圖：中大計算機科學(xué)與工程學(xué)系副教授成宇與其團隊，目前主要聚焦于多模態(tài)模型架構(gòu)以及快速模型架構(gòu)的研究。\大公報記者麥潤田攝

　　伴隨人工智能(AI)技術(shù)的加速演進，AI大模型已成為產(chǎn)業(yè)的核心驅(qū)動力，如何優(yōu)化現(xiàn)有的大模型，構(gòu)建更高效的模型以適配社會需求，是當(dāng)代AI發(fā)展的重要課題。

　　香港中文大學(xué)計算機科學(xué)與工程學(xué)系副教授成宇，在接受《大公報》專訪時表示目前專注于高效AI模型架構(gòu)研究，當(dāng)中涵蓋多模態(tài)模型以及快速模型架構(gòu)兩大方向，并取得多項成果。其團隊擔(dān)任技術(shù)顧問的騰訊深度思考模型 “T1” ，已在今年3月底推出。此模型開發(fā)成本與DeepSeek相比更低，響應(yīng)時間更是壓縮至10多秒。成宇希望，在一至兩年后AI可在特定的工種替代人力，5至10年內(nèi)實現(xiàn)應(yīng)用場景內(nèi)80%的工作由AI完成。\大公報記者 陳煒琛

　　成宇與其團隊目前主要聚焦于多模態(tài)模型架構(gòu)以及快速模型架構(gòu)的研究。所謂多模態(tài)模型，是能夠綜合處理圖片、語音與文本等多模態(tài)信息的模型。而快速模型架構(gòu)，則是對問題推理、響應(yīng)時間更加快速的模型。

　　從單模態(tài)進化到多模態(tài)

　　成宇指出，“當(dāng)前主流的深思考模型，如DeepSeek、ChatGPT等，主要是采用單模態(tài)架構(gòu)，在文本處理領(lǐng)域具有強大的邏輯推理能力，但其應(yīng)用場景相對局限。”相比之下，多模態(tài)模型能綜合處理多種復(fù)雜信息，能有效應(yīng)對現(xiàn)時社會的多樣需求。此外，他表示，由于當(dāng)前的模型規(guī)模較大，“在實時交互場景中面臨推理時間較長、算力資源成本高昂的痛點”，因此研發(fā)兼顧精度與效率的快速模型架構(gòu)是發(fā)展AI的重要方向。

　　成宇去年10月份加入中大任職，而在加入中大之前，成宇在微軟美國研究院與OpenAI團隊合作期間，對其Copilot模型的結(jié)構(gòu)進行輕量化優(yōu)化，為其后續(xù)的快速推理技術(shù)研究積累了關(guān)鍵經(jīng)驗。

　　在不斷推進當(dāng)前研究工作的同時，回顧過往，早在2020年，成宇及其團隊便有極具前瞻性的構(gòu)想。成宇表示，在多數(shù)大模型僅關(guān)注文本信息時，他與團隊就提出構(gòu)建多模態(tài)大模型的想法。他透露，在當(dāng)時他們便搭建了將文本、圖像、語音等信息融合起來的第一代的多模態(tài)模型框架。成宇直言，“這一成果為后續(xù)GPT-4o等多模態(tài)模型架構(gòu)提供了技術(shù)雛形。”

　　此外，AI在迅猛發(fā)展的同時，不可避免地會出現(xiàn)諸如AI幻覺(即虛構(gòu)現(xiàn)實)、AI偏見(如性別歧視)、AI安全(如生成危險有害內(nèi)容)等方面問題。針對以上問題，成宇表示，在2023年他與團隊構(gòu)建了一套客觀的評測機制，借助數(shù)據(jù)去檢測大模型存在的問題，進而及時進行修改。成宇透露，目前該評測機制已被不少企業(yè)采納。

　　5至10年內(nèi)可做八成工種

　　騰訊研發(fā)的“T1”模型是標(biāo)志性落地科研成果。成宇表示，“T1”屬于較快速的深思考模型，在今年3月底已在微信“騰訊元寶”免費上線。成宇透露，大概是去年年中開始與騰訊合作，年底時便搭建了一個反應(yīng)較快的基座模型。而后在這個基座模型的基礎(chǔ)上，利用大量的數(shù)據(jù)不斷地進行迭代，最終花費了七至八個月的時間完成了“T1”的搭建。

　　成宇表示，一般情況下，深度思考或深度推理類模型在維持其深度思考能力(如邏輯回溯、多步驗證)時，其響應(yīng)速度會變慢，則需要優(yōu)化其模型架構(gòu)。他透露，在“T1”模型研發(fā)的第一階段團隊已解決此問題，成功壓縮了推理時間。成宇補充，“與DeepSeek相比，T1響應(yīng)速度可能僅為其三分一到二分一，即10多秒便可達到同樣的處理效果”。

　　據(jù)悉，“T1”沿用了混元Turbo S的創(chuàng)新架構(gòu)，并采用了Hybrid-Mamba-Transformer融合模式。而這也是工業(yè)界首次將混合的Mamba架構(gòu)無損應(yīng)用于超大型推理模型。這一架構(gòu)有效降低了傳統(tǒng)Transformer結(jié)構(gòu)的計算復(fù)雜度，減少了內(nèi)存占用，成宇表示，這顯著降低了訓(xùn)練和推理成本。

　　盡管“T1”取得了不錯的成果，但在研發(fā)和應(yīng)用推進過程中，亦面臨著不少挑戰(zhàn)。成宇坦言，AI領(lǐng)域的競爭激烈，新模型層出不窮，因此他們時刻面臨著外部的緊迫壓力。此外，AI模型漫長的迭代周期長同樣是一大難題。成宇進一步解釋，“當(dāng)前的AI模型體量龐大，訓(xùn)練一個模型往往需要耗時一至兩個月”。而在此期間，團隊須保持高度專注，持續(xù)去監(jiān)控模型訓(xùn)練過程中的各項表現(xiàn)指標(biāo)，并根據(jù)實際情況動態(tài)調(diào)整架構(gòu)，以確保最終成果的質(zhì)量與性能。

　　目前，團隊也正探索如何將“T1”模型進行多模態(tài)升級，以增強其在不同場景下的應(yīng)用能力。成宇舉例，讓“T1”做到在面對一道復(fù)雜的幾何題時，可以自主解析圖像、繪制輔助線和公式推導(dǎo)。成宇對AI未來的多模態(tài)應(yīng)用充滿信心，他希望，一至兩年后可率先在特定的工種如代碼開發(fā)、平面式設(shè)計等領(lǐng)域?qū)崿F(xiàn)AI替代人力的突破，“終極目標(biāo)則為在5至10年內(nèi)實現(xiàn)應(yīng)用場景內(nèi)80%工作由AI完成。”