AI 是否進入下半場或許還有爭議，但大模型進入淘汰賽已經板上釘釘。
在 DeepSeek R1 橫空出世後更是愈演愈烈，今年光是 OpenAI、Anthropic、Google、Meta、Grok 目前已經合計發了至少 8 款新模型，而國內的 AI 六小龍們也有的開始放棄預訓練，不得不將 AGI 的理想主義束之高閣。
在這當中，階躍星辰是一家有點特殊的公司。在去年年底之前都鮮有融資訊息，但卻在多模態模型上成為「卷王」，成⽴ 2 年間已經發布了 22 款⾃研基座模型，成為最低調神秘的 AI 獨角獸。
階躍星辰創始人兼 CEO 的姜大昕，和這家公司一樣低調，很少出現在 AI 行業熱鬧的輿論場中。
而昨天，姜大昕與 APPSO 等媒體進行一場深度的溝通會，他向我們分享對於 AGI 路徑，多模態模型等技術的看法，以及階躍星辰未來的計劃。
多模態模型還沒出現 GPT-4 時刻，繼續追求「智慧上限」，
當下 AI 大模型領域的內卷沒有盡頭，頭部公司之間不斷上演著「貼臉釋出」的激烈戲碼。
不過姜大昕依然認為，「追求智慧的上限依舊是現階段 AI 業內的重點。」也就是說，雖然現在市面上模型一大堆，看起來都挺能打，但離真正的「聰明」還差得遠。
大家都在搶發新模型，看著熱鬧，但如果只是在現有水平上修修補補，那也只是原地踏步的「內卷」。
姜大昕覺得，現在最要緊的還是得想辦法把 AI 的「智商」往上再拔一拔，不然離大家心心念唸的 AGI（通用人工智慧）還遠著呢。
在 DeepSeek R1 面世，以及大廠高調入場後，不少初創公司開始放棄研發基礎模型，不過姜大昕在接受 APPSO 採訪時表示：
AI 行業的技術發展非常快，依然處於非常陡峭的區間。階躍不想在這個過程中放棄主流增長或前進的趨勢，所以我們還是會堅持做基礎模型的研發。
同時姜大昕表示，應用和模型是相輔相成的，模型可以決定應用的上限，應用給模型提供具體的應用場景和資料。
那怎麼才能讓 AI 更聰明？姜大昕給出的一個關鍵路徑是：「多模態正是實現 AGI 的必經之路。」
很多人說今年的 Agent 元年，姜大昕認為 Agent 爆發需要兩個必要的條件，一個是多模態的能力，另外一個是慢思考的能力。
多模態，說白了就是讓 AI 不光能看懂文字，還得能看圖、聽聲、理解影片。
你想想人不就是眼耳口鼻一塊兒上，才能全面理解這個世界嘛。AI 也得這樣，變成一個能聽、能看、能說的「多面手」。
階躍星辰可以說是多模態模型的「卷王」了，幾乎每個月都發布一款基礎⼤模型，其中多模態模型已經有 16 款。覆蓋了從影像、影片到語音、音樂的理解和生成，用姜大昕的話說，是堅持「原生多模理念」。
不過，姜大昕也挺實在，他坦陳「多模態模型領域目前還沒有出現 GPT-4 時刻。」
雖然多模態現在挺火，各家都在推，但還沒出那種像 GPT-4 在文字領域那樣，一出來就「哇哦」一下，讓所有人都覺得「就是它了」的標杆性產品，技術上還有不少硬骨頭要啃。
對於模型如何一步步逼近智慧的上限，姜大昕描繪了一幅清晰的「三部曲」演進路線圖，也可以說，這是階躍星辰理解的 AGI 演進方向。
模擬世界（模仿學習階段）：這階段的 AI 就像個剛學說話的小孩，餵給它海量資料，它就吭哧吭哧地學，主要任務是「predict next token」（預測下一個詞）或者「predict next frame」（預測下一幀畫面）。目的是讓AI先學會這個世界長啥樣，各種東西有啥特徵。
探索世界（強化學習階段）：光會模仿還不行，還得培養解決複雜問題的能力。比如解個奧數題、寫段複雜的程式碼，這需要「慢思考」。這時候就得上強化學習了，讓AI在不斷試錯中學會怎麼一步步把難題給解開。
歸納世界（機器自主學習階段）：這是最高境界了，AI不光能解決已知問題，還能自己去發現新規律，搞點人類沒想到的創新。比如在科研領域幫科學家發現新材料、新藥物啥的。
這三個階段，與 OpenAI 提出的 AGI 五個 Level 在核心理念上不謀而合，現在整個 AI 行業的發展，基本就是照著這個劇本在推進。
在多模態，尤其是影像影片這塊，姜大昕在溝通會中多次強調一個詞：理解生成一體化。
理解生成一體化是計算機視覺領域的核心問題，對於實現 AGI 至關重要。
說白了，就是讓模型既能看懂一幅圖、一段影片是啥意思，又能根據這個理解自己創作出新的、相關的影像影片。現在很多時候是「看圖用 A 模型，畫圖用 B 模型」，跟倆部門似的，配合不起來。
他舉了個例子，比如老師在黑板上寫字，現在的 Sora 能模仿老師寫字的動作，但老師腦子裡想的是啥、接下來要寫什麼內容，這得靠「理解」。如果理解和生成是兩套系統，那模型就很難真正「懂」你，生成的玩意兒也可能不著邊際。
語言模型像 ChatGPT 在這方面已經做得不錯了，但視覺領域因為資料太複雜，這事兒還沒完全搞定。階躍星辰在這上面是持續投入，想把這個技術瓶頸給突破了。
強大的模型能力最終需要透過應用來體現價值。階躍星辰採取的是「超級模型與超級應用雙輪驅動」的策略。
在應用層面，階躍星辰將「智慧終端 Agent」作為重點發力方向。姜大昕認為，智慧終端，無論是我們口袋裡的手機、日常駕駛的汽車，還是未來可能普及的機器人，它們不僅僅是冰冷的硬體，更是「使用者感知和體驗的延伸」。
這意味著，AI 如果能與這些終端深度融合，就能更好地「理解使用者需求和任務上下文」。
比如， OPPO 旗艦 Find X8 Ultra 正式開售首發的「一鍵閃記」的功能，AI 可以智慧識別手機螢幕上的內容，為使用者生成摘要，並將碎片化的資訊歸類到不同的記憶合集。
這背後搭載的其實就是階躍星辰多模態模型，它能理解螢幕上顯示的內容，無論是圖片還是文字，使用者可以就此提問，AI不僅能回答，還能進行圖片處理，甚至幫助使用者完成一些應用內的操作，比如直接跳轉到機票預訂頁面並填好資訊。
這種合作，將大模型的能力和系統更深度融合，嵌入到使用者最高頻的手機使用場景中，選擇手機作為切入點，其價值在於手機天然的多模態互動屬性和龐大的使用者基數，為模型迭代提供了豐富的真實資料和即時反饋。
總的來說，階躍星辰的思路挺清晰：技術上瞄準 AGI，死磕多模態和理解生成一體化這些硬核問題。應用上呢，就找準智慧終端這個突破口，跟硬體廠商把場景做深做透。
這條路也不好走，但姜大昕和他的團隊看起來挺有決心。畢竟，用 AI 解決真實世界的問題，先在市場獲得使用者認可，才有機會探索 AGI 的天花板，讓我們看看階躍星辰這個多模態卷王后面還能拿出什麼新東西來。
我們正在招募夥伴
✉️ 郵件標題「姓名+崗位名稱」（請隨簡歷附上專案/作品或相關連結）
