智象未来发布多模态大模型3.0，双星闪耀

好的，这是一篇根据您提供的信息，并按照您提出的要求撰写的新闻稿。

标题：智象未来发布多模态大模型3.0，揭示AGI之路与数据未来

引言：

2024年12月28日，安徽省人工智能产业先导区迎来了一场技术盛宴。智象未来科技有限公司在此正式发布了其多模态生成大模型3.0与多模态理解大模型1.0，引发业界广泛关注。在启动仪式上，加拿大工程院外籍院士、智象未来创始人兼CEO梅涛的演讲，不仅回顾了2024年人工智能领域的标志性进展，更深入探讨了通往通用人工智能（AGI）的路径，以及未来人工智能企业面临的挑战与机遇。

正文：

2024：人工智能的里程碑之年

梅涛在演讲中指出，2024年是人工智能技术持续发展的一年，涌现出多个具有里程碑意义的事件。其中，Sora的出现标志着视觉生成领域取得了重大突破，而GPT-4o则体现了大模型从单一语言模态向多模态（如图像和视频理解）的跨越。此外，GPT-o1的推出，则将行业关注点从大规模预训练转向了推理优化，进一步提升了大模型的逻辑推理能力。这些技术进步不仅使机器能够像人类一样进行反复思考、推敲，还极大地促进了具身智能的发展，使得机器人能够在复杂环境中做出灵活判断并采取行动。更重要的是，人工智能正日益成为推动科学发展的重要力量，“AI for Science”的潜力正在被充分挖掘。

人工智能的本质：连接

梅涛认为，人工智能的本质在于建立连接。他指出，大模型的神经网络与人类大脑在运作机制和构造上展现出了高度的相似性，深度神经网络实际上是对人类大脑皮层认知过程的一种简化模拟。人类认知的核心在于构建大脑神经元的“连接”，而人工智能的本质也是构建人工神经元之间的“连接”。正是这种构造和机制的相似性，使得我们今天能够见证“智能涌现”。

通往AGI的两条路径

在当前工业界，通往通用人工智能（AGI）有两大主流技术路径。其一是以GPT为代表的通过next token prediction方式，将人类数千年来积累的庞大文本知识库进行高度浓缩。然而，随着数据资源的日益消耗，这一路径也面临着增长极限的挑战。另一条路径则是以Sora为代表的扩散模型（diffusion model），该模型致力于将复杂的视觉信息及物理交互过程纳入学习范畴，旨在构建能够理解并模拟人类与真实世界互动的多模态模型。智象未来也正是在这条曲线上参与全球竞争，拓展技术边界。

直面Scaling Law的四点思考

梅涛还分享了对Scaling Law的四点深入思考。他指出，如果Scaling Law一直有效，那么五年后，大模型研发资源预判将面临能源需求增加200倍、预训练费用增加250倍、模型计算量和算力规模增加10000倍、高质量数据增加至1000倍的挑战。面对如此巨大的挑战，梅涛提出了以下四点应对策略：

多模态大模型是通往AGI的必经之路： 从单一的文本模态过渡到多模态，再到多模态生成和理解的统一，是商业化落地最快的一条通路，也是各大厂商的必争之地。
大模型研发正在从预训练过渡到推理优化的阶段： 在GPT-o1之后，大模型企业应将推理优化赋能到大模型上面，以提升模型能力。
AI仍在探寻产品的市场契合点： 需要跨越从强大模型到专业用户有效应用的跃迁，以及如何将服务于专业用户的能力普及至普通用户群体的两个鸿沟。
高质量的版权数据资产将成为人工智能企业核心竞争力之一： 面对未来可能出现的数据匮乏状况，构建和积累高质量的版权数据资产显得尤为重要。

智象未来的业务支撑

基于以上思考，智象未来自2023年3月成立以来，致力于在多模态大模型领域进行探索和创新。此次发布的多模态生成大模型3.0与多模态理解大模型1.0，正是其在技术研发上的重要成果。智象未来将持续投入基础模型研发，提升模型的准确性和可靠性，并通过不断的产品与运营优化，提升用户体验，弥合AI产品的“最后一公里”问题。

结论：

智象未来多模态大模型的发布，不仅展示了其在人工智能领域的雄厚实力，也为行业发展指明了方向。梅涛的演讲，不仅是对2024年人工智能技术发展的一次深刻总结，更是对未来人工智能发展趋势的一次前瞻性展望。在通往AGI的道路上，多模态大模型、推理优化、市场契合以及高质量数据资产，将成为人工智能企业竞争的关键要素。智象未来的探索与实践，无疑将为人工智能领域的进步注入新的活力。

参考文献：