第一個(gè)提出自動(dòng)駕駛并進(jìn)行研發(fā)的公司是Google，巧的是，它發(fā)布的Transformer模型也為今天的大模型發(fā)展奠定了基礎(chǔ)。

自動(dòng)駕駛已經(jīng)完成從概念到現(xiàn)實(shí)的華麗轉(zhuǎn)變，徹底重塑了傳統(tǒng)駕車方式，而大模型行業(yè)正在經(jīng)歷的，恰如自動(dòng)駕駛技術(shù)發(fā)展的傳奇征程——

最頂尖的研發(fā)團(tuán)隊(duì)競相投身其中、不斷加速搶跑的技術(shù)產(chǎn)品創(chuàng)新，以及持續(xù)被推向極致的用戶體驗(yàn)。

在大模型賽道中，有一家企業(yè)始終以領(lǐng)先的身位，推動(dòng)著行業(yè)邊界向前拓展。

為什么是聯(lián)匯科技？

當(dāng)行業(yè)剛開始關(guān)注大模型，他們已經(jīng)錨定多模態(tài)大模型，并高分取得了工信部大模型檢測的001號(hào)證書；

去年，當(dāng)人們關(guān)注“百模大戰(zhàn)”，他們不僅發(fā)布了自研OmModel多模態(tài)大模型的V3版本，更發(fā)布了國內(nèi)首批大模型驅(qū)動(dòng)的自主智能體應(yīng)用；

今年，世界人工智能大會(huì)期間，他們再次發(fā)布一系列技術(shù)成果，將大模型技術(shù)產(chǎn)品推向更深、更廣的應(yīng)用層面。

聯(lián)匯科技技術(shù)團(tuán)隊(duì)有著極強(qiáng)的前瞻思維，這與他們的首席科學(xué)家趙天成博士緊密相關(guān)，這位師從國際AI領(lǐng)域頂尖學(xué)者的Maxine Eskenazi，在CMU LTI （卡內(nèi)基梅隆大學(xué)語言技術(shù)研究所）完成碩博連讀的天才少年，不僅稱得上「AI 名門正派」，更難得的是，趙天成在技術(shù)發(fā)展和戰(zhàn)略規(guī)劃方面有著獨(dú)到見解。

趙天成博士指出，在AI主導(dǎo)的第四次工業(yè)革命浪潮中，自主智能將成為變革的核心變量。隨著人類第一次接觸并掌握創(chuàng)造智慧的奧秘，我們將目睹一個(gè)新時(shí)代的到來——在這個(gè)時(shí)代中，機(jī)器、軟件甚至系統(tǒng)，將被賦予前所未有的自主決策能力，自動(dòng)化將廣泛應(yīng)用于各個(gè)工作領(lǐng)域，開啟前所未有的效率和創(chuàng)新。

2024年是智能體元年。

我們正處于L2級別，并逐步向L3、L4邁進(jìn)的過程中。

OmAgent來了！

WAIC期間，聯(lián)匯科技正式發(fā)布第二代多模態(tài)智能體 OmAgent。

去年同期，聯(lián)匯科技搶跑行業(yè)，率先發(fā)布了國內(nèi)第一批由多模態(tài)大模型驅(qū)動(dòng)的自主智能體，那么，今年聯(lián)匯的第二代多模態(tài)智能體OmAgent有哪些驚喜？

首先是感知模塊全新升級。

隨著AI應(yīng)用落地，聯(lián)匯科技發(fā)現(xiàn)盡管萬物感知模型在智能識(shí)別和處理方面具有巨大潛力，但受限于推理速度的瓶頸。相較于小型模型在推理速度上的優(yōu)勢，Idealab的G-DINO和聯(lián)匯科技的OmDet在速度上的表現(xiàn)都不盡如人意，這極大地限制了它們在邊緣計(jì)算設(shè)備上的應(yīng)用。

聯(lián)匯科技最新發(fā)布的OmDet V2，實(shí)現(xiàn)萬物感知的全面加速，從底層重新構(gòu)建了萬物感知的模塊，推出了EFH高性能融合頭，包含了一系列模型加速的優(yōu)化技術(shù)、語言向量緩存、輕量化特征編碼與解碼等技術(shù)，得益于EFH對每一個(gè)環(huán)節(jié)的機(jī)制優(yōu)化，相較于G-DINO和聯(lián)匯的第一代感知模型，OmDet V2在每一個(gè)環(huán)節(jié)上都實(shí)現(xiàn)了20倍以上的速度提高。

這樣的提升意味著OmDet V2正在打開未來邊緣AI與具身智能全新可能。

憑借OmDet V2的推理速度和精確分析能力，單個(gè)GPU就可以承載對500路視頻流的實(shí)時(shí)萬物感知分析，這是對技術(shù)性能的新一次刷新。同時(shí)，這也意味著打開邊緣AI的可能，OmDet V2讓萬物感知模型擺脫云端束縛，走向邊緣設(shè)備，為人形機(jī)器人、家庭智算中心等前沿應(yīng)用提供了強(qiáng)大的智能支持。

這種創(chuàng)新不僅重新定義了大模型產(chǎn)品的開發(fā)思維，更為構(gòu)建一個(gè)更實(shí)時(shí)、更安全、更注重隱私的大模型應(yīng)用環(huán)境奠定了基礎(chǔ)。

第二是思考決策能力的提升。

思考是多模態(tài)智能體的核心，只有具備了思考能力，智能體才能夠依據(jù)感知和記憶結(jié)果做決策判斷和自主行為，成為真正的助手。但現(xiàn)有多模態(tài)思考模型存在著明顯局限，比如只能基于單張圖片進(jìn)行思考和決策、無法對多個(gè)關(guān)聯(lián)圖片之間進(jìn)行理解處理等。

為了解決這一問題，聯(lián)匯科技全新發(fā)布了第二代思考大模型OmChat V2，一個(gè)基于多模態(tài)模型原生預(yù)訓(xùn)練的生成大模型，不僅提供8B、40B、60B多個(gè)版本，適配不同需求。更能非常好地支持視頻、圖文混合、文字等多種復(fù)雜輸入，完美適配智能體決策過程中所需要的復(fù)雜場景。

OmChat V2支持高達(dá)512K、50萬的上下文長度，折合視頻長度30分鐘，僅次于Google Gemin-1.5，并遠(yuǎn)超GPT-4o及微軟LLaVa-1.5。

OmChat V2在Mantis-Eval、Q-Bench、MileBench Real、MVBench等測試中平均性能均在行業(yè)前列。

更簡單、直接的說法是，OmChat V2不僅能夠看準(zhǔn)時(shí)序關(guān)系，更能夠看懂多圖關(guān)系。

△時(shí)序關(guān)系判斷

△多圖關(guān)系理解

為了大模型與智能體技術(shù)能夠真正的普惠落地，聯(lián)匯科技還率先完成了與多款國產(chǎn)GPU的適配與性能驗(yàn)證，通過高效稀疏激活、動(dòng)態(tài)專家方法，提升推理效率20倍，OmOS大模型運(yùn)行平臺(tái)也是首個(gè)支持多地域大模型分布式推理平臺(tái)，異構(gòu)九頭蛇推理能夠提升算力利用率3倍。

就此，聯(lián)匯科技正式解鎖海量行業(yè)應(yīng)用場景。

△自動(dòng)化體育解說

△影視劇內(nèi)容解構(gòu)

△工業(yè)智能助手

OmAgent框架全面開源！

聯(lián)匯科技在多模態(tài)智能體技術(shù)上已經(jīng)取得了多項(xiàng)突破性成果，對于是否開源的問題，趙天成博士始終從更宏觀、更長遠(yuǎn)的角度看待。

他表示：我們選擇將OmAgent框架全面開源，是因?yàn)橄胍膭?lì)更多企業(yè)、開發(fā)者參與，通過知識(shí)共享和技術(shù)創(chuàng)新構(gòu)建一個(gè)更加開放、更加豐富的智能體生態(tài)，進(jìn)而能夠帶動(dòng)整個(gè)行業(yè)更好的發(fā)展。

OmAgent框架不僅包含了感知、記憶、決策等綜合模塊，并整合融入OmDet、OmChat等多個(gè)不同類型的大模型能力，極大方便企業(yè)與開發(fā)者的應(yīng)用開發(fā)，推動(dòng)智能體技術(shù)向更深層次、更廣領(lǐng)域的賦能。

通過OmAgent，能夠快速、準(zhǔn)確解決各類場景下的復(fù)雜問題。比如，從影視劇中總找出某個(gè)問題的答案，盡管影片沒有直接呈現(xiàn)答案，但是OmAgent依然可以通過對全片的整體理解，掌握劇情并根據(jù)原片內(nèi)容進(jìn)行思考、作答。

Step 01

Step 02

Step 03

Step 04

目前，OmAgent框架已全面開源。

在WAIC，聯(lián)匯科技對OmAgent做了完整的現(xiàn)場互動(dòng)演示。

為了讓智能體更快地融入日常工作與生活，聯(lián)匯正式發(fā)布了Om多模態(tài)智能體全新產(chǎn)品系列——空間運(yùn)營智能體、知識(shí)服務(wù)智能體，為行業(yè)用戶打造“超級助手”。

空間運(yùn)營智能體是通過攝像頭、拾音器等物聯(lián)設(shè)備以及接入的各類數(shù)據(jù)源對空間物理環(huán)境全面感知，深度融入大模型的思考能力，準(zhǔn)確處理、分析多模態(tài)數(shù)據(jù)信息，洞察運(yùn)營中的關(guān)鍵問題、潛在機(jī)會(huì)，基于智能體角色設(shè)定的目標(biāo)任務(wù)，結(jié)合記憶和學(xué)習(xí)，實(shí)現(xiàn)面向物理空間的思考、規(guī)劃與決策，成為用戶進(jìn)行空間管理的得力助手。

應(yīng)用范圍覆蓋線下零售、營業(yè)廳、機(jī)房、產(chǎn)業(yè)園區(qū)、文旅景區(qū)、城市街區(qū)等各類單體空間、連鎖環(huán)境，實(shí)現(xiàn)對空間的精細(xì)化運(yùn)營與管理。

相較于空間運(yùn)營智能體對現(xiàn)實(shí)物理世界的運(yùn)營管理，知識(shí)服務(wù)智能體更強(qiáng)調(diào)對數(shù)字世界的管理和對數(shù)字資產(chǎn)的價(jià)值挖掘。

它可以作為專為行業(yè)定制的人工智能助手，廣泛應(yīng)用于辦公、生產(chǎn)、運(yùn)維、營銷、培訓(xùn)、客服等場景，將企業(yè)、組織和個(gè)人在特定領(lǐng)域內(nèi)積累的經(jīng)驗(yàn)、技術(shù)、業(yè)務(wù)流程等轉(zhuǎn)化為結(jié)構(gòu)化的行業(yè)專用知識(shí)，通過知識(shí)管理、知識(shí)檢索、知識(shí)問答與知識(shí)生成等核心能力，提升用戶決策質(zhì)量、優(yōu)化操作流程，最終將無形的知識(shí)資產(chǎn)轉(zhuǎn)化為有形的生產(chǎn)力。

2024無疑將是智能體元年，智能體也正在成為大模型落地的最佳途徑。

關(guān)于未來，趙天成博士透露了他的預(yù)判——

l 智能體的未來不是單打獨(dú)斗，而是大模型的組合拳，尤其是當(dāng)多種類大模型協(xié)同作戰(zhàn)時(shí)，它們能釋放出遠(yuǎn)超單一大語言模型的潛力。

l 智能體將打破傳統(tǒng)聊天機(jī)器人的界限，它們的應(yīng)用形態(tài)將經(jīng)歷一場革新，變得更加多樣化和深入人類活動(dòng)的各個(gè)方面。

l 隨著邊緣AI的興起，大模型將不再局限于大型服務(wù)器，它們將走向邊緣，被嵌入到眾多小型設(shè)備中，實(shí)現(xiàn)真正的無處不在。