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

人工智能
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脑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。

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。

图片

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。

图片

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。

图片

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。

图片

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、文件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:

图片

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脑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。

图片

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。

图片

第三轮:文件处理。

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,我们还是上传字幕文件。

图片

很快,全英文的内容跃问刷刷刷地就总结完毕:

图片

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。

图片

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。

图片

最后,大家关心的多模态:

解读表情包,easy。

图片

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。

图片

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。

图片

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:

图片

官方也提供了非常详细的上手文档,包教包会。

图片

我们浅试了《逃离精神病院》这一剧情。

图片

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。)

图片

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图像中的文字、数据、图表等信息,并根据图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。”

图片

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,同时兼任亚洲软件技术中心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~

图片

责任编辑:姜华 来源: 量子位
相关推荐

2024-04-01 12:10:48

数据训练

2024-03-14 11:55:08

AI模型

2009-12-18 11:26:08

Intel 32nm

2024-02-06 20:39:21

2017-03-01 18:17:27

阿里巴巴

2015-11-25 14:43:44

2024-01-29 13:56:55

AI数据

2024-02-06 10:38:10

昆仑万维大模型

2011-12-14 09:32:06

微软iPhone

2024-02-05 13:37:35

AI数据

2015-05-08 12:17:53

2014-08-19 10:14:47

App应用原型设计工具

2023-09-25 07:31:19

算力AI框架

2009-01-11 10:04:00

网管远程维护工具

2013-08-22 15:01:40

易信微信移动

2011-10-03 21:37:49

iPhoneiPhone 5iPhone 4S

2014-09-22 13:36:26

嗨淘APP移动端

2012-07-23 13:32:04

点赞
收藏

51CTO技术栈公众号