大模型再添一玩家。近日，閃馬智能依托ATOM AI生產(chǎn)力平臺，公布感知大模型SupreMeta。“大模型存在的意義一定是需要應用到實際場景中，為人們解決問題，賦能社會發(fā)展?！遍W馬智能創(chuàng)始人、董事長兼CEO彭垚表示。

據(jù)閃馬智能方面介紹，其核心能力在于“視頻智能分析”，ATOM AI生產(chǎn)力平臺，構建了從標注到訓練到測試到落地的全鏈路自動生產(chǎn)體系，將進一步降低用戶使用和管理門檻，實現(xiàn)資源化整為零、有效復用。

彭垚談到，團隊們從2017年就開始探索做一套深度學習大平臺，那時候主要是解決互聯(lián)網(wǎng)海量的視頻分析，由于視頻量非常大，不可能靠人工處理數(shù)據(jù)，而隨著技術的發(fā)展，一步一步積累了分布式跨云的計算能力，并于2021年推出了基于Transformer的大模型框架，2023年在大模型訓練并發(fā)處理方面做了深度優(yōu)化，如今，閃馬智能把城市中的視頻、傳感器、數(shù)據(jù)通過VisonMind的平臺做分析，對各行業(yè)做深度分析和應用，這些運用會產(chǎn)生豐富的數(shù)據(jù)，數(shù)據(jù)又回到ATOM AI生產(chǎn)力平臺產(chǎn)生模型。

“城市中有非常多的公用攝像頭視頻，互聯(lián)網(wǎng)每天都在產(chǎn)生巨量的視頻數(shù)據(jù)，怎么把這些視頻用好？”彭垚說，從最早的模式識別特征提取到如今開始研究預訓練模型，大模型的產(chǎn)生會產(chǎn)生翻天覆地的變化，但也面臨一些挑戰(zhàn)，即大模型訓練過程中高性能算力的稀缺問題和怎么更科學使用有效算力。

他提到，首先，目前算力比較緊缺，在整個訓練大模型和人工智能訓練模型過程中有非常多的工作量，還有很多系統(tǒng)運行過程中經(jīng)常會出現(xiàn)的問題，會把整個研究算法、研究過程打亂，“有時候我們的算法工程師沒法真正研究算法，而是花費很多時間用在數(shù)據(jù)工作上”。

其次是研究機構、高校或者AI公司沉淀還不夠。彭垚指出，高校學生畢業(yè)后再來一個學生又要重新開始，算法應該留在一個平臺上，算法本身也會被AI取代，因此需要搭建一個自動化框架，能夠實現(xiàn)更自主化、自動化的訓練，平臺算法研究可以沉淀下來，每次的實驗數(shù)據(jù)都呈現(xiàn)在平臺上，這對整個研發(fā)機構更有價值。

再次就是算力的持有者，怎么把更多的算力更有效的組織起來運行大模型。

彭垚表示，ATOM AI生產(chǎn)力平臺的作用就包括將算力資源科學有效地流通和利用，發(fā)揮更大價值。

ATOM AI 生產(chǎn)力平臺覆蓋了一整套完整的、閉環(huán)的生產(chǎn)流程，能實現(xiàn)“從0到1”上線智能產(chǎn)品。包括從數(shù)據(jù)收集、數(shù)據(jù)標注、模型調(diào)試到自動訓練、模型驗證、產(chǎn)品集成再到測試發(fā)布、產(chǎn)品運行。

ATOM AI 生產(chǎn)力平臺上線至今，已經(jīng)產(chǎn)出了海量的算法模型，成為千余位算法科學家的工具，服務了數(shù)十所高校師生。

“模型真正能在某個專業(yè)領域發(fā)揮作用，大規(guī)模預訓練只是第一步，我們不會停下探索的腳步?！迸韴愓f，會持續(xù)累積高質(zhì)量數(shù)據(jù)，配合產(chǎn)出與數(shù)據(jù)量匹配的大模型，完成模型進化和各個域的遷移學習，此外還會繼續(xù)探索多模態(tài)。