智子引擎完成千万元天使轮融资 多模态大模型受关注

大模型赛道在四五月份可谓“百家争鸣”，战况愈发激烈，而新的玩家仍在不断涌入。

近日，一家专注于多模态大模型的初创公司“智子引擎”完成了千万元级的天使轮融资。这家公司的掌舵人是一位90后——中国人民大学的博士生高一钊。他的导师，卢志武教授，在公司担任顾问一职。值得一提的是，卢志武教授同时也是软通动力的首席AI科学家。

其实，在ChatGPT引爆全球之前，国内对大模型的探索早已开始。北京智源人工智能研究院率先发起的“悟道”大模型项目，当时汇聚了四支核心团队，分别由清华大学的唐杰、刘知远、黄民烈以及中国人民大学的文继荣领衔。

其中，文继荣教授带领的人大高瓴人工智能学院团队，主攻方向正是多模态大模型，其成果便是“文澜”系列。卢志武教授是该项目模型研发的主力，他的学生高一钊也深度参与了核心研究工作。“悟道”项目之后，唐杰、刘知远与黄民烈几位教授都相继基于大模型技术创立了公司。如今，随着高一钊的“智子引擎”浮出水面，当年智源“悟道”项目的四支核心团队，可以说都已完成了从学术研究到产业落地的布局。

需要指出的是，卢志武教授所在的团队，是国内最早投身多模态大模型研究并取得突出成果的团队之一。

卢志武和高一钊二人

卢志武与高一钊师徒二人对多模态大模型的探索，始于2020年。

2020年5月，OpenAI发布的GPT-3在AI界掀起了巨浪，也引发了国内研究者对预训练大模型的广泛关注，卢志武团队便是其中之一。

卢志武教授本人拥有扎实的学术背景，他本科就读于北京大学数学科学学院，后在香港城市大学取得计算机博士学位，研究方向长期聚焦于机器学习与计算机视觉。

卢志武

当时，国内的目光大多集中在纯文本（NLP）大模型上，而对于将文字与图像、视频结合的多模态大模型，关注者寥寥。就在这个阶段，中国人民大学高瓴人工智能学院组建了专门的多模态大模型研发团队，由文继荣教授牵头，核心成员包括宋睿华、卢志武等。这可以说是国内该领域的“先行者”。

同年，高一钊进入中国人民大学高瓴人工智能学院，成为卢志武教授的博士生。

高一钊

“智子引擎”将推出多模态大模型

事实上，早在ChatGPT问世的三年前，前文提到的“悟道·文澜”团队就已经在卢志武等科学家的带领下，开始了多模态大模型的研发。

2021年3月，基于3000万图文数据训练的第一代“文澜”模型（BriVL）正式发布。这是一个采用双塔结构的超大规模多模态预训练模型，能分别对图像和文本进行编码，并通过自监督学习来理解图文之间的关联。团队当时还基于此开发了一个有趣的“AI心情电台”应用，用户上传一张图片，模型就能为其匹配一段契合的音乐。

仅仅三个月后，团队又发布了升级版的“文澜2.0”。这一代模型提出了“图文弱相关”的假设，设计了更高效的跨模态对比学习策略，并采用了基于DeepSpeed的分布式训练框架。在6.5亿弱相关图文数据上训练后，“文澜2.0”参数量达到50亿，曾是最大的中文通用图文预训练模型，在图像检索、描述生成等多种任务上表现出色。高一钊在“文澜”1.0和2.0的研发中，深度参与了数据处理、模型训练与评估等工作。

ChatGPT的热潮，让卢志武和高一钊看到了多模态技术在大模型时代的全新机遇。于是，“智子引擎”应运而生。依托过往研发“文澜”的深厚经验，团队在今年3月8日正式推出了自研的多模态对话大模型，并发布了首款应用级产品“元乘象 ChatImg”。

“元乘象 ChatImg”是一个百亿参数级别的模型，主要使用图文对和视觉问答（VQA）数据进行训练，能同时处理图文匹配、检索、描述生成等多项任务。用户只需输入图片或文字，它就能进行智能对话、编故事、写广告文案等。

回看四五月份，大模型领域可谓喧嚣沸腾，大厂交锋激烈，创业公司也争先恐后。学术界顶尖力量下场创业已成为明显趋势。在这场贴近工程化与商业化的竞赛中，如何构建独特的竞争力并找准自身定位，是每一位新入局者必须回答的问题，而答案，或许就在与时间的赛跑之中。