APUS正式入局！发布千亿多模态大模型，上线7款创新产品

来源：甲子光年　2023-04-21 13:38:21

信息化产业已经从“手工时代”迈入“工业时代”。

【资料图】

编辑 | 刘杨楠

4月的科技界热闹非凡，AI领域可谓是“忽如一夜春风来，千家万家模型开”——阿里、华为、商汤等公司均发布自家大模型，钉钉、飞书、WPS等产品也宣布接入大模型。

就在昨天，又一个国产大模型问世。

4月18日，APUS在“ AiLMe· 最懂你”发布会现场发布了自研多模态人工智能大模型“AiLMe”。AiLMe参数已达千亿规模，具备对文本、图像、视频、音频的理解和生成能力。

针对具体应用场景，APUS从AiLMe内蒸馏出文本模型“异雀八”、图像模型“异雀三”、视频模型“异雀四”、音频模型“异雀六”四个垂直领域精炼模型，并基于此创新研发出“智能问答大师、简笔成画、墨染、Daily Astro、Star Night、KJV Bible Now、PicPik”等系列AI产品。

发布会上，APUS创始人兼CEO李涛将这一波由大模型引领的人工智能浪潮定义为 “一次全新的工业革命”， 其最具代表性的变革，就是 把传统以软件、互联网为代表的信息化产业从“手工时代”真正带入了“工业时代”。

2014年，国家出台双循战略，APUS应运而生，聚焦工具类出海业务。创业初期，APUS主打一款基于安卓系统的桌面应用，上线三个月，就拿下了30多个国家Google应用商城的个性化榜单第一名。

作为一家成立8年的全球化移动互联网公司，APUS早已实现营收正增长，月收入超过亿元，“足迹”遍及欧美、东亚、东南亚、南亚、中东等 200 多个国家和地区，产品支持超过25种国际语言，累计覆盖全球20多亿用户。

如今，大模型席卷互联网产业，对APUS来说，这是一个巨大的舞台。

1.AiLMe的 “前世今生”

人工智能大模型利用深度学习模型生成文本、图像、音频或视频等内容，让处于“手工”时代的信息化产业一跃迈入“工业”时代。

在APUS创始人兼CEO李涛看来： “人工智能是AI时代的操作系统，将重塑信息产业、农业、制造业、服务业等所有产业，起到大规模提质提效的作用。”

当下，全球AI产业百舸争流，但能够实现超千亿参数的大模型研发并非易事。

大模型，尤其是多模态大模型的塑造是结合算力、算法、数据、场景的综合性系统工程，这决定了大模型的锻造绝非一朝一夕之功，注定是长坡厚雪的长期事业。

李涛在接受媒体专访时表示，人工智能发展将遵循“四步走”，即 现有信息系统提效，现有产品服务改造与重构，新场景、新物种，以及全产业升级。

APUS是最早开始关注并投入人工智能的入局者之一，“我们在2018年就进行了AI技术布局，并在2018年推出了多款基于AI技术的应用如CutCut、PickU 、Vieka等，用户可以体验智能抠图，变老变年轻等功能”，李涛介绍。

李涛在发布会上阐述了APUS转型人工智能的契机，在ChatGPT“出圈”前两个月，基于多年的全球化经验，APUS提前感知到了人工智能挥动的“蝶翼”。“今年一月我们就已经在内部所有系统接入人工智能，用来提升工作效率；随后便进行产品的改造升级；大模型AiLMe也是我们阶段性的重要成果”。

此外，APUS在全球有超24亿的用户积累，丰富的产品矩阵也让APUS在多元场景中积累了海量用户数据，这些都成为APUS入局人工智能的最强底气。

2.APUS大模型“AiLMe”的架构与能力

3月，首次具备对图像理解能力的GPT-4发布，让“多模态大模型”在行业普及并进入大众视野。多模态的“多”有哪些能力？大模型的“大”又从何而来？AiLMe的架构与能力又有哪些特别优势？发布会现场还发布了国内首份多模态大模型技术白皮书《AiLMe技术白皮书》。

所谓“多”就是指其在大语言模型的基础上，又融合了对图像、视频、声音的理解和生成。而参数规模决定着大模型整体的理解和生成能力，大模型的“大”即是大规模参数，参数越大，存储的知识越多，模型能力越强。

在技术架构的设计上，APUS按照文本、图像、视频、音频的“理解”和“生成”过程形成了两套打法——“理解”部分采用目前业内主流的Transformer架构，并吸收了目前人工智能领域前沿成果，设计了一套 “插件式”架构 ，可以自主学习和使用“工具”，这些“工具”以插件的方式接入到AiLMe的平台中，可以极大提升AiLMe的能力；“生成”部分则沿用了目前业内主流的扩散模型（Diffusion Model），并继承了开源社区的生态。

AiLMe在模型训练时，分为 预训练（Pre-trained）阶段和微调（Fine-tuning）阶段 。

为解决算力问题，APUS在国内郑州和新加坡分别建设了两大智算中心，还融合自建GPU服务器算力和第三方的算力协同作用。

在数据方面，目前大模型的训练数据一般来自于互联网公开的语料库、网页以及行业公开数据，但在APUS绘制的训练数据图中可以看到，其自有数据也占了很大比重—— 在为全球用户提供产品和服务时，APUS积淀的高质量专有数据成为其研发全球性大模型的优势之一。

业内研究表明，如今大模型研究已经告别了单纯增加大模型参数规模的阶段，决定大模型效果的因素按照重要性排序为： 训练数据质量>训练数据规模>参数规模。 ”AiLMe采用高质量的海量训练数据来训练模型，实现了较好的效果。

今天的AiLMe已具备了自主学习能力。ChatGPT支持插件被认为是AI自我进化的雏形，但过程中尚需要用户手动选择插件；而AiLMe紧跟AI技术发展前沿，采用了 插件式架构 ，后续能够通过迭代开发补充各种插件来扩充自身能力，并且可以自主学习调用插件，无需用户干预，就能够使大模型实现目标驱动，进行自我进化。

通过自主学习和人类反馈不断解锁新能力，AiLMe将更高效地解决个性化、开放式的海量任务。目前，AiLMe已在多个to C场景落地，在场景多样性、任务复杂度上显示出能力与潜力。

据悉， AiLMe将会向客户开放API接口和服务。 届时，客户可根据实际应用需求，调用AiLMe的各项AI技术能力。