基于自研Yan系列模型的智能机器人(图片来源:受访者提供)
钛媒体App 9月27日消息,岩芯数智RockAI日前在上海推出全新升级、采用非Transfomer架构的Yan 1.3大模型,可高效处理图文及语音等多模态信息,用于无人机、机器人、PC、手机等各类终端设备场景。
RockAI CEO刘凡平表示,这是全球首个人机交互领域端到端的多模态大模型,同时也是全球首个跨越广泛设备的多模态大模型,而且还是国内推出的自研群体智能单元大模型。目前,该模型已快速在英伟达、高通、联发科、英特尔、瑞芯微等多元化硬件设备上实现适配,进一步加速商业落地,让世界上每一台设备拥有自己的智能。
会后,刘凡平向钛媒体App等表示,Yan1.3大模型将落地覆盖从低端到高端更广泛的群体。谈到行业未来发展,刘凡平强调,“基于Transfomer架构的通用大模型,未来只有两到三家可能是成立的。Transfomer这样的‘造神式’大模型未来解决问题的场景依然有限,相比较而言,以群体智能为目标的群体智能单元大模型更有意义。”
“在AGI(通用人工智能)这个终极命题下,无论是云端还是端侧,都只是实现智能普惠及跃迁的一个载体。我们始终坚信,只有真正提升每一台设备的自我学习能力,才能激发更高级别智能形态即群体智能的涌现。”刘凡平表示。
RockAI CEO刘凡平
据悉,成立于2023年6月的RockAI,是A股上市公司岩山科技(002195.SZ)旗下AIGC新公司,专注于打造一站式AIGC数智化服务平台。而RockAI团队则早在2022年就早已组建。
相比于其他大模型企业,RockAI主攻基于非Transformer自研架构的 AI 大模型研发。今年1月,RockAI首次发布Yan1.0模型,并公布基于AI 大模型的To B垂直领域行业和场景方案,释出包括RockAI模型大脑、知识库问答、业务助手、智能客服等产品。
此前,刘凡平对钛媒体App表示,亟需创新型的 AI 算法,现有的很多算法不仅无法满足客户的实际应用需求,而对于大模型成本也造成一定承压。他表示,目前算力在客户交付成本中占了近一半,而RockAI利用自研的非Transformer的记忆逻辑模型架构,将交付成本降低到30%-40%左右。(详见钛媒体App前文:《独家对话岩芯数智CEO刘凡平:“百模大战”下,AIGC新玩家如何杀出重围?》)
所谓非Transformer架构,其实是以底层神经网络架构MCSD替代Transformer的Attention机制,因为Attention是Transformer架构的核心,其加权算法决定了计算量会随着序列长度的增加而数倍增长,对计算的算力要求也会越来越高。而RockAI通过MCSD机制替换掉Attention,只把最有效的信息、特征往后传,以线性的方式降低计算的复杂度,提升训练和推理效率。
如今,RockAI再次更新Yan1.3模型。
相较于1月份发布的Yan1.0,Yan1.3具备了强大的多模态能力,可高效处理图文及语音等多模态信息,并实现了模型在更广泛设备端上的离线无损部署,普通电脑CPU上也能够流畅运行。
“在技术的征途上,RockAI正在以创新者和突围者的姿态书写新的篇章,我们很自豪的向大家宣布,在效果表现上,自研架构Yan 1.3已经超越了Llama3,成为了中国自主架构大模型的里程碑事件。如今,未经压缩、裁剪的Yan1.3大模型在越来越多设备端展现出的丝滑适配和超强模力,正向行业证实RockAI技术路线的合理性,及其最终激发群体智能的充分可能。”刘凡平在演讲中表示。
商业化层面,基于Yan1.3模型的“胖虎”智能机器人,能够基于多模态处理能力,在离线状态下识别复杂环境、准确理解用户意图,并据此控制其机械躯体高效完成各类复杂任务。
同时,Yan系列模型也已经在无人机、手机、PC等端侧场景中落地,如基于Yan1.3的飞龙无人机,可全面感知复杂环境并在设备端实时处理,支持各类环境下的智能巡检,不仅适配电力巡检、安全监控、环境监测等城市治理及工业场景,而且可以面向个人用户广泛用于日常生活情景。
刘凡平表示,目前RockAI主要以“Yan inside”的模式赋能不同设备,也愿意为终端销量较大的公司赋能,但同时针对量小的终端厂商也不会忽视,例如部署在小众却有潜在发展前景的具身智能当中,以及在关注玩具或陪伴机器人,从而加速大模型的广泛落地应用。
“Yan1.3已经可以在广泛的设备上部署和应用了,开启了多元化硬件生态,所以我们认为它在第二阶段,第三阶段是自主学习。”刘凡平认为,RockAI的群体智能实现包括四个阶段:创新型基础架构、多元化硬件生态、自适应智能进化、协同化群体智能,而目前公司仍在第二阶段当中进行实施。
此外,RockAI还在会上发布“训推同步”技术,刘凡平称这是群体智能单元大模型自主学习实现的最佳方式。会后他向钛媒体App进一步解释称,“训推同步”是更偏算法层面,目标是不仅能在端侧上运行,同时能够做训练,这将是一个很大的进步。
谈到未来发展,刘凡平强调,Transfomer是一条通往AGI(通用人工智能)中的可能路径,但实践过程无法论证它是最优的路径。我们应该让大模型模拟人脑的方式来工作,而不应该是Transfomer架构大模型中那样无时间差别的输出。“作为非常早期的Transformer研究者之一,我们从理解Transfomer、深入Transfomer到放弃Transfomer是一个无奈但迫使我们创新的过程,这个过程非常漫长。”
“在当前充满竞争的时代,现在国内大模型研发似乎进入一种‘模式化’的困境,创新的思路已经开始稀缺,大家都在追随国外的步伐,仿佛像一场没有终点的技术接力赛。春节时期OpenAI发布视频模型Sora,国内都去follow它。所以Yan架构就像一股清流,它以非Transformer架构的身份证明了中国智慧的无限可能。试想一下,其实中国的大模型又有多少是真正自己研发的?我们没法‘造壳’,因为我们底层架构全是自己的,没法用别人的东西,我们就只能从零开始走向超越Llama 3,甚至很多企业在用Transformer架构都还没有超越Llama 3,这种方式就决定了我们创新之路,不断证明它是一个越来越正确的事情。不同于其他的厂商,我们选择更艰难的道路,直面挑战,因为我们知道,RockAI作为真正的创新者,是无法靠‘套壳’去安身立命的。我们未来一定会比现在更好。”刘凡平在演讲中表示。
以下是RockAI CEO刘凡平与钛媒体App等进行部分对话交流整理:
问:Yan大模型的训推同步,与OpenAI o1推出的强化学习有什么不同?
刘凡平:严格来说OpenAI O1是一个强化学习过程,但Yan1.3的训推同步并不是这个路线,或者说强化学习并不是主要的。强化学习要通过大量数据去调整,意味着它应用成本很高。这也是O1在真正实际运用时会有限制的原因。
训推同步的目标是能在端侧上运行并做训练,这将是一个很大的进步。我们希望更廉价的训练,而不是更昂贵的。训推同步可理解为模型的训练与推理同步进行,正如人一样,在聊天的时候可以通过语音输出推理,但同时也可以通过耳朵的听觉、眼睛的视觉作为输入进行实时学习。
问:训推同步在本地设备上是怎么进行训练的?
刘凡平:我们刚才提到了类脑激活机制,其实我们人在处理事件时,并不是大脑的所有神经元都会参与。我们在端侧也是以选择部分神经元参与的方式,比如说100亿参数,并不是所有参数都会参与这个过程,而是很小部分,这样它的算力需求就会很低,训推就可以完全同步的进行,而且在输出时也能调整参数。
问:您觉得大模型可能在未来哪个领域里出现大的爆发?
刘凡平:我觉得在一些消费终端设备上可能会有一些爆发,目前手机和PC本身就有很大的一个存量,但我觉得更多消费终端应该很快也能打开这个局面。现在的很多终端设备智能还是固定化程序运转,接下来应该很快就能通过AI的方式产生变化,包括交互体验上也能产生变化的。就比如搭载了Yan1.3的无人机,是可以人机对话的,我们可以让无人机拍摄不同角度的照片,比如拍下我身后的风景,并将我放在画面正中的位置。
问:大家认为大模型是一种信息的压缩,在这个层面一般都会是生成内容,但我们强调的是学会,这个是什么原因?
刘凡平:学会的方式则不再是next token的预测了。例如之前厂商都在做的文生视频,其实有个很大的痛点,就是生成后很难再编辑它,得重新改提示词。而我们是想教会大模型如何去做视频的技能,它学会技能后再去生产视频。所以我们更希望模型是面向过程的学习,而非面向结果的学习,同时面向过程的学习会使得模型具备更强的可解释性。
问:有一种论调就是现在的通用大模型太多了,未来是不是就可能只剩两三家,您怎么看这个问题?
刘凡平:基于Transfomer架构的通用大模型,未来只有两到三家可能是成立的。但Transfomer这样的“造神式”大模型未来解决问题的场景依然有限,相比较而言,以群体智能为目标的群体智能单元大模型更有意义。
(本文首发于钛媒体App,作者|林志佳,编辑|胡润峰)