智(zhi)源推出大模(mo)型全家桶及全栈(zhan)开源技(ji)术基座新版图,智(zhi)能,视(shi)频,世界(jie)
6月14日，第六届“北(bei)京智(zhi)源大会(hui)”在中关村展示中心开幕。大会(hui)约(yue)请到了图灵奖得主姚期智(zhi)，OpenAI、Meta、DeepMind、斯坦福、UC Berkeley等国际明星机构与技(ji)术团队(dui)代表，以及百度、零一万物、百川智(zhi)能、智(zhi)谱AI、面壁(bi)智(zhi)能等国内主流大模(mo)型公司CEO与CTO，汇聚了200余位野生智(zhi)能顶尖学者和家当专家。
智(zhi)源研究院院长王仲远表示，现阶段语言大模(mo)型的发展已经具备了通用野生智(zhi)能非常核心的理解和推理能力，而且形成了一条以语言大模(mo)型为核心对齐和映射其他模(mo)态的技(ji)术路线，从而让(rang)模(mo)型具备了初步的多模(mo)态理解和生成能力。但这(zhe)并(bing)不是(shi)让(rang)野生智(zhi)能感知、理解物理世界(jie)的终极(ji)技(ji)术路线，而是(shi)应该采用一致模(mo)型的范(fan)式，实现多模(mo)态的输入和输出，让(rang)模(mo)型具备原生的多模(mo)态扩展能力，向世界(jie)模(mo)型演进。未来，大模(mo)型将(jiang)以数字(zi)智(zhi)能体的形状与智(zhi)能硬件融合(he)，以具身智(zhi)能的形状从数字(zi)世界(jie)进入物理世界(jie)，同时，大模(mo)型这(zhe)一技(ji)术手段可为迷信(xin)研究供应新的学问表达范(fan)式，加速(su)人类对微观物理世界(jie)纪律的探索与研究突破，不断趋近(jin)通用野生智(zhi)能的终极(ji)方针(zhen)。
在语言大模(mo)型方面，针(zhen)对大模(mo)型训(xun)练算(suan)力斲丧高的成绩，智(zhi)源研究院和中国电信(xin)野生智(zhi)能研究院（TeleAI）基于(yu)模(mo)型生长和丧失预测等关键技(ji)术，联合(he)研发并(bing)推出全球首个低碳(tan)单体浓密万亿语言模(mo)型 Tele-FLM-1T。该模(mo)型与百亿级的52B版本，千亿级的102B版本共同组成Tele-FLM系列模(mo)型。
在多模(mo)态大模(mo)型方面，行业(ye)现有(you)的多模(mo)态大模(mo)型多为对付不同使命而训(xun)练的专用模(mo)型，例如(ru)Stable Diffusion之于(yu)文生图，Sora之于(yu)文生视(shi)频，GPT-4V之于(yu)图生文。每(mei)类模(mo)型都有(you)对应的架构和方法，例如(ru)对付视(shi)频生成，行业(ye)广泛参照Sora选择了DiT架构。但是(shi)现有(you)模(mo)型的能力多为单一分散的能力组合(he)，而不是(shi)原生的一致能力，例如(ru)目前Sora还做不到图像和视(shi)频的理解。
为了实现多模(mo)态、一致、端到端的下一代大模(mo)型，智(zhi)源研究院推出了Emu3原生多模(mo)态世界(jie)模(mo)型。Emu3采用智(zhi)源自研的多模(mo)态自回归技(ji)术路径，在图像、视(shi)频、文字(zi)上联合(he)训(xun)练，使模(mo)型具备原生多模(mo)态能力，实现了图像、视(shi)频、文字(zi)的一致输入和输出。Emu3从模(mo)型训(xun)练开始就是(shi)为一致的多模(mo)态生成和理解而设(she)计的，目前具备生成高质量(liang)图片和视(shi)频、续写视(shi)频、理解物理世界(jie)等多模(mo)态能力。简朴来讲，Emu3既一致了视(shi)频、图像、文字(zi)，也一致了生成和理解。值得注意的是(shi)，Emu3在持续训(xun)练中，经过安全评(ping)价(jia)之后将(jiang)渐渐开源。
在具身大模(mo)型方面，智(zhi)源研究院具身智(zhi)能立(li)异中心在机器人泛化动作执行和智(zhi)能大小脑决策操纵(zong)等方面取得了多项(xiang)世界(jie)级突破性成果。比(bi)如(ru)在分级具身大模(mo)型系统方面，智(zhi)源还研发了全球首个能做到开放指令操纵(zong)六自由(you)度物体拿取放置(zhi)的大模(mo)型系统Open6DOR。该系统不仅像谷歌RT系列大模(mo)型一样按照自然语言指令中的要求将(jiang)物体放到指定位置(zhi)，还可以或许进一步对物体的姿态进行邃(sui)密化操纵(zong)。该项(xiang)技(ji)术极(ji)大地提高了具身操纵(zong)大模(mo)型的贸易(yi)应用局限和代价(jia)。
在生物计算(suan)大模(mo)型方面，智(zhi)源研究院构建了全球首个及时孪(luan)生心脏计算(suan)模(mo)型，可实现高精度的条件下生物时间/仿(fang)真时间比(bi)小于(yu)1，位于(yu)国际领先水平。目前，智(zhi)源与北(bei)医一院共同建立(li)了“北(bei)京大学第一医院-北(bei)京智(zhi)源野生智(zhi)能研究院心脏AI 联合(he)研究中心”，正(zheng)在开展基于(yu)超声影像的急性心肌梗死诊断、心衰的病理仿(fang)真、肾动脉(mai)造(zao)影等课题，与安贞医院互助进行室速(su)疾病的无创心外膜标测技(ji)术的前沿研究，与斯高电生理研究院开展药物挑选平台的开辟与应用以及与清华(hua)长庚医院和旭(xu)日医院互助开展肥厚性心肌病课题。
据引见，智(zhi)源研究院作为立(li)异性研究机构，引领野生智(zhi)能前沿技(ji)术的发展，也发挥第三方中立(li)、非营利(li)机构的优势，搭建大众技(ji)术基座，办理当前家当的痛点(dian)。
文/北(bei)京青年报记者 温婧
编纂(zuan)/野外