体育游戏app平台生成的内容是需要阐明来戒指的-ky体育官网登录入口网页版(中国)有限公司官网

发布日期：2025-09-02 03:42    点击次数：192

体育游戏app平台

出品｜虎嗅交易奢侈组

作家｜苗正卿

题图｜虎嗅拍摄

5月8日，在海淀大恒科技中心的阶跃星辰北京办公地，阶跃星辰创举东谈主、CEO姜大昕身着深色西服、蓝色衬衫出当今阶跃星辰北京办公地的会议室里。他保执了一贯的作风，如二十一年前在新加坡南洋理工教书时，像诚挚一样在屏幕前安心性讲演我方对于多模态模子行业的判断。这里距离姜大昕上一个东家微软的中国办公地微软大厦仅有504米，在2023年创立阶跃星辰前，姜大昕是微软全球副总裁。

"多模态模子限制面前还莫得出现GPT-4时刻。卡点是统共行业险峻多模态限制的阐明生成一体化架构。有了这个架构，才能基于此通过海量的图片视频去作念预检修+教唆扈从，最终演变为世界模子。"姜大昕说。

"阐明生成一体化架构"不单是姜大昕的时期判断，也正在影响这家公司的走向。

虎嗅独家获悉，近期阶跃星辰里面，进行了算法小组内的微调：正本阶跃星辰里面团队分为生成小组和阐明小组，而这两个小组照旧整合为新的"生成阐明"团队。

姜大昕向虎嗅示意，这一调换，照实是基于"阐明生成一体化架构至关病笃"这个判断。

虎嗅获悉，面前阶跃星辰的运转以三个男东谈主为中枢：

姜大昕 阶跃星辰创举东谈主、CEO 厚爱公司举座政策、时期研发

张祥雨 阶跃星辰首席科学家 厚爱公司时期研发

朱亦博 阶跃星辰的系统厚爱东谈主，全面厚爱 AI Infra 建造与AI框架优化 

此外，阶跃星辰通过开源和ToB和谐，连续丰富我方的生态矩阵。虎嗅获悉，阶跃星辰里面敞开平台部门主要面向外部开发者，提供阶跃基础模子的API接口；生态部，则主要厚爱与品牌客户的政策和谐。这两个病笃的部门由阶跃星辰VP李璟厚爱。数据娇傲,2024年下半年阶跃星辰多模态 API 的调用量增长了超 45 倍。

面前阶跃星辰职工主要有400余东谈主，其中80%为时期研发东谈主员。这些东谈主分散在上海总部和北京办公室。每周，通盘时期磋磨职工都会参加固定时期的协同会，以拉都共鸣。在公司里面，还有见闻共享群，通盘职工不错随时辰享我方对论文和产物的看法。值得在意的是，在这个群里，还接入了阶跃星辰的Agent，比如有职工把OpenAI最新的论文发到群里时，这些Agent会自动梳理出重心、完成翻译或者给出轻便考语。

和部分基础模子公司作风略有不同，阶跃星辰里面氛围更为扁平敞开。阶跃星辰的一线职工不错随时与姜大昕私信调换。有里面东谈主士告诉虎嗅，姜大昕能记取公司内一线职工的名字，也很少"PUSH"职工，脾性比拟敞开。一个细节是，多个阶跃星辰职工桌面摆入辖下手办、二次元公仔，在午休时刻有男职工原意地吃着甜品看B站番剧。据悉，阶跃星辰里面还有多个社团，比如羽毛球社、飞盘社等。

甘休2025年5月，阶跃星辰主要通过通过面向品牌客户的ToB劳动和面向开发者的API接口业务取得收入。但由于在创立后阶跃星辰并未像其他头部模子公司一样选择"投流"策略，其主要老本是东谈主力和堆卡。2024年12月，阶跃星辰布告完成了B轮数亿好意思元融资。和一些"AI六小虎"不同，阶跃星辰一直在作念具备多模态才智的基础模子，它亦然甘休面前"六小虎"中少数尚未毁掉预检修的公司之一。

姜大昕坦承，基础模子的竞争是强烈的。在畴昔半年里只是OpenAI、Google、Meta、Grok、Anthropic五家就发布了不少于8款新品；而国内月之暗面、MiniMax等厂商也在频频发力。"竞争相称强烈 ，追求智能的上限仍是当下最病笃的事情。"姜大昕说。

5月8日，姜大昕共享了对多模态行业的最新阐明以及对阶跃星辰畴昔的假想。

 -----------以下为姜大昕经受访谈的内容----------

全球也能感受到，大模子这个限制发展得相称快。 2 月份以来外洋的头部几家作念基础大模子的公司相称密集地发布了一堆的模子，是以有媒体说他们是"贴脸发布"，也能感受到竞争是相称强烈的。

通过这些发布咱们其实不错感受到一个趋势："追求智能的上限"——咱们认为这仍然是当下最病笃的一件事。如果透过这些眼花头晕的发布咱们再多不雅察一下发布的模子的特征也不错整理出一个主流的时期眉目和共性的规章。

从宏不雅上来讲，咱们看出模子的发展是沿着这样一条智能演进的蹊径往前进化的：模拟世界、探索世界、归纳世界。

咱们也不错感受到脚下的发展，主要呈现出两个趋势。第一个趋势是，从效法学习到强化学习，其中一个关键点是从多模态交融走向了多模态阐明生成一体化。

在作念模拟世界这个阶段，主要检修的范式叫效法检修，等于咱们把互联网上通盘海量的数据都喂给大模子，通过一个任务叫 predict next token 让这个模子从海量数据当中去它的结构和它的特征。在这个阶段学习的主要的运筹帷幄是多样模态的表征，咱们看到有语言、声息、图像、视频一直到复杂的 4D 时空的物理世界，里面的中枢问题是咱们如何能用深度的神经聚集去颐养抒发这些勤俭单到复杂的多样模态。

这是第一阶段，咱们学会了表征世界，下一步等于让培养机器措置复杂问题的才智，比如说让它解一个数学题，让它写竞赛题的代码，这种问题需要长念念维链，需要一个比拟长的念念考的经过，对于复杂问题求解，东谈主脑需要的一种慢念念考的才智。咱们每个东谈主在解一谈复杂的数学题的时候时时不是一口报谜底，而是会把这个题认识成些许个智商。如果发现一运转的念念路不正确的话，还会尝试其他的措置表率。如何让机器学习慢念念考的才智呢？收受的表率等于强化学习，强化学习其实全球也不生分，2016 年的 AlphaGo 收受的等于强化学习的表率，最近的在大语言模子的限制出现的一些推理模子，比如说 OpenAI 的 O1、O3，以及 DeepSeek 的 R1 背后等于强化学习的时期。

但这还不是智能的很是，下一个阶段等于归纳世界，机器未必通过自主学习主动发现东谈主类尚未发现的物理规章，不错在生物、核能、材料、量子筹画各个限制和科学家统共去完成更动，这个阶段咱们把它叫作归纳世界。咱们看到模子的演进是循着这条蹊径在往前走。

旧年 8 月份的时候，从 OpenAI 流通晓了 AGI 的 5 个 level，肯定好多东谈主都听过，从 Chatbot 然后到 Reasoner、Agent、Innovator 和 Organization，如果咱们去读 OpenAI 被每一个阶段所形色的界说会发现，其实这五个 level 和咱们的三个阶段的逻辑是一致的，只是表述的表率不一样汉典。

畴昔两年咱们看到统共行业的模子进化基本上等于受命了这样一个蹊径：从单模态到多模态，从多模交融到阐明生成一体化到强化学习。

咱们也看到跟着模子才智连续的增强，模子的利用也发生了变化。比如说在最早期的时候，比拟流行的利用是多样种种的聊天机器东谈主，然后有了 Agent 以后咱们就不错用它来解数学题，下一步进化当今是相称火热的 topic 等于智能体。智能体咱们肯定终将从数字世界走向物理世界，冉冉彭胀到智能驾驶和东谈主形机器东谈主这些限制。咱们看出利用其实跟模子的才智是匹配的，有什么样的模子决定了有什么样的利用不错被解锁、不错老练和茁壮。

刚才咱们先容了一下行业的趋势，回到阶跃，阶跃的发展亦然围绕着前边的蹊径图。

在畴昔的两年时期里，咱们竖立了一个 Step 系列的通用大模子的矩阵，这里咱们当先把基础模子分红了语言模子和多模态模子。在国内的大模子公司里面，像咱们这样爱重模态的全覆盖而况坚执原生多模理念的公司并未几，但阶跃从一运转就恒久认为多模态对通用东谈主工智能相称病笃。有一句话我也在好多场所不停的近似：咱们认为多模态是达成 AGI 的必经之路。

我再多诠释一下为什么咱们的信仰是这样的，当先是 AGI 对标的是东谈主类的智能，东谈主的智能是多元化的，每个东谈主除了有来自语言的象征智能，还包括视觉智能、空间智能和开通智能等等，这些只但是需要通过视觉和其他模态来进行学习的。是以咱们认为，在多模态限制任何一个宗旨出现短板都会减速达成 AGI 的进度。除此以外，除了从 AGI 自己的范例和界说来说，如果咱们从利用的角度来看，岂论咱们是作念垂直限制的利用如故作念 C 端的利用，多模态都是必不可少的，咱们是需要 AI 能听、能看、能说，这样它才能更好地阐明用户所处的环境，而况和用户进行更为天然的调换。面前的大模子公司有才智去全面自研预检修模子，并组成这样一个模子矩阵的，即使是大公司也未几，更无须说是初创公司了，这是阶跃星辰的一个特色，亦然咱们的一个上风。

下一步的模子会有如何的发展呢？

在预检修的时期模子上加强强化学习，不错引发模子推理的时候产孕育念念维链，极地面普及模子的推理才智。这照旧不是新的趋势了，推理模子最早出来是旧年 9 月份的时候，OpenAI 的 o1 的 preview，我印象还很深化，因为刚出来莫得几天，我就去阿里的云栖大会，其时全场在意的焦点都是 o1 的 preview。好多东谈主问这个模子意味着什么？其时我还扬眉吐气地说了一大堆，不事其后的发展如故和咱们当初的预判是一样的。咱们合计语言模子原来是一个 predict next token 这样的一个模子，它天然也能处理一些复杂的推理问题，但是由于莫得经过长念念维链这样的激化，是以它的处理才智如故比拟弱的。如果咱们比拟推理模子和阿谁时候的 GPT 范式的模子在推理的问题上作念比拟的话，它的差距是相称远的。

OpenAI 的 o1 preview 是旧年 9 月份出现的，真实的满血版是它的圣诞发布季第一天，就把 o1 的十足版发布出来了。跟着春节之前 DeepSeek 发布了 R1，我合计这是一个秀美，推理模子从一个趋势变成了一个范式，当今咱们再看语言模子基本上是推理模子一统寰宇。

阶跃在本年 1 月份的时候照旧发布了一个小的推理模子，咱们叫 Step R1-V-Mini，它的速率很快，推理才智其实也挺强的，超出了其时的 o1 的 preview 的版块，咱们瞻望在畴昔三个月阶跃会发布满血版的 Step-R1。咱们认为，强化学习趋势还会延续高出万古间，因为还有好多故兴味的问题，学术界、工业界都在询查，比如说推理的成果如何进一步普及，推理的才智是不是能泛化到更多莫得奖励函数、或者说奖励函数也很难界说的限制，以至包括合成数据如何去生成，如何进行预检修等等，这都是眼放学术界、工业界全球询查相称多的问题，阶跃也会在这方面执续地干涉。

覆盖在推理才智这个话题里，还有一个点是如何把推理引入到多模态限制。实在地说，在视觉阐明的基础上，能不行加上视觉推理？

我举一个例子什么叫视觉推理。

比如说我拿出一张球场的图片（上海上港主场），问模子这张图片是哪个场地，是哪个球队的主场？一般的视觉阐明会凭据在检修数据里见过的差未几的图片告诉你这是什么。但加了推理才智以后，会是什么样的陈诉作风呢？它会真贵这个图的细节，比如说当先它会看到大的比分牌，因为我在问它这是谁的主场，比分牌上会凭据队列的对标判断出来，这是上港和上海另外一个球队的比赛，它在望望台上的字，比如说看到的红色力量，包括一般来说主场的球迷比拟多，会凭据球迷的球衣的热枕，再凭据下面的告白牌的内容它应该就能判断出这是上海上港队的主场，然后通过球场的顶部的建筑结构未必估计出这是上港的开通场是上海浦东球场。这是把模子的感知才智和模子里面所带来的常识能市欢起来，统共去作念推理，这样一个才智其实比着手先的视觉阐明就强化了好多。

在履行的利用中咱们时时会需要这样复杂的推理。

比如说，咱们有一个利用是叫巡店，比如说茶百谈和瑞幸在宇宙有好多的门店，这些品牌很真贵门店中职工的操作是不是符合范例？以前每一个操作的细节或者是每一个章程是专门要检修一个模子的，因为模子的阐明才智如故比拟弱的，没法儿作念推理，当今用了咱们这个模子以后，只消把司法写在它的 Prompt 里，咱们的模子就不错自动作念推理，帮他去检测职工的操作是不是稳妥范例，极地面普及了巡店的成果，面前准确率未必作念到 90%以上。

是以总结一下，第一个大的趋势是：冉冉地把长念念维链、推理才智加入到岂论是语言模子如故多模态模子里面。

第二个趋势等于多模阐明生成一体化，更准确的说是视觉限制的阐明生成一体化。

如果全球听我多样场所讲时期听得多的话，这句话照旧听出茧子了，旧年讲到本年，照旧近似了渊博次，咱们一直在说阐明生成一体化是多模态限制的中枢的问题。什么叫作念"阐明生成一体化"，它的界说是阐明和生成是用一个模子来完成。全球如果看了文本，比如说文本模子 ChatGPT，它等于阐明生成一体化，所谓的阐明，等于咱们给出一篇著作让它作念总结或者 Q&A，这等于典型的阐明问题。什么是生成呢？比如给它一个中心念念想，来帮我写一篇什么样的著作，它写出一篇很长的著作出来，这个叫生成。当今其实是不分歧的，在文智商域岂论让它作念阐明如故作念生成，用的都是 ChatGPT 这样的模子。

到了视觉限制就不是这样了，即使是对图片，咱们阐明的时候用的是 GPT-4o 这样的模子，或者是在阶跃是用的 Step-1o。那么生成又换了其他的模子，比如说用  Flux、用 Stable Diffusion，阶跃是用 Step image 这样的模子。全球会发现，为什么在视觉限制里，阐明是阐明模子，生成是生成模子，它是分开的。咱们为什么一定要作念阐明生成一体化？因为当今阐明和生成是分开的模子。一个本色逻辑是，生成的内容是需要阐明来戒指的，你为了保证生成的内容是故兴味兴味的、有价值的，履行上是需要对它的高下文作念一个更好的阐明，粗浅说等于"生成需要阐明来戒指"。

反过来，阐明是需要生成来监督的。Feynman 说了一句话"What I cannot create，I do not understand。"这句话是什么兴味呢？我如何知谈我是确实阐明了？只好当我未必生成，生成的时候我才知谈我是真实地阐明了，这句话是这个兴味。比如说在语言这个限制，它就很好地体现了为什么阐明需要生成去监督。在 ChatGPT 的时候，全球知谈它独一的任务等于 predict next token，它 predict next token 这个经过等于在生成，它在统共检修的经过中等于看你 predict next token，predict 的对如故分歧，来作念监督，它就不错一齐阐明、生成完成以后再回到框架作念阐明，这样一步一步下去，就达成了天然语言的阐明比以前的多样模子出现了一个断代式的逾越。是以如果咱们把这个 predict next token 这样一个任务平移到视觉限制就会问，咱们能不行用一个模子去作念 predict next frame？

这是视觉限制的一个灵魂拷问，到当今为止筹画机视觉作念了几十年，可怜的是这个问题仍然莫得被措置。

全球可能问为什么？既然文本措置了为什么视觉不行措置？它的原因如故在于模态的复杂度。全球说语言是很复杂的，但是从统计来说，语言是一个粗浅的东西，因为语言至多就十几万个 token，这十几万在数学里面咱们就认为这是一个闹翻的分散，是以这十几万的这样低维度的闹翻分散在统计上，或者咱们用神经聚集去模拟或者是抒发这样的分散是一件粗浅的事情。但在视觉一张图片，咱们先不说视频，一张图片 1024×1024 等于 100 万维，每个维度如故一个连气儿的空间，是以，你去抒发一个几万维的闹翻空间，和要抒发一个 100 万维的连气儿空间，它的难度是不一样的，是以在视觉限制咱们还莫得一个很好的、很高效地抒发这样一个连气儿的高维的连气儿空间的生成问题，是以咱们只好阐明的时候用了一个 auto-regression Model 是自总结模子，生成的时候还得依赖 diffusion Model。

在历史中要把这两件事市欢在统共，全球照旧作念了好多的尝试。一种尝试等于既然高维的连气儿分散这样难模拟，能不行把它变成一个闹翻的？这等于一种派别，我把连气儿的东西强行变成了闹翻，塞到语言的空间和全球统共训。但由于把它从连气儿的高维空间降到低维的闹翻空间有好多的信息就丢失了，这种款式全球是最容易猜想的也最容易实施的，但从来莫得见效过。第二种款式，高维的分散，想办法把所谓的 auto-regression 的架构和 diffusion 的架构能合在统共，这其实也莫得作念得很见效，是以这个问题的中枢如故在探索的阶段，还莫得很好地措置。

在 2017 年的时候出了一个架构叫 Transformer，Transformer 这个架构对统共业界最大的兴味兴味在于它是一个不错 scale 的，是一个 scalable 的文本的阐明生成一体化的架构。在那之前，比如说 LSTM（长短期记念聚集）或者 CNN（卷积神经聚集），或者是其他的模子都不行 scalable，有了这个 scalable 的架构以后，到了 2020 年的时候出了 GPT-3，GPT-3 的兴味兴味在于咱们第一次把海量的互联网数据放到了这个 scalable 的架构上，不错让它用一个模子去向理通盘 NLP 的任务。但阿谁时候它是要 few-shot，需要去给它一些例子，然后它用一个模子来告诉你要如何作念。再往前走一步，到了 2022 年的时候出了 ChatGPT，ChatGPT 等于在预检修的模子的基础上再加上教唆扈从，这是 GPT-3.5 作念的事情。天然到了 GPT-4 的时候，这个才智就进一步增强了，是以咱们时时会一个 "GPT-4 时刻"，指的等于在这个模态上，咱们的模子真实能达到跟东谈主的智能差未几的水平。然后，把模子从 GPT-4 教唆扈从的模子，再加上推理才智，就照旧不错措置相称复杂的逻辑问题了。

再往后是什么呢？好多东谈主就合计应该是在线学习或者是自主学习，等于未必连续地我方凭据环境去学习到新的常识。是以咱们看到语言模子，等于跟着这条路往前进化得相称明晰，而且到面前为止，咱们合计语言模子的时期蹊径基本上连续了，莫得出现别的分支。世界上岂论是 OpenAI 也好、Google 也好、Anthropic 也好，国内任何的公司基本上语言模子都在野着这条路往下走。

咱们肯定其实视觉亦然不错 follow 不异的蹊径的。那么它要 follow 不异的蹊径，第一步要能作念到什么呢？是阐明生成一体化。而况它要有一个相称 scalable 的阐明生成一体化的架构，为什么要有这个东西？有了这个东西以后我就能措置 predict next frame。如果我能措置 predict next frame，那世界上海量的视频数据就不错我给用来作念预检修。咱们不错想象一下孩子在刚成立的时候，其实它是不知谈什么叫重力的，他不懂翰墨，但他通过眼睛的不雅察冉冉就能学会如果一个杯子一甩手就往下掉，东谈主的这套系统等于在成立以后在作念视频的预检修，它不错相称好的 predict next frame，是以咱们但愿将来的模子有这样的才智，当今还够不上。

如果我未必用海量的视频去作念预检修，它能 predict next frame 以后，下一步详情跟语言模子一样，增多样教唆让它生成一个什么，让它预测一个什么东西，这样就会把通盘的筹画机视觉的东西颐养在这样一个模子里。再往后就一定是作念推理，推理为什么很病笃？当今全球作念自动驾驶或者是作念机器东谈主，全球详情外传过 VLA 模子，等于 vision language action 这个模子，当今的 VLA 我合计是有点叫 VLA1.0，因为它是一个预测模子，等于说我告诉你畴昔发生了什么，当下我看到的画面是什么，你来 predict 我应该作念什么操作，我是应该宗旨盘作念什么操作呢？如故应该机器东谈主应该如何走？它是一个 predict，我通过畴昔的 vision 来 predict 当下的 action 是什么。那东谈主是如何作念的？东谈主其实不啻这少量，是在脑海里在当下会潜意志地有一个 action 的分散，它以至会预判我如果作念这个 action 下一步会产生什么，它是通过对畴昔的预判来决定当今要作念什么。这个经过既有阐明又有生成，因为它要先判断它有哪些 action，然后再判断这个 action 会酿成哪些后果，判断这个后果的经过等于一个生成的经过。是以，阐明生成一体化如果措置了以后，带了推理的 VLA，就不是今天的 VLA 了，它是一个未必带上对畴昔预测的更好的预测。其实这里面你如果看到的是一个 action 的分散，而况凭据 action 对畴昔的预测来对当下作念一个最优的策略的中式的话，那它等于强化学习。

如果能作念到时空推理、加上 3D 、再加上自主学习以后，咱们就合计到了世界模子的阶段。如果到了世界模子，我认为我眼中的 AGI 就达成了。天然咱们还莫得透澈地措置阐明生成一体化，但咱们合计如果这个问题一朝阻挠了以后，它今后的谈路会相称顺畅，就会和文本统共发展到世界模子。

阐明生成一体化相称病笃。不知谈全球有莫得看过最近的 GPT4o 的新版，它叫作念 4o Image Generation，好多东谈主相称可爱，因为不错作念多样种种的剪辑。给它一张图，给它一个教唆，它就能帮你作念多样种种的剪辑，而且是多轮的，这个才智是以前不曾有过的，而要具备这样的才智，其实你要阐明生成一体化，为什么这样说呢？当先这个模子未必听懂你要它作念什么剪辑，这是需要阐明的。第二，它剪辑出来的图形是若是要在原有的基础上作念，不行苟且地生成，一般文生图等于你给它一句话它不错海阔天外、天马行旷地生成，但当今你给它了一张参考图，再给它一个教唆，它同期要阐明这个图片是什么兴味，这句话是什么兴味，凭据你的教唆和原作进行创作，这个是需要阐明和生成放在一个模子里面的，不然的话生成出来的图片就和原来的没磋磨系了。咱们前不久刚刚发布的模子叫 Step 1X-Edit，这里放了好多的例子，如何对图片进行修改，全球看到其实它对原先的图片的忠实度是相称高的，原因就在于咱们背后收受了一个阐明生成一体化的模子，天然这个如故比拟低级的阶段，咱们里面还在开发一个更高档的版块，畴昔几个月也会把更先进的时期发布出来。

前边讲了好多对于模子的部分，总结到阶跃，咱们如故坚执基础大模子的研发，追求智能的上限，同期，咱们也强调多模态对 AGI 的病笃作用。

接下来咱们就聊一聊利用这部分，阶跃一直有一个策略叫作念"超等模子加上超等利用"，双轮驱动的策略。

提及利用，其实全球心照不宣，最热的主见等于 Agent，好多东谈主说 2025 年叫作念 Agent 元年。为什么 Agent 这个主见在这个时期点斯须变得相称地热？其实，我铭记 2023 年的时候全球就询查过 Agent，其时有东谈主画了一个 Agent 的架构图，那时候并莫得引起全球太多的真贵，以知友多东谈主说为什么叫 Agent？这个词听起来怪怪的，想说什么？但2025 年的时候就斯须变得相称地火热了，我的阐明是，Agent 爆发需要两个必要的条目，一个是多模态的才智，另外一个是慢念念考的才智，这两个才智适值在 2024 年的时候取得了阻挠性的发扬。

为什么说多模态的才智很病笃？我合计，多模态不错让智能体充分地阐明和感知这个世界，这样它可能更好地阐明用户的意图。如果想让任务的完成率更高，其实 Agent 还需要遒劲的推理才智，等于慢念念考的才智。

咱们为什么会选拔智能末端 Agent 算作宗旨呢？

当先，咱们认为 Agent 要能更好地匡助东谈主类去完成任务，需要去阐明用户所处的环境和任务的高下文，其实好多的末端是用户的感知和用户体验的延迟，比如说咱们的手机，最近的一些 AI 眼镜或者是耳机，它不错认为是东谈主体器官的延迟，它不错征集咱们所处的环境，未必匡助模子更好地阐明用户的高下文。还有一个例子是最近全球用过的最火热的硬件是 Plaud Note，等于贴在 iPhone 后头的，我想了半天为什么它能很火呢？它其实等于在汇集用户的 context，它履行上等于用户的一个耳朵，是东谈主耳的延迟，用户带着它到处跑，它能听到用户听到的通盘的信息，然后它对这个信息进行加工，完成用户让它完成的任务，这等于一个相称天然的经过。我我方也相称看好 AI 眼镜，它能让你看到看到的通盘的东西，它不需要你把手机拿出来拍一下，就凯旋能看到了，是以我合计，智能末端是东谈主的感知和体验的延迟，是以在你发起任务的时候它照旧知谈任务的高下文了，这是一个相称大的便利。

第二是好多的智能末端或者是末端的开采等于帮你完成任务，比如说微波炉，我家里的微波炉有上百功能，但是我很少用，因为我很少看阐述书，也不知谈某一个功能如何操作键，是以我但愿它是一个 Agent 放一个芯片在微波炉里就不错凯旋跟它对话，我不错告诉它你凯旋帮我把鸡蛋给蒸了，我也不需要去磋商按钮了，它就匡助我去作念了，我合计其实智能末端是十足有才智达成这件事情的，以至全球想得再神奇少量，不光让它完成微波炉安分的责任，你说我今天的鸡蛋吃完毕，它也许不错集中到你的手机，知谈你一般是在哪儿买鸡蛋，知谈下单的地址送到你家，将来也许通盘的末端都能被 "Agentis every hardware"，这是我我方造的词，等于把那么莫得生命得不知谈如何跟东谈主类调换的末端开采变成一个似乎是你的伙伴的 Agent。

阶跃在这里面饰演什么样的扮装呢？咱们想竖立这样一个生态，当先是在模子的基础上会敞开出构建多样种种 Agent 的 stutio，在云里面还会开辟专区，算作 Agent 的 runtime，是以这是云霄的一半，智能的末端等于我刚才说的，它自己就有芯片了，或者咱们能造出这样的芯片出来，它未必和东谈主进行天然的交互，它能看见、能听见、能讲话，端侧的模子和咱们在云里的 Agent 来进行交互，匡助用户来完成一系列的任务，是以，阶跃在其中饰演的扮装等于咱们想提供这样一个平台，未必围绕着这样一个云的平台去构建智能末端 Agent 的生态。

咱们其达成在在智能末端上也中式了几个病笃的末端，一个是手机、一个是车，还有一个是机器东谈主，咱们和各个宗旨的头部企业伸开了深度的和谐。

    

我讲了相称多的内容，临了我想抒发三句话：

第一，阶跃面前的景况是坚执基础大模子的研发，是以追求 AGI 是咱们的初心，咱们也不会更正。

第二，在刻下的竞争花样中，我认为阶跃互异化的特色等于多模态的才智，不仅脚下好多模态在业界的性能是逾越的，而且咱们也在积极地探索前沿的宗旨，咱们也认为这里还存在着相称宏大的契机。

第三，在利用的层面，我合计阶跃也走了一条互异化的蹊径体育游戏app平台，联袂咱们的和谐伙伴在智能末端 Agent 这个方朝上发力，最终不错形成一个从模子到 Agent，从云侧到端侧的生态体系，因为咱们认为软硬市欢是能更好地阐明用户的需求，完成用户的任务。