大昕称，以上几点，无论是有哪一点有所不足，都会导致 Scaling Law 难以向上攀登。
但是！
就在前几天的全球开发者先锋大会开幕式上，阶跃星辰又给出了万亿参数 MoE 语言大模型 Step-2的预览版——这也是国内初创公司，首次交出的万亿参数模型答卷。
姜大昕介绍，Step-2 从去年 12 月启动训练，目前训练稳定，待完全训练完毕和打磨成熟。
" 我坚信 Scaling Law，（会）训练更大模型。" 姜大昕谈到，团队追求的是多模理解和生成的统一，"Step 系列大模型将为多模理解和生成的统一奠定坚实基础。"
基于实践经验，团队把攀登 Scaling Law 称为一个 " 铁人四项 " 般的超级工程。
哪四项？
算力、系统、数据、算法。
而阶跃星辰自然有自己熟稔的打怪套路。
算力方面，通过自建机房 + 租用算力，积极进行算力储备；
系统方面，团队核心成员实践过单集群万卡以上的系统建设与管理，训练千亿模型的 MFU（有效算力输出）达 57%；
数据方面，数据团队核心骨干出身必应搜索引擎，曾支持全球 100 多种语言，为 200 多个国家和地区提供服务，对全球互联网高质量语料的分布有深入了解，并建立起强大的数据处理和知识图谱流水线；
算法方面，团队不仅能驾驭各种架构，比如万亿参数的 MoE 架构，而且对大模型的认知以及发展路线有深刻洞察。
不想只在时代的风中凌乱
面对铁人四项和多模态融合之路，阶跃星辰就这么默默进发了一年。
那么，是什么样的团队行进在这条 Scaling Law 之路上？
量子位得知的消息是，阶跃星辰现在已经有一支 150 多人的队伍。
领队者姜大昕，现任阶跃星辰 CEO，同时也是团队算法负责人。
2005 年，姜大昕获纽约布法罗州纽约州立大学计算机科学博士，在机器学习、数据挖掘、自然语言处理、生物信息等领網域有丰富的经验和工程经验。
博士毕业后，他先后任南洋理工大学担任助理教授，MSRA（微软亚研院）研究员。
2011 年开始，姜大昕转入微软亚洲互联网工程院（STCA）工作。
该中心主要负责微软全球产品的研发工作，包括必应搜索引擎、智能语音助手 Cortana、Azure 认知服务以及 Microsoft 365 的自然语言理解系统等。
去年 3 月，姜大昕正式升任为微软副总裁，同时兼任亚洲軟體技术中心 WebXT S+D（网络体验、搜索和分销）集团总经理。
——是的，你没听错，刚刚被升职，明明可以在微软干到退休，却跑出来创业了。
" 在微软，只能基于 OpenAI 的模型做工作。" 姜大昕回忆，即便是微软和 OpenAI 的关系，使用其模型也只能调用 API，对黑盒里的秘密、模型算法的修复 / 迭代建议，完全插不上手。
我当时感觉整个世界在我身边呼啸而过，都在往前冲，我在原地很茫然，留下自己在风中凌乱，我不知道我在干什么。
琢磨再三，姜大昕决心不能再被动地风中凌乱。
于是，离开微软；于是，躬身入局。
有了创业想法的姜大昕，与现在阶跃星辰的数据负责人焦斌星" 密谋 " 两个多小时，一拍即合。
焦斌星同样出身微软，是中科大和 MSRA 联合培养博士。
博士毕业后，焦斌星正式入职微软，是微软必应引擎核心搜索团队前负责人，日常工作主要是利用数据挖掘和 NLP 算法优化索引和搜索质量；也曾开发全球高质量站点的自动挖掘算法并用于索引和排序。
还在微软时，他二人就听说过外界盛传大模型时代的 " 数据荒 "，即 Scaling Law 所需的数据不够用了。
当时，他们不以为然。有搜索引擎背景在，眼见互联网有上亿、上万亿的网页网站，怎么会不够用？
等到自己置身其中时，发现是真的不够用（笑死）。
好在现在既可以从多模态数据中挖掘更多数据，也可以像 OpenAI 训练 Sora 那样使用人造数据。
核心团队的另外一位成员，朱亦博，此前拥有多次单集群万卡以上的系统建设与管理实践经验。
他博士毕业于美国加州大学圣芭芭拉分校，曾任微软研究院研究员。
在这一波浪潮袭来之前，他的工作主要面向大规模系统以及超高速度性能网络。
2018 年，他任职字节跳动，负责公司 AI 基础设施与基础 AI 框架，开始积累万卡集群的搭建经验；2022 年底，他离开字节，跳槽至 Google 任高级主管，直接支持 OpenAI 最大劲敌、Claude 的背后公司 Anthropic。
可以说，阶跃星辰三位核心骨干的经历十分相似，就是第一阶段（博士期间）进行相关研究，第二阶段进入大厂在一线打拼，一直都在和 AI 的最新进展亲密贴贴。
当 ChatGPT 引领的大模型时代开始时，他们都意识到这是一个大变革，因此以最快速、最灵活、最全面的方式投身变革当中。
如果 AGI 是一个需要长期攀登的山峰，看到正确的路径，建立正确的能力，比早走几步更加重要。
One More Thing
最最最后，阶跃星辰的个人效率助手跃问，刚刚上线了一个很赞的新功能。
叫一图读懂。
说大白话就是丢给它一个文档，就能一键生成解析重点的长图文
这是此前的 ChatBot 没上线过的功能，想要体验的朋友们，速去哟～
— 完 —
点这里关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~
>
