2024世界人工智能大會(huì)啟明創(chuàng)投·創(chuàng)業(yè)與投資論壇近日在上海舉行。階躍星辰創(chuàng)始人、CEO 姜大昕博士受邀出席此次論壇，并發(fā)表了主題為《攀登AGI的路徑與實(shí)踐：萬(wàn)億參數(shù)和多模融合》的演講。在演講中，姜大昕重點(diǎn)闡述了一個(gè)核心觀點(diǎn)：探索AGI路徑，“Scaling Law”和“多模態(tài)”是相輔相成、缺一不可的兩個(gè)方向。兩者齊頭并進(jìn)，最終到達(dá)AGI。

階躍星辰進(jìn)一步強(qiáng)調(diào)，多模態(tài)是構(gòu)建世界模型的基礎(chǔ)能力，是通向AGI的必經(jīng)之路。從算法角度看，世界模型的演進(jìn)會(huì)分為三個(gè)階段：

第一階段是模擬物理世界;

第二階段是通過(guò)具身智能和物理世界交互，主動(dòng)探索物理世界;

第三階段是通過(guò)發(fā)展系統(tǒng)能力，發(fā)現(xiàn)新的物理規(guī)律，歸納物理世界。

從模擬世界，到探索世界，再到歸納世界，多模態(tài)是貫穿這三個(gè)階段的基本能力。目前，全球科技巨頭正在積極探索并布局多模融合的路徑，多模態(tài)大模型研發(fā)的腳步正越走越快。然而，多模態(tài)領(lǐng)域目前存在的問(wèn)題是，視覺(jué)的理解模型和生成模型是分開(kāi)發(fā)展的。其造成的結(jié)果就是理解模型的理解能力強(qiáng)而生成能力弱，或者生成模型的生成能力強(qiáng)而理解能力弱。因此，多模態(tài)大模型接下來(lái)面臨的一項(xiàng)關(guān)鍵挑戰(zhàn)，就是能否將理解和生成統(tǒng)一在一個(gè)模型里。

目前，階躍星辰正在朝著這個(gè)方向努力，并取得了一些階段性的進(jìn)展。在 WAIC 2024上，新升級(jí)的Step-1.5V千億參數(shù)多模態(tài)大模型性能大幅提升，具備更出色的視頻理解能力;新發(fā)布的Step-1X圖像生成大模型，則是階躍星辰首次推出多模態(tài)生成大模型。