全员i人？《大闹天宫》MBTI测试让全公司炸锅！最神秘国产大模型团队出手了

---

新智元报道

编辑：编辑部

【新智元导读】 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。

就在最近，全公司都为这个大闹天宫MBTI测试炸了锅了。

没想到啊，偌大一个公司居然隐藏着这么多i人？

只见工位上的每个人都两眼放光，满怀期待地上传了自己的「美照」。

下一秒，就可以等待转生，进入天宫了！

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。

小编莫名觉得，这猴子气质跟自己确实还蛮像的😂

进入天宫之后，迎接我们的就是一大波MBTI测试。

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！

刚刚上任判官，你就在凌霄宝殿上提议引入KPI，众神哗然。

仿佛已经感受到了同事们的死亡凝视。

不小心听到同事在抱怨领导，你是上去好言相劝，还是装作无事发生悄悄飘走？

在职场中面对同事，你是春风化雨，还是铁面无情？

路见不平是当场拔刀相助，还是先退避三舍，查明原委后再出头？

同事虚报数据，你发现了之后会怎么办？

这些场景，则是对i人和e人的灵魂拷问。

当着众多公司前辈的面，领导让你上台发言，你怎么办？

遇见多年不见同事，你会热情搭讪，还是装没看见？

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？

8道测试题后，你就会知道自己适合天庭的什么岗位了。

绝大多数同事，居然都是i人。

小编1号是ISTJ，被诊断为地府判官

小编2号是ISFP，被诊断为蟠桃仙官

合作上影，更懂中国风的图像生成大模型来了！

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。

2024年，正值上影代表作《大闹天宫》制作完成60周年。

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。

当AIGC、大模型技术和传统的中国动画结合，会碰撞出怎样的火花？

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。

路过的参展群众对这个游戏爱不释手，现场火爆至极。

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！

还等什么，赶快扫码体验吧！

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」。

攀登AGI巅峰，万亿参数和多模融合缺一不可

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？

从下图看，至少在未来几年，Scaling Law仍会奏效。

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。

现在到处都在说AGI，但哪条是通往AGI的坦途，业内大佬一向争论不一。

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。

但更多大佬，显然对目前的路线十分乐观，Sam Altman、马斯克、Anthropic联创&CEO Dario Amodei、DeepMind创始人Hassabis，都认为AGI会在未来十年内发生。

前OpenAI研究员看来，2027年实现AGI的可能性极大

而姜大昕认为，多模态理解和生成的统一，是通向AGI的必经之路。

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。

国产黑马，连甩三个更新

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。

而这些，也共同组成了Step系列模型的核心亮点。

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——

Step-2万亿MoE语言大模型正式版、 Step-1.5V多模态大模型、Step-1X图像生成大模型。

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

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。

自主研发，全面创新

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。

系统的稳定有多重要？

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。

Step-1.5V多模态大模型

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。

可以说，能做到如此理解能力的多模态大模型，在国内并不多见。

创新图文混排训练，让感知能力全面up

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。

万亿参数模型当老师，推理大幅提升

有了万亿参数模型当老师，Step-1.5V推理能力的提升也很惊人。

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。

视频理解超神，人物情绪精准识别

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。

Step-1X图像生成大模型