最神秘国产大模型团队冒泡，一出手就是万亿参数MoE，两款应用敞开玩

我爱学大模型

墨衍会员 · AI 创作全网分发码龄3年

关注

原创最新推荐文章于 2026-11-10 00:57:14 发布 1.6k 阅读 AI 写同款· GEO 优化 ›

「文智助手」全场景办公AI助理AI+OPC全流程实践方案（大赛作品）阅读详情

国内基础大模型创业公司，最后一位强实力选手终于正式来到台前。

它就是微软前全球副总裁姜大昕所创办的阶跃星辰。

在这里插入图片描述

一年前，量子位就对这位大牛的创业动向有所耳闻。

姜大昕在微软工作16年有余，曾任职微软全球副总裁，微软亚洲互联网工程院（STCA）首席科学家，全面负责微软必应搜索的技术研发工作。但就是这么一位风云人物，此番创业，却有不少令人费解的动作。

一来，他在微软职级极高，在微软混得风生水起，怎么想不开创业？

二来，阶跃星辰已经成立一年，但在百模群战的2023年，这家公司低调得近乎隐形。不仅没有主动对外发声，连量子位在圈内打听消息也探不得虚实。

现如今，大模型五虎已经初成格局，市场的注意力已经被瓜分不少，阶跃星辰的亮相才姗姗来迟——会不会晚了？

会者不晚。

一出手，阶跃星辰就亮出了自己蛰伏水下一年沉淀的成绩：

千亿模型有了，ToC产品有了，万亿模型在路上，且通往AGI的路也十分明确：

走一条“单模态—多模态—多模理解和生成的统一—世界模型—AGI（通用人工智能）”的路。

在这里插入图片描述

2款C端产品全面开放使用

阶跃星辰的产品是什么？

不玩虚的，一露面，阶跃星辰就直接带来了2款面向C端市场的应用：

跃问和冒泡鸭，均全面开放使用。

它们一个是聊天类应用，定位个人效率助手。

在这里插入图片描述

一个是AI开放世界平台，提供海量智能体，主打一个休闲娱乐。

在这里插入图片描述

具体效果怎么样？火速注册登录，量子位带大伙一睹为快。

先来看效率工具跃问。

第一轮基本问答我们让它对比一下ChatGPT和Claude的不同，重点：以图表形式呈现。

结果很快啊——

不止是开发公司、模型结构、文件读取能力这种硬性对比，也有专注方向、创新水平、安全性等偏主观的总结，一共14个小项，主打一个全面：

在这里插入图片描述

第二轮看看联网、信息检索能力。

和很多大模型一样，跃问的知识库信息只截止到2023年，后面的信息自然只能现搜了。

“今天的天气如何”太简单，我们直接问它马斯克脑机接口公司的进展如何。

结果，准确检索到1月份首位志愿者植入芯片的重大事件。

在这里插入图片描述

不过不知道是不是对“重大进展”这一词有不同理解，跃问没提几天前这位志愿者可以打游戏的报道。

我们追问之下，它倒也准确“交代”出来，包括志愿者名字、玩的什么游戏——除了游戏，下象棋7胜4负的事儿也一并提了。

在这里插入图片描述

第三轮：文件处理。

身处AI科技圈，最新论文和大佬教程我们自然要紧跟步伐。

先用OpenAI前科学家Karpathy不久前的《从头构建GPT Tokenizer》视频摸摸底。

直接给俩小时长的视频目前没有哪个大模型能直接解析，我们还是上传字幕文件。

在这里插入图片描述

很快，全英文的内容跃问刷刷刷地就总结完毕：

在这里插入图片描述

仔细帮大家验证了，里面提到的例子都有都对。用起来相当给力。

对于论文来说就更简单了，直接给arXiv的链接就行。

一篇8.3万字（基本满足日常所需）的大模型微调方法论文（《AutoFT: Robust Fine-Tuning by Optimizing Hyperparameters on OOD Data》）丢进去，最核心的内容几秒便可知。

在这里插入图片描述

至于数据处理，如下图所示，图片转表格、净增长率计算，这种需要复杂逻辑推理的任务，跃问用代码的方式轻松解决。

最后，大家关心的多模态：

解读表情包，easy。

在这里插入图片描述

挑战一下投资机构整理的AI视频公司全景图。

别看logo们字体五花八门，跃问不仅迅速识别，还按照原图归门别类，阅读起来相当清晰。

在这里插入图片描述

相比之下，有同类选手不仅识别漏洞一个接一个，格式也完全顾不上。

在这里插入图片描述

总的来说，说起目前市面上的AI个人效率助手，已经不算少。但跃问，该有的功能不仅有，在多模态、长文本理解上也能做得更好。

并且最重要的是：免费！

使用起来没啥限制，目前也不用担心宕机、模型“太累了”回答不出问题（手动狗头），所以完全不失为一个优秀的平替。

在这里插入图片描述

至于冒泡鸭，它有app版也有web版。

平台上载有各种由多模态大模型驱动的智能对话体，可以进行各种有趣的对话、也可以探索有趣的剧情互动游戏（“戏精”们有福了）。

实在不够，还可以自己上手创建：

在这里插入图片描述

官方也提供了非常详细的上手文档，包教包会。

在这里插入图片描述

我们浅试了《逃离精神病院》这一剧情。

在这里插入图片描述

和AI的对话相当流畅、沉浸，让人一不小心抬头看时间才发现已经玩了好久。

（不瞒您说，量子位开了好几轮都没能成功逃出“精神病院”，难度还是有亿点点的。）

对于大模型产品，姜大昕表示：“我把模型和产品的关系比喻成灵魂和皮囊。大家一定听过一句话，好看的皮囊千篇一律，有趣的灵魂万里挑一。我们希望灵魂能更加有趣一点，才能显示出产品的不同。”

那么，跃问和冒泡鸭背后的“灵魂”——大模型们长什么样？

“铁人四项”攀登万亿参数模型

冒泡鸭和跃问的背后，是阶跃星辰已经成熟的两款千亿参数大模型。

该公司将其称为Step系列通用大模型，分别是Step-1千亿参数语言大模型，以及Step-1V千亿参数多模态大模型。

在这里插入图片描述

一路看来，阶跃星辰训模型的路，走得出奇的顺。

去年7月起，研发团队正式开始训练模型。

2个月后，综合性能超过GPT-3.5的千亿参数大模型Step-1，一次性训练成功。

在大模型遍地开花的时代，听起来拥有一个模型并不是什么难事，但短时间内一次成功，这种效率仍然令人咋舌。

姜大昕把原因归结于两点。

一是团队本身在AI领域有经验和积累；
二是创业公司团队精悍，能对训练中遇到的问题及时沟通与反应。

这次成功极大地鼓舞了团队的信心，“这验证了我们的方法是正确的。”

再2个月后，也就是去年11月，千亿参数的多模态大模型Step-1V又告成。

Step-1V大模型可以精准描述和理解图像中的文字、数据、图表等信息，并根据图像信息实现内容创作、逻辑推理、数据分析等多项任务。此外，它还能理解视频中的内容。

上海人工智能实验室推出的大型模型评估平台“司南”（OpenCompass）多模态模型评测榜单显示，阶跃星辰研发的Step-1V位列第一，性能比肩GPT-4V。

“千亿参数的GPT-3.5模型是一个重要的分水岭。”姜大昕表示。

模型要达到GPT-4的万亿参数规模，各个维度的要求都上了一个台阶。

譬如，训练万亿模型需要等效A800万卡单一集群，进行高效稳定的训练；需要十万亿tokens的高质量数据；需要驾驭好新颖的MoE架构。

姜大昕称，以上几点，无论是有哪一点有所不足，都会导致Scaling Law难以向上攀登。

但是！

就在前几天的全球开发者先锋大会开幕式上，阶跃星辰又给出了万亿参数MoE语言大模型Step-2的预览版——这也是国内初创公司，首次交出的万亿参数模型答卷。

姜大昕介绍，Step-2从去年12月启动训练，目前训练稳定，待完全训练完毕和打磨成熟。

“我坚信Scaling Law，（会）训练更大模型。”姜大昕谈到，团队追求的是多模理解和生成的统一，“Step系列大模型将为多模理解和生成的统一奠定坚实基础。”

在这里插入图片描述

基于实践经验，团队把攀登Scaling Law称为一个“铁人四项”般的超级工程。

哪四项？

算力、系统、数据、算法。

而阶跃星辰自然有自己熟稔的打怪套路。

算力方面，通过自建机房+租用算力，积极进行算力储备；

系统方面，团队核心成员实践过单集群万卡以上的系统建设与管理，训练千亿模型的MFU（有效算力输出）达 57%；

数据方面，数据团队核心骨干出身必应搜索引擎，曾支持全球100多种语言，为200多个国家和地区提供服务，对全球互联网高质量语料的分布有深入了解，并建立起强大的数据处理和知识图谱流水线；

算法方面，团队不仅能驾驭各种架构，比如万亿参数的MoE架构，而且对大模型的认知以及发展路线有深刻洞察。

不想只在时代的风中凌乱

面对铁人四项和多模态融合之路，阶跃星辰就这么默默进发了一年。

那么，是什么样的团队行进在这条Scaling Law之路上？

量子位得知的消息是，阶跃星辰现在已经有一支150多人的队伍。

领队者姜大昕，现任阶跃星辰CEO，同时也是团队算法负责人。

2005年，姜大昕获纽约布法罗州纽约州立大学计算机科学博士，在机器学习、数据挖掘、自然语言处理、生物信息等领域有丰富的经验和工程经验。

博士毕业后，他先后任南洋理工大学担任助理教授，MSRA（微软亚研院）研究员。

2011年开始，姜大昕转入微软亚洲互联网工程院（STCA）工作。

该中心主要负责微软全球产品的研发工作，包括必应搜索引擎、智能语音助手Cortana、Azure认知服务以及Microsoft 365的自然语言理解系统等。

去年3月，姜大昕正式升任为微软副总裁，同时兼任亚洲软件技术中心WebXT S+D（网络体验、搜索和分销）集团总经理。

——是的，你没听错，刚刚被升职，明明可以在微软干到退休，却跑出来创业了。

“在微软，只能基于OpenAI的模型做工作。”姜大昕回忆，即便是微软和OpenAI的关系，使用其模型也只能调用API，对黑盒里的秘密、模型算法的修复/迭代建议，完全插不上手。

我当时感觉整个世界在我身边呼啸而过，都在往前冲，我在原地很茫然，留下自己在风中凌乱，我不知道我在干什么。

琢磨再三，姜大昕决心不能再被动地风中凌乱。

于是，离开微软；于是，躬身入局。

有了创业想法的姜大昕，与现在阶跃星辰的数据负责人焦斌星“密谋”两个多小时，一拍即合。

焦斌星同样出身微软，是中科大和MSRA联合培养博士。

博士毕业后，焦斌星正式入职微软，是微软必应引擎核心搜索团队前负责人，日常工作主要是利用数据挖掘和NLP算法优化索引和搜索质量；也曾开发全球高质量站点的自动挖掘算法并用于索引和排序。

还在微软时，他二人就听说过外界盛传大模型时代的“数据荒”，即Scaling Law所需的数据不够用了。

当时，他们不以为然。有搜索引擎背景在，眼见互联网有上亿、上万亿的网页网站，怎么会不够用？

等到自己置身其中时，发现是真的不够用（笑死）。

好在现在既可以从多模态数据中挖掘更多数据，也可以像OpenAI训练Sora那样使用人造数据。

在这里插入图片描述

核心团队的另外一位成员，朱亦博，此前拥有多次单集群万卡以上的系统建设与管理实践经验。

他博士毕业于美国加州大学圣芭芭拉分校，曾任微软研究院研究员。

在这一波浪潮袭来之前，他的工作主要面向大规模系统以及超高速度性能网络。

2018年，他任职字节跳动，负责公司AI基础设施与基础AI框架，开始积累万卡集群的搭建经验；2022年底，他离开字节，跳槽至Google任高级主管，直接支持OpenAI最大劲敌、Claude的背后公司Anthropic。

可以说，阶跃星辰三位核心骨干的经历十分相似，就是第一阶段（博士期间）进行相关研究，第二阶段进入大厂在一线打拼，一直都在和AI的最新进展亲密贴贴。

当ChatGPT引领的大模型时代开始时，他们都意识到这是一个大变革，因此以最快速、最灵活、最全面的方式投身变革当中。

如果AGI是一个需要长期攀登的山峰，看到正确的路径，建立正确的能力，比早走几步更加重要。

One More Thing

最最最后，阶跃星辰的个人效率助手跃问，刚刚上线了一个很赞的新功能。

叫一图读懂。

说大白话就是丢给它一个文档，就能一键生成解析重点的长图文

这是此前的ChatBot没上线过的功能，想要体验的朋友们，速去哟～

在这里插入图片描述

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述