中國通用大模型領(lǐng)域如今已跑出了六家獨角獸公司——其中只有一家，搜不到任何公開估值，甚至沒有融資新聞，就已經(jīng)被市場默認列入“獨角獸”隊伍。這家公司就是階躍星辰。

喧囂沸騰的“百模大戰(zhàn)”中，階躍星辰以近乎沉寂的狀態(tài)低調(diào)了一年，直到今年3月才浮出水面。

其發(fā)布的Step系列大模型是一套完整的“組合拳”：Step-1千億參數(shù)語言大模型、Step-1V千億參數(shù)多模態(tài)大模型，以及Step-2萬億參數(shù)MoE（混合專家架構(gòu)）語言大模型預(yù)覽版。

Step-1V一經(jīng)發(fā)布便登上了OpenCompass多模態(tài)大模型3月榜榜首，二三名分別是阿里的QWen-VL-Max以及谷歌的GeminiProVision，OpenAI的GPT-4V位列第四。

Step-2預(yù)覽版則是國內(nèi)大模型初創(chuàng)公司首次公開萬億參數(shù)MoE語言大模型。理論上而言，這是逼近GPT-4發(fā)布初始水平的關(guān)鍵節(jié)點。

不多言不多語，但一登臺就炸場的姿態(tài)，大概足以形容階躍星辰的行事風(fēng)格。

在幕后掌控這家公司行為調(diào)性的人是姜大昕。2023年創(chuàng)業(yè)之前，姜大昕是微軟全球副總裁、微軟亞洲互聯(lián)網(wǎng)工程研究院（STCA）的首席科學(xué)家，主導(dǎo)過微軟搜索引擎Bing，以及智能語音助手Cortana、微軟云Azure、辦公全家桶Microsoft 365等一系列微軟當(dāng)家產(chǎn)品的自然語言理解系統(tǒng)。

深厚的技術(shù)背景使其習(xí)慣于嚴謹和客觀地表達。談及技術(shù)細節(jié)，他會給出明確的判斷：“如果大語言模型要上萬億參數(shù)，MoE架構(gòu)幾乎是必然選擇。”

他信仰Scaling Law（規(guī)模法則），認為在肉眼可見的未來，至少還有十萬億和百萬億兩個數(shù)量級，但并不排除腦神經(jīng)科學(xué)領(lǐng)域有朝一日能夠在Scaling Law和多模態(tài)之外找到通往AGI（通用人工智能）的可能。 

一些公司合作方會用“實在”來形容他。這種描述矛盾而統(tǒng)一，因為他既會揚言“我們的多模理解國內(nèi)第一”，也會承認“還在追趕去年發(fā)布的GPT-4”。背后所依托的邏輯是他所掌握和相信的技術(shù)現(xiàn)實。

在微軟16年，姜大昕說自己形成最堅不可摧的認知是開放心態(tài)和“growth mindset”（成長型思維）——這是老東家微軟的文化之一，也是他決定創(chuàng)業(yè)的心境來源。 

他判斷“上一代搜索已經(jīng)做到頭了”。從“Boosting Tree”（提升樹）到神經(jīng)網(wǎng)絡(luò)興起，從CNN（卷積神經(jīng)網(wǎng)絡(luò)）、RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）、LSTM（長短期記憶網(wǎng)絡(luò)）再到BERT（谷歌團隊提出的一種自然語言處理預(yù)訓(xùn)練技術(shù)），姜大昕曾把每一代技術(shù)都用進搜索，使其實現(xiàn)從“馬車”到“汽車”的轉(zhuǎn)變。

直到2022年ChatGPT橫空出世，他意識到，這是從“地上跑”到“天上飛”的質(zhì)變。

因此，如果你不知道對這家新出現(xiàn)的公司具體期待什么，不妨期待它會如何定義下一代搜索，畢竟它擁有傳統(tǒng)搜索引擎時代最有話語權(quán)的團隊之一。

階躍星辰會如何用大模型來定義下一代搜索？又如何追上與GPT-4的差距？姜大昕給出了自己的答案。

以下為姜大昕采訪實錄（界面新聞略作編輯）： 

技術(shù)只是窗口期，不是護城河

界面新聞：你們算是國內(nèi)第一個公布萬億參數(shù)MoE大模型的公司，之前一直保持低調(diào)，現(xiàn)在希望在行業(yè)里樹立一個什么樣的認知？

姜大昕：去年國內(nèi)開始提“百模大戰(zhàn)”，但很多公司是針對行業(yè)或者應(yīng)用場景發(fā)布了大模型，真正從頭開始做通用大模型的滿打滿算十幾二十家，相當(dāng)于已經(jīng)做完第一輪分化。

我們認為通用大模型還會走得更遠，往后發(fā)展有兩個維度：一個是Scaling Law，從千億到萬億參數(shù)，甚至到百萬億；另外光做語言模型是不夠的，要想達到所謂的通用人工智能，就要做多模態(tài)理解和生成的融合，首先要做一個多模態(tài)理解的模型。

沿著這兩條路，公司發(fā)布了萬億參數(shù)語言大模型的預(yù)覽版Step-2，以及多模態(tài)大模型Step-1V。這代表了我們在GPT-3.5之后兩個很重要的觀點，一個是模型要大，二是多模態(tài)理解和生成的統(tǒng)一是通往AGI的必經(jīng)之路。

界面新聞：單從模型的角度，怎么理解你們與GPT-4之間的差距？比如Minimax剛剛發(fā)了abab 6.5，也是萬億參數(shù)MoE大模型，他們會展示各種開源測試集的結(jié)果比對。

姜大昕：這是個很有意思的問題。前段時間在迪拜的世界政府峰會上，OpenAI首席執(zhí)行官Sam Altman有一個觀點很出圈，我覺得很對。

他說GPT-5對比GPT-4，是各個維度都強了一圈。這句話字面意思是“我的通用能力變強了”，但反過來講還有一個意思是，“我朝著某一個維度方向去打磨也可以很強”。通過犧牲一些維度去增強另一個維度，這個維度可以強過GPT-4。就好像一個大學(xué)生和一個學(xué)習(xí)了焊工、鉗工的初中生相比，后者可以在某個維度上超過大學(xué)生。所以刷榜并不是特別科學(xué)，因為題都是公開的。 

有些說法甚至非常有誤導(dǎo)性。比如說“全方位能力達到了GPT-4的90%”，聽著很牛，但假設(shè)GPT-4在某個能力上是90分，你做到90%就是81分，看上去好像也不錯。但反過來想，GPT-4的錯誤率是10，你的錯誤率是19，幾乎是人家的兩倍，在應(yīng)用的時候體感肯定是不一樣的，用戶只會覺得你做對是應(yīng)該的，但會記住你的錯誤比別人多了近一倍。

界面新聞：和GPT-4的通用能力對比，你們對Step-2下的結(jié)論是什么？

姜大昕：GPT-4是動態(tài)的，我們現(xiàn)在的模型也還在最后的打磨階段，希望到今年上半年整個打磨完成以后，能夠?qū)?biāo)去年GPT-4剛出來的水平。

界面新聞：現(xiàn)在國內(nèi)的通用大模型是不是還在集體追趕GPT-4剛剛發(fā)布的狀態(tài)？

姜大昕：對。這是一個相對務(wù)實的目標(biāo)，我們不會動不動就說我們超過GPT-4，沒有這個必要去吸引眼球。因為你可以有各種辦法在一些小維度上超過它，甚至分分鐘就可以超過，但這有什么意義？

界面新聞：Step-2采用的MoE架構(gòu)，現(xiàn)在也很受關(guān)注。這種架構(gòu)響應(yīng)速度、推理效率都更快更高，但也存在訓(xùn)練穩(wěn)定性、通信成本等問題。階躍是什么時候決定以及為什么決定采用這個架構(gòu)？怎么去克服這個架構(gòu)本身可能存在的一些問題？

姜大昕：想把模型參數(shù)擴大到萬億的話，MoE幾乎是一個必選項。就像做科研或者做工程，很多決策就是各個維度之間的最佳平衡，MoE也是在性能、參數(shù)量、訓(xùn)練成本、推理成本這些維度權(quán)衡下的最佳選擇。

至于說它要解決的很多挑戰(zhàn)，我覺得這就是OpenAI的核心技術(shù)，我們要想繼續(xù)往上攀登的話，這個問題遲早要解決。

我們自建機房是一個巨大的優(yōu)勢，因為可以有所有硬件的細節(jié)。我們是系統(tǒng)組、算法組從硬件開始就做一個聯(lián)合的優(yōu)化。 

界面新聞：商業(yè)模式上，你們是toB（企業(yè)）和toC（消費者）一起做嗎？

姜大昕：不算，我們主力還是在toC。toB的話，我們不是一單一單接的典型打法，是只選擇一些大行業(yè)。比如說和上海報業(yè)旗下的界面財聯(lián)社成立一個合資公司，由這家公司去承接生意，我們提供算法和模型。 

界面新聞：如何看待C端產(chǎn)品的商業(yè)前景？很多人認為C端極易打價格戰(zhàn)，那它能成立的、有健康現(xiàn)金流的商業(yè)形態(tài)會是什么樣？

姜大昕：這一輪雖然技術(shù)上發(fā)生了很大的變革，但我覺得技術(shù)不是護城河，技術(shù)只能給你一個窗口期。在這個窗口期內(nèi)，你一定要構(gòu)建公司產(chǎn)品的護城河。

我覺得沒有什么新鮮的，商業(yè)模式基于人的需求，而需求這么多年不會變。現(xiàn)在只是說技術(shù)變了，找到產(chǎn)品能夠賣出的商業(yè)模式就完了。

永遠記住年輕人比你更牛

界面新聞：有人說你們算是國內(nèi)最后一家大模型公司，你怎么看？會不會覺得入局比較晚？

姜大昕：我覺得不晚，而且我也不認為我們一定是最后一家，可能哪一天又冒出來一家。

界面新聞：當(dāng)初為什么選擇在上海注冊公司？ 

姜大昕：上海對人工智能有一個總體生態(tài)上的布局，從芯片到通用大模型，再到各行各業(yè)的應(yīng)用，規(guī)劃得非常清楚。上海的環(huán)境也很適合創(chuàng)業(yè)，比如徐匯、濱江，有非常多的創(chuàng)業(yè)公司。 

界面新聞：在微軟的16年，讓你積淀下來最堅不可摧的認知和能力是什么？

姜大昕：開放的心態(tài)，還有就是微軟有個“growth mindset”（成長型思維模式）。意思是不要被過去的一些認知所局限，空杯心態(tài)、仰望星空。

過去的知識也許可以幫你判斷一件事情的價值，但也要多聽取別人的意見，選擇性吸收，最終是讓自己不要活在過去。你要永遠知道，年輕人比你更牛，這個事情在我們公司是非常非常正確的，年輕人也是最厲害的。

界面新聞：在大模型領(lǐng)域創(chuàng)業(yè)的人，有楊植麟這樣帶著“天才少年”標(biāo)簽的，有王小川這種有成功創(chuàng)業(yè)經(jīng)驗的，也有你這樣在科技巨頭統(tǒng)領(lǐng)重要業(yè)務(wù)線的人，你覺得這個行業(yè)這一代領(lǐng)軍人物之間，最終拼的是什么？

姜大昕：個人有個人的特點，我覺得這對企業(yè)是個好處。每個企業(yè)會有自己獨特的文化價值觀，還有組織基因，有各自成功的路徑。

界面新聞：這種價值觀或者組織基因，可能會讓公司在什么事情上變得特別不同或者有優(yōu)勢？

姜大昕： 它會影響到方方面面，這個東西講起來很虛，但又很實在，因為會決定做事的方式。 

比如一些企業(yè)合作方聽完我們的介紹以后，會用“實在”來形容我們。我就問，您說這話是一個褒義詞還是個貶義詞（笑）。對方的意思是，他走訪了很多公司，基本上每家都會或多或少說比GPT-4做得好，只有到了我們這里，我說我們在追趕GPT-4，承認跟GPT-4之間還有差距。

界面新聞：階躍現(xiàn)在有大概150人，團隊規(guī)模的增長曲線是怎樣的？ 

姜大昕：我們一開始招人比較快，把訓(xùn)練初始版本模型的人給招起來了。中間有一段時間相對來說比較慢，產(chǎn)品還是在小步往前探索階段，那段時間并沒有進很多人。產(chǎn)品剛跑起來的時候，可能就10個人。后來到了下半年，我們才開始擴招產(chǎn)品和工程體系的同學(xué)，然后才有冒泡。

界面新聞：行業(yè)里像百川智能、Minimax等，大概都是兩三百人的體量，你怎么理解大模型公司人才密度的問題？ 

姜大昕：這個領(lǐng)域說人才密度這件事我是認可的。這里面涉及兩件事，一個是平均人才密度，還有一個就是，一家公司里最頂尖的那幾個人決定了大模型的高度，100個人未必干得過那10個人，所以系統(tǒng)、數(shù)據(jù)、算法這三個維度我們都要有最頂級的人才。

最近我非常高興的事情是算法團隊又壯大了一些。因為從GPT-3.5到GPT-4，一方面你要有算法能力，另外就是系統(tǒng)要跟上，但如果要探索我說的那條路徑，從單模態(tài)到多模態(tài)，需要很多不同領(lǐng)域的算法人才。

我現(xiàn)在在各個方向都找到了頂尖的人才，這也是我“浮出”之后的好處。

界面新聞：每一個加入的人你都會自己親自面試嗎？

姜大昕：對于這些leader我會的，而且都不是面試，真的是聊天、吃飯，有的還聊了好幾次，吃了好幾次。 

界面新聞：感覺你在融資信息的發(fā)布上挺謹慎的，但其他家都宣傳得很熱鬧。為什么階躍不怎么去提融資的事情？

姜大昕：我覺得沒有必要。我們最終的目標(biāo)是把模型訓(xùn)出來，那我們知道自己的融資節(jié)奏和方式就好。

界面新聞：但如果有高融資或者高估值，應(yīng)該也更容易在市場上建立頭部印象？

姜大昕：現(xiàn)在的好處是，人工智能領(lǐng)域確實有一批投資人是非常懂的，他們知道這是一個長期且比較耗錢的項目，也愿意相信我們的技術(shù)實力。 

通往AGI之路，十萬億不是盡頭

界面新聞：你所信仰的AGI可以怎樣概括？

姜大昕：AGI目前確實沒有一個準(zhǔn)確的定義，我也不想給它一個（定義），只能非常概括地說，達到人的智能就叫AGI 。而且我覺得這里面最重要的一個字就是“G”（general），通用。

界面新聞：你給公司規(guī)劃了“單模態(tài)-多模態(tài)-多模理解和生成的統(tǒng)一-世界模型-AGI”的路徑，每個階段要走多長時間是可估算的嗎？

姜大昕：不好預(yù)測。就像我看到ChatGPT之前，都還會說自然語言處理這件事，常識和推理需要十年二十年來解決，結(jié)果一夜之間就解決了。所以有的科學(xué)突破可能在積累上早就發(fā)生了，但有點像大家說的“涌現(xiàn)”，只看到“砰”地一下上去了，是一種跳變。但這個朝著目標(biāo)邁進的過程，只要沒有達到那個點，它就是0。

界面新聞：階躍對于明年有什么具體的目標(biāo)？

姜大昕：朝著GPT-4.5/5去努力，一個是規(guī)模擴大到10萬億參數(shù)，第二個是從能力上，我希望明年對多模理解和生成的統(tǒng)一有突破，能夠同時理解和生成。

整條線我們都看得很清楚了，包括我們處在什么階段、什么是確定性的，接下來肯定是在現(xiàn)有的確定性基礎(chǔ)上再往前走。 

界面新聞：達到萬億參數(shù)模型之后，推進Scaling Law最難的事情是什么？ 

姜大昕：最難的不是一件，是四件事情，就是我們說的算力、系統(tǒng)、數(shù)據(jù)、算法。

界面新聞：感覺你是一個非常堅信Scaling Law的人，這個定律有到頭的時候嗎？

姜大昕：這是個很好的問題。在肉眼可見的未來，我覺得至少還有兩個數(shù)量級。我們到年中應(yīng)該才算真正攀上去萬億，那么10萬億是個確定性事件，一定會攀。

界面新聞：10萬億對應(yīng)的是GPT-5？

姜大昕：不知道是GPT-4.5還是GPT-5，就看OpenAI下一個模型出來的是個什么。其實 GPT-4是2022年10月份就訓(xùn)完了，去年4月份發(fā)布是因為它后來打磨又用了6個月時間，跟我們現(xiàn)在狀態(tài)差不多。

雖然OpenAI年初發(fā)布了Sora，但最新一代大模型到底叫GPT-4.5還是GPT-5，多大參數(shù)規(guī)模，都不知道。我們基于它的能力、路線，包括它用的卡做一個推測的話，至少是個10萬億級別。 

界面新聞：那第二個數(shù)量級就要到百萬億。

姜大昕：這里有一個參考，就是人腦的神經(jīng)元連接是200萬億，但我覺得不是一個特別有效的參考，因為人和機器現(xiàn)在沒有任何可直接對比的關(guān)系，可能只是給人一個目標(biāo)。

界面新聞：除了這個路徑之外，還存在別的可能彎道超車的技術(shù)路線嗎？

姜大昕： 除了剛才的兩條路線，還有第三條路徑是解讀人腦到底是怎么工作的，即腦神經(jīng)科學(xué)。

現(xiàn)在所謂大腦神經(jīng)網(wǎng)絡(luò)和真正的神經(jīng)網(wǎng)絡(luò)之間，我覺得是一種很牽強附會的類比——把它的構(gòu)造想象成神經(jīng)元、樹突、軸突這些東西，但人腦可能完全不是這么工作的。

但最近有一些有趣的發(fā)現(xiàn)，冥冥之中好像人腦的一些規(guī)律在我們最新的大模型設(shè)計當(dāng)中得到了體現(xiàn)。比如人的智能來自大腦皮層，是一個簡單結(jié)構(gòu)的不斷重復(fù)，正好對應(yīng)了Transformer架構(gòu)的某種特征。還有就是，它認為人的智能來自對世界的建模，叫作 reference framework，這個和我們現(xiàn)在把大量知識輸入、壓縮、對世界建模從而產(chǎn)生智能的工作，好像從邏輯上也對應(yīng)了。

但從生理上看，人的神經(jīng)元產(chǎn)生生物放電、化學(xué)遞質(zhì)這個過程到底是什么樣的？我們現(xiàn)在訓(xùn)練一個初中生水平的智能，就要消耗這么多能源，人的大腦就兩三斤，消耗能量也就這么一點，它是怎么做到的？這里面還蘊藏很多大自然的奧秘，實際上是可以幫你反哺。

你要么就是學(xué)習(xí)它，要么從它那里得到靈感去改進大模型，甚至說不定在某個時刻，機器人聰明到一定程度，會去看明白之后告訴你，或者默默地就把自己給修改了，那我就覺得很恐怖了（笑）。

界面新聞：你之前提到過“上一代搜索到頭了”。那你對這個時代的搜索有什么初步定義嗎？或者說它未來可能的形態(tài)是什么樣，會取代誰？

姜大昕：是個很好的問題，我覺得它是分階段不斷往前演進的。

首先，它會讓用戶的搜索體驗更好。上一代搜索引擎逼用戶養(yǎng)成了一個習(xí)慣，就是只能拿關(guān)鍵字提問，因為假如問一個自然語言，用戶篤定搜索引擎不懂。但是大模型出現(xiàn)以后，不僅可以讓這件事自然語言化，還可以多輪（對話）。

大模型會先幫你把前幾十個文檔和網(wǎng)頁全看了，然后總結(jié)一套信息給你，還能提供出處，從結(jié)果呈現(xiàn)上也比原來好很多，從單純的信息檢索變成了知識獲取。所以（大模型時代的）搜索第一個階段是，解決了用戶提問的困難和看答案的效率。 

搜索本身其實不是一個端到端的任務(wù)，大多人搜索是為了完成一個工作或者任務(wù)。所以搜索將來怎么能夠把外部搜索、本地搜索，還有工作環(huán)境的知識整合在一起，嵌入到一個端對端的工作流里面，我覺得可能是未來搜索的一個方向。

界面新聞：如果不考慮Google自己會進化這件事，現(xiàn)在的通用大模型其實都是要取代曾經(jīng)的Google？ 

姜大昕：在取代這件事情上，我覺得推演起來非常有意思。

很多人在思考，大模型出來以后，搜索引擎公司會產(chǎn)生一個什么樣的變化？包括我們躍問在內(nèi)的很多AI產(chǎn)品都是個聚合搜索，它是在現(xiàn)有搜索引擎的基礎(chǔ)上，把Top 10或者Top 20的結(jié)果做了一個網(wǎng)頁整合。 

所以我覺得Google等搜索引擎公司會長期存在。就你從一個Query（疑問）進來，到我從1萬億個網(wǎng)頁當(dāng)中，把Top 20的結(jié)果反饋給你，這件事情永遠要存在。

至于是哪家公司我不知道，但這件事情不會消失，因為大模型沒有能力在很短的時間內(nèi)把1萬億網(wǎng)頁全部看一遍，它只能做到把你給我的20個網(wǎng)頁看一遍。

從商業(yè)模式來說，對于搜索引擎公司就非常tricky（棘手）——這種情況我是跟還是不跟？跟了，可能會損失廣告收入，要不跟就得看著用戶往別人那走。

所以它的一個解決方法可能是，在跟的同時秀廣告，它有一段路要去探索這種商業(yè)模式是不是成立：你付費了我可以不給你廣告，你不付費，對不起，你就得看廣告。

界面新聞：前段時間行業(yè)里關(guān)于研發(fā)、應(yīng)用、商業(yè)化等爭議非常多，你看了這么多觀點之后，有覺得和你的想法比較貼切的嗎？

姜大昕：其實每個人都沒有錯，站在他們的角度，只是各自說了一個不同的事情，然后人為捏在一起之后，好像觀點是很對立的，其實我覺得并不矛盾。

界面新聞：作為創(chuàng)業(yè)者，研發(fā)和應(yīng)用之間你有什么傾向？

姜大昕：我們一直說模型和應(yīng)用要同一個公司做。 

界面新聞：所以你覺得雙輪驅(qū)動是成立的？

姜大昕：對。我們公司從第一天開始，就確定模型和應(yīng)用都要做，因為模型需要應(yīng)用作為牽引和數(shù)據(jù)的補充。當(dāng)你具體到某個應(yīng)用的時候一定要通用模型跟它深度綁定，應(yīng)用才能做到極致。 

反過來也是一樣，我不覺得一個光做應(yīng)用的公司，沒有一個模型跟它深度綁定的話，它能做到極致。

界面新聞：但這對創(chuàng)業(yè)公司會是一個巨大的消耗，也非常考驗后期，比如創(chuàng)業(yè)者的融資能力。

姜大昕：同意，因為這一輪大模型創(chuàng)業(yè)，大家會跟芯片做類比，上來就是明牌重注這樣的格局，沒辦法。 

界面新聞：對全球大模型行業(yè)的第一梯隊和第二梯隊有什么樣的預(yù)測？

姜大昕：第一梯隊現(xiàn)在就是OpenAI的GPT，Anthropic的Claude，還有Google的Gemini，每一家背后都是一朵云。 

經(jīng)過一年的角逐以后，除非OpenAI馬上放一個GPT-4.5/5把大家再震暈了，否則以他們當(dāng)家的三款模型來說，水平差不了太多，至少GPT-4和Claude 3是，從Gemini Pro來看是接近了。

第二梯隊我覺得就兩家，x.AI的Grok和Meta的Llama，這兩家確實錢多、卡多、人才多，但它們慢了，只能隨時準(zhǔn)備開源掀桌子。

我判斷開源追不上閉源，除非閉源在走的時候出現(xiàn)了重大挫折，比如GPT-4.5/5發(fā)不出來，但我覺得是個小概率事件。閉源還是會一直往前走，而且勢頭不會太慢，至少走到10萬億甚至到百萬億，都會以這樣的速度持續(xù)下去。 

界面新聞：對標(biāo)全球的第一第二梯隊，國內(nèi)大模型的整體水平在哪里？ 

姜大昕：第二梯隊。國內(nèi)進步很快，但是距離GPT-4，Claude 3還是有一定差距。除了模型本身還有認知上的差距。OpenAI是積累了很久。 

界面新聞：明年國內(nèi)大模型大概會達到一個什么樣的水平？

姜大昕：取決于兩個因素，一個是它們（第一梯隊）有多快，現(xiàn)在最大的變量就是OpenAI新的模型到底是個什么樣子，這會影響明年的格局。另一個要看國內(nèi)有幾家能在年底前達到GPT-4。

轉(zhuǎn)載來源：界面新聞 作者：伍洋宇