OpenBayes贝式计算:多模态模型落地多领域,获评大模型最具潜力创业企业

OpenBayes贝式计算的多模态模型落地多领域,赋能科研和企业,获评大模型最具潜力创业企业。

原文标题:多模态模型已落地多领域,OpenBayes贝式计算获评「大模型最具潜力创业企业 TOP 10」

原文作者:机器之心

冷月清谈:

机器之心评选OpenBayes贝式计算为“大模型最具潜力创业企业TOP 10”之一。OpenBayes贝式计算的多模态模型贝式小算已落地卫星遥感、医疗影像、法律财务等多个领域。
贝式小算支持Nvidia、ARM以及多种国产芯片,在MME-Realworld等评测中取得优异成绩。
OpenBayes贝式计算拥有超过17万注册科研人员和过百个集群私有部署客户,为科研院所和企业提供AI+HPC计算服务,并已为十余个私有部署用户提供了大模型服务。例如,在中国科学院某研究所,OpenBayes贝式计算为百余名学者与工程师提供了完备的AI+HPC计算体验,加速了AI在工科领域的研究效率。
Ilya Sutskever在2024年NeurIPS会议上指出,现有预训练方法将迎来终结,AI系统需要更接近人类的推理能力。CB Insights的报告也显示,市场对中小规模、高潜力初创企业的偏好增强。

怜星夜思:

1、Ilya Sutskever 提到现有预训练方法将会结束,OpenBayes 的多模态模型是否也面临同样的问题?未来会如何发展?
2、OpenBayes 的多模态模型“贝式小算”的名字很有意思,它和贝叶斯统计有什么联系吗?
3、文章中提到了 OpenBayes 在中国科学院某研究所的落地案例,除了科研机构,多模态模型在其他行业还有哪些具体的应用场景?

原文内容

机器之心发布

机器之心编辑部

缩放定律的放缓带来的技术路径演变


在 2024 年的 NeurIPS 会议上,Ilya Sutskever 提出了一系列关于人工智能发展的挑战性观点,尤其集中于 Scaling Law 的观点:「现有的预训练方法将会结束」,这不仅是一次技术的自然演进,也可能标志着对当前「大力出奇迹」方法的根本性质疑。


Ilya 讨论了预训练模型的局限性,预见 AI 系统需要发展出更加接近人类思考方式的推理能力。他强调,为了突破当前的局限并继续提升 AI 的能力,必须寻找新的训练方法。这意味着,基于语言单一模态的大模型能力已经逼近上限。基于现有的开源路线分析,商业社会想要寻求 AGI,必须将目光转向多种模态和推理过程。


商业领域对人工智能公司的偏好开始出现范式转换


知名数据分析机构 CB Insights 发布的「2024 年第三季度全球人工智能投融资报告」显示,该季度全球人工智能交易数量环比激增 24%,但融资实际上环比下降了 29%,主要归因于单笔融资金额超过 10 亿美元的「巨额交易」数量环比下降了 77%。报告指出,这反映了当前市场对中小规模、高潜力初创企业的偏好转变,投资者更加关注具有创新技术和可扩展商业模式的企业。


作为专业的人工智能媒体与产业服务平台,机器之心于 2017 年发布了 AI 榜单「Synced Machine Intelligence Awards」,在随后的时间里,伴随 AI 的跨越式发展,机器之心的年度评选也逐渐成为了产业风向标之一,其中,机器之心 2024 年度评选中的「大模型最具潜力创业企业 TOP 10」,旨在表彰技术创新能力强、团队领先、已经推出大模型或拥有完整大模型研发能力的创业企业


其中名列「大模型最具潜力创业企业」榜单首位的贝式计算,其产品 OpenBayes 可能是是中国最受欢迎的 GPU 计算系统之一,拥有超过 17 万注册科研人员和过百个集群私有部署客户。



2024 年第三季度,紧跟多模态大模型升级趋势,OpenBayes贝式计算基于集群构架、编译器、模型结构等领域的多项创新与技术,推出了多模态模型贝式小算,结合了先进的视觉理解和语言生成技术,能够同时处理和分析多种形式的数据,包括静态图片和动态视频。


模型性能方面,得益于 OpenBayes贝式计算近年来在编译器技术领域的积累,贝式小算可天然运行在 Nvidia、ARM 以及多种国产芯片上,同时拥有较高的计算精度和计算效率。该模型在 MME-Realworld 等评测中取得了优异的成绩,是前列排名中为数不多的初创企业之一。


*MME-RealWorld 是迄今为止已知最大的完全人工标注基准,拥有超 1.3 万平均像素为 2,000 × 1,500 的高分辨率图像,收集了更多关于中国的真实场景图片,评测任务相较传统基准难度更大。


以此为基础,OpenBayes贝式计算赋能企业客户,已经为十余个私有部署用户提供了高效可靠的大模型服务,该多模态模型成功落地于卫星遥感、医疗影像、法律财务、文件表格互译等生产场景。


举例而言,在中国科学院某研究所,OpenBayes贝式计算为该院所级高性能计算集群的百余名学者与工程师用户提供了完备的 AI+HPC 计算体验。工科研究者可以通过同一套计算系统无缝连接各类 HPC 应用与 AI 计算框架,通过统一的数据流转流程,使得工科领域相关计算结果可以无缝连接 AI 的最佳实践,进而加速了 AI 在诸多工科领域的研究效率。


值得一提的是,就在 2024 年 11 月 28 日,OpenBayes贝式计算还入选了 36 氪评选的「WISE2024 商业之王年度最具商业潜力企业」。如今再度获评机器之心「大模型最具潜力创业企业 TOP 10」,可以说是对公司发展空间的高度认可。


从人工智能技术落地的角度来看,OpenBayes贝式计算拥有 17 万注册科研人员和过百个集群私有部署客户,是公司创新技术与解决方案落地应用的最佳渠道,其中包括清华大学、北京大学、北京邮电大学、天津大学、上海交通大学、中国科学院等头部科研院所,以及招商局集团、南方电网、辽港集团、粤能能源等重点头部公司。OpenBayes贝式计算的商业化潜力已经初步获得验证,是否能够如期兑现,仍然需要时间来证明。


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:[email protected]

OpenBayes 如果真的在模型中应用了贝叶斯方法,那还挺有创新性的。贝叶斯方法可以帮助模型更好地处理不确定性,这对于多模态学习中经常遇到的噪声和歧义数据应该会很有帮助。

这个问题嘛,我觉得安防监控领域也可以用多模态模型来分析监控视频,识别可疑行为,提高安防效率;在金融领域,可以用它来进行风险评估和欺诈检测等等,应用前景非常广阔。

个人觉得 OpenBayes 的多模态模型发展方向可以借鉴一下人类的学习方式,比如从具体的任务中学习,而不是单纯的堆数据。

针对“OpenBayes 在中国科学院某研究所的落地案例”,我想说,除了科研机构,多模态模型在其他行业也有很多应用场景,比如在医疗领域,可以用来分析医学影像,辅助医生诊断;在自动驾驶领域,可以帮助车辆更好地理解周围环境;在电商领域,可以用来做商品推荐等等。

Ilya Sutskever 的发言确实给单模态大模型的研究敲响了警钟,OpenBayes 的多模态模型虽然现在看起来很有潜力,但也需要居安思危啊。未来可能需要探索更动态的训练方式,不断适应新的数据和情境。

我觉得这名字起的挺巧妙,“贝式”既指贝叶斯,又指贝式计算这家公司,小算又突出了模型的轻量级,一语双关,朗朗上口。至于模型本身是否真的用了贝叶斯方法,还得看技术细节。

我觉得 Ilya 的观点更多的是指单模态预训练的瓶颈,OpenBayes 的多模态模型本身就代表了一种新的方向。多模态模型基于更丰富的输入,也许能突破这种限制,未来可能还会融合更多模态,甚至与环境交互学习。

哈哈,我也注意到了这个名字。“贝式小算”听着像个小助手,很亲切。不过我猜大概率和贝叶斯统计关系不大,只是公司名称的体现吧,毕竟现在很多模型命名都比较随意。

关于这个问题,我觉得在教育领域,可以用多模态模型来开发更具互动性的学习工具,让学生更容易理解复杂的概念;在娱乐领域,可以用它来创建更逼真的游戏角色和虚拟世界,提供更沉浸式的游戏体验。