半岛体育最近，公司全体同事都在疯狂沉迷这款《大闹天宫MBTI》测试！各种直击打工人的灵魂拷问，让所有i人和e人在职场极限场景中反复拉扯。国产黑马和上影打造的原汁原味《大闹天宫》画风，简直让人一秒穿越回童年。

　　当然，AI会为你全新打造一个进入天宫的形象。聪明的读者已经看出来了，角色画风就是来自《大闹天宫》……里的猴儿。

　　测试中的这些场景，分分钟让人惊出一身冷汗。显然，这就是个危机四伏的「大闹天宫」版现代职场啊！

　　公司聚餐忽然被领导cue上台，你会像小范大人一样，殿前醉吟一首《将进酒》吗？

　　或许你已经发现了，游戏中的画风透露着一股浓浓的国风味，仿佛跟童年的记忆似曾相识。

　　没错，这个名为「AI+大闹天宫」的互动游戏，是阶跃星辰的一次惊喜跨界，合作对象就是创造了无数中国人童年回忆的上海美术电影制片厂。

　　为了纪念这个里程碑式的国民动画片，阶跃星辰与上影携手，进行了一次AI和内容创作融合的极致探索。

　　在WAIC现场，一家国产AI初创黑马——阶跃星辰给全场观众送上了这样一份大礼。

　　而在游戏的背后，阶跃星辰调用了多款自研的Step系列大模型，并融合了图像理解、风格迁移、图像生成、剧情创作等多种能力，丰富立体地展现了行业领先的多模态水平。

　　当最先进的AIGC技术与《大闹天宫》情境深度融合，栩栩如生的效果加上个性化的交互过程，换了谁都得深深感叹一句：爷青回！

　　不仅仅是这款「AI+大闹天宫」，Step-1X中融入的「国风」元素随处可见。

　　为了打造更理解国人审美的图像生成模型，Step-1X在训练过程中结合了当下的「国潮」，对中国元素进行深度优化，让AI生成的内容也能呈现高质量的「中国风」。

　　大模型发展到了今天，所有的业内人士都发出了这个疑问：Scaling Law到头了吗？

　　在阶跃星辰创始人姜大昕看来，接下来，依然是模型参数量决定模型能力上限，而Scaling Law全面迈入万亿参数，就是通向AGI的另一核心了。

　　在LeCun看来，LLM完全是把全世界带向了歧途，浪费巨大的算力资源在现有的LLMs上，远不如新想法和新架构更有效。

　　第一阶段，语言、视觉、声音不同模态独立发展，模态之间没有关系，每个模型所要做的是学习如何更好地表征各自模态的特点。 第二阶段，多种模态已开始走向融合，然而融合并不彻底，主要原因正是理解任务、多模生成任务分开，造成模型的理解能力强但生成能力弱，或者反之。 第三阶段，则是将生成和理解统一在一个模型里。 当多模态理解和生成统一后，就可以和「具身智能」结合起来。把模型作为机器人或者一个设备的大脑，让它去探索这个世界，与世界进行交互。

　　正如上文所述，要攀登AGI的高峰，「万亿参数」和「多模」这两大抓手，二者缺一不可。

　　既一年肝出万亿参数MoE后，这家年轻的初创再度开启「硬核模式」，一口气连甩三个更新——

　　要知道，就在3月份，阶跃星辰才刚刚发了3个模型，距离今天3个新模型的发布，才区区100天。

　　Step-2大语言模型光是在参数规模上就达到了万亿级别，直接跻身国际顶尖模型的行列。

　　在数理逻辑、编程、中文知识、英文知识、指令跟随等方面，Step-2的能力和使用体验可以全方位逼近GPT-4。

　　从千亿模型扩展到万亿参数，并不是简单的「大力出奇迹」，而是需要跨过技术上的「分水岭」，对各个维度的要求都是水涨船高。

　　一旦其中任何维度出现短板，Scaling Law都将不再适用，出现「只投入，不产出」的尴尬局面。

　　为了训出强悍的Step-2，技术团队在算法和系统方面都做出了大量的关键创新。

　　阶跃星辰创始人姜大昕博士表示，模型扩大到万亿级别时，MoE几乎是必选项，这是权衡了性能、参数量、训练成本、推理成本等各个维度后的最佳选择。

　　要训练如此大规模的MoE模型，有两条路可走：一是将已有模型进行向上复用（up-cycle）。

　　这个方案最大的好处，就在于省钱省力，算力需求低、训练效率高，但会限制模型能力的上限，容易造成比较严重的专家同质化。

　　为了达到最优性能，阶跃星辰团队选择迎难而上，没有采用第一种方案，而是完全自主研发，从头开始。

　　Step-2的架构中采用了部分专家共享参数、异构化专家等一系列新颖的设计，充分利用万亿参数。

　　虽然在MoE架构中，每次训练或推理只会激活部分参数，但背靠万亿总量，激活的参数量也能超越大部分稠密模型。

　　当参数增长到万亿级别时，训练效率至关重要，这离不开高效且稳定的系统部署。

　　高效，意味着GPU的使用效率高，让有限的硬件输出最多的算力；稳定，意味着训练过程需要持续进行，不能轻易被故障打断。

　　即使每张GPU日夜不停连续跑两个月才出现一次故障，放在万卡集群中，相当于平均每10分钟就有一张卡出问题。

　　如果没有自动的故障检测和恢复机制，每张卡出问题时都要恢复检查点、重启训练，不仅工程师不用睡觉了，模型的训练周期更是成倍拉长。

　　在Step-2训练过程中，阶跃星辰的系统团队突破了 6D并行、极致显存管理、完全自动化运维等关键技术，从高效、稳定两个层面同时发力，才能在3个月的时间内发布新模型。

　　而多模态大模型的发布，则体现了阶跃星辰在多模理解和生成统一的技术路线上的快速突破。

　　这一次，以万亿参数的Step-2为基座，阶跃星辰训练出了千亿参数的多模态大模型Step-1.5V。

　　识别复杂的图表、流程图一向是多模态模型的著名难点。训练过程中，研发团队创新了「图文混排」的方法，成功克服了这个问题。

　　Step-1.5V不仅能游刃有余地准确理解各类图像，处理超高分辨率和极限长宽比也毫无障碍。

　　不仅如此，模型还从二维图像的训练中发展出了三维的空间能力，能从一张图片中感知到物理空间和物体的几何位置。

　　根据图像内容，它进行各类高级推理任务，解答数学题、编写代码、创作诗歌都是一绝。

　　此外，Step-1.5V的视频理解能力也相当出色，做到了智商、情商同步提升。

　　对视频中出现的人、物体与环境，Step-1.5V不但可以准确识别，还「涌现」出了高超的共情能力，稳稳get到整体氛围和人物情绪。

　　本届WAIC大会上，Step-1X图像生成大模型首次公开亮相，在多模理解和生成统一的技术路线上继续快速突破。

　　Step-1X采用了团队全链路自研的DiT架构，将扩散模型与Transformer相结合，且发布了600M、2B、8B等3种不同规格的版本，完美适配不同场景下的生成效果和推理效率。

　　当前的图像生成领域，可控性是一大难点，即使是DALL-E、Stable Diffusion这样的知名模型，也很难让图片忠实于用户的提示要求。

　　Step-1X为此进行了特别优化，重点发力模型的语义对齐能力，实现更好的指令跟随。让图像生成做到「言出法随」，让视觉效果离我们的想象更进一步。

　　作为世界人工智能大会的最高奖项，Super AI Leader的评选异常激烈：不仅吸引了众多国内外合作机构，囊括了大批优质创新项目，而且今年的国际项目数量更是创下新高。

　　而阶跃星辰则凭借着Step系列通用大模型在技术上的创新和广泛的应用落地，荣获了WAIC 2024 SAIL之星的称号。

　　对于二者的关系，创始人姜大昕博士的比喻非常有趣：模型是灵魂，应用是皮囊。好看的皮囊千篇一律，有趣的灵魂万里挑一。

　　从团队成立的第一天开始，姜大昕博士就确定了模型和应用「双轮驱动」的战略。

　　在微软的多年经验让他深知，模型需要应用作为牵引、补充数据，应用也需要深度绑定模型。只有加持硬核模型，应用才能做到极致。

　　「AI+大闹天宫」让我们看到了团队的产品创意，而支撑起AI应用的「灵魂」——Step系列大模型，则是团队对于攀登Scaling Law的一系列成功践行。

　　没错，这四个字的确与人工智能有着深厚的渊源。创始人表示，起名的灵感来自阶跃函数（Step Function）——神经网络中最早的激活函数。

　　一方面，「阶跃」本身就有跳变、跃迁、超线性增长的意思，代表着AI行业的飞速发展。

　　另一方面，也会让人想到step by step这句话，仰望星空的同时脚踏实地，扎实地做好手上工作，已经内化为公司基因中不可分割的一部分。

　　早在一年多以前的2023年4月，阶跃星辰就正式成立。但在「百模大战」如火如荼、各类大模型层出不穷的那一年中，团队却一反常态地选择了「隐身」。

　　没有大肆宣传造势，蛰伏一年钻研技术，直到沉淀出有强劲实力的模型，不鸣则已、一鸣惊人。

　　今年3月，Step-1和Step-1V大模型横空出世，惊艳了国内所有的AI从业者。

　　距上次发布刚过去短短的三个月，我们就看到了又一轮技术更新的成果，模型能力全方位提升。这种迭代速度，即使是在初创公司行列也是首屈一指。

　　公司创始人及CEO姜大昕博士曾任微软全球副总裁，微软亚洲互联网工程院首席科学家，同时也是算法团队的负责人。

　　自成立起，阶跃星辰就做出了综合布局，坚定地相信Scaling Law且集中全力投入。

　　万亿+多模可以说是2024大模型格局的分水岭。推出万亿参数模型后，阶跃星辰的下一步会怎么走？

　　创始人姜大昕曾在采访中表示，希望模型朝着AGI方向努力，一是参数规模进一步扩大，二是从能力上，能够真正统一多模态的理解和生成。

　　姜大昕博士认为，Scaling Law在肉眼可见的未来还不会触顶，我们至少还可以继续攀登一个数量级。AGI 是阶跃星辰注定踏上的征途，也必将到达。