专访阶跃星辰姜大昕：Scaling Law是通往AGI的必要非充分条件

中国通用大模型领域如今已跑出了六家独角兽公司——其中只有一家，搜不到任何公开估值，甚至没有融资新闻，就已经遭市场默认列入“独角兽”队伍。这家公司就是阶跃星辰。

喧嚣沸腾的“百模大战”中，阶跃星辰以近乎沉寂的状态低调了一年，直到今年3月才浮出水面。

其发布的Step系列大模型是一套全面的“组合拳”：Step-1千亿参数语言大模型、Step-1V千亿参数多模态大模型，以及Step-2万亿参数MoE（混合专家架构）语言大模型预览版。

Step-1V一经发布便登上了OpenCompass多模态大模型3月榜榜首，二三名分别是阿里的QWen-VL-Max以及谷歌的GeminiProVision，OpenAI的GPT-4V位列第四。

Step-2预览版则是国内大模型初创公司首次公开万亿参数MoE语言大模型。理论上而言，这是逼近GPT-4发布初始水平的关键节点。

不多言不多语，融易新媒体消息，但一登台就炸场的姿态，大概足以形容阶跃星辰的行事风格。

在幕后掌控这家公司行为调性的人是姜大昕。2023年创业之前，姜大昕是微软全球副总裁、微软亚洲互联网工程研究院（STCA）的首席科学家，主导过微软搜索引擎Bing，以及智能语音助手Cortana、微软云Azure、办公全家桶Microsoft 365等一系列微软当家产品的自然语言理解系统。

深厚的技术背景使其习惯于严谨和客观地表达。谈及技术细节，他会给出明确的判断：“如果大语言模型要上万亿参数，MoE架构几乎是必然选择。”

他信仰Scaling Law（规模法则），认为在肉眼可见的未来，至少还有十万亿和百万亿两个数量级，但并不排除脑神经科学领域有朝一日能够在Scaling Law和多模态之外找到通往AGI（通用人工智能）的可能。 

一些公司合作方会用“实在”来形容他。这种描述矛盾而统一，因为他既会扬言“我们的多模理解国内第一”，也会承认“还在追赶去年发布的GPT-4”。背后所依托的逻辑是他所掌握和相信的技术现实。

在微软16年，姜大昕说自己形成最坚不可摧的认知是开放心态和“growth mindset”（成长型思维）——这是老东家微软的文化之一，也是他决定创业的心境来源。 

他判断“上一代搜索已经做到头了”。从“Boosting Tree”（提升树）到神经网络兴起，从CNN（卷积神经网络）、RNN（循环神经网络）、LSTM（长短期记忆网络）再到BERT（谷歌团队提出的一种自然语言处理预训练技术），姜大昕曾把每一代技术都用进搜索，使其实现从“马车”到“汽车”的转变。

直到2022年ChatGPT横空出世，他意识到，这是从“地上跑”到“天上飞”的质变。

因此，如果你不知道对这家新出现的公司究竟期待什么，不妨期待它会如何定义下一代搜索，毕竟它拥有传统搜索引擎时代最有话语权的团队之一。

阶跃星辰会如何用大模型来定义下一代搜索？又如何追上与GPT-4的差距？姜大昕给出了自己的谜底。

以下为姜大昕采访实录（界面新闻略作编辑）： 

界面新闻：你们算是国内第一个公布万亿参数MoE大模型的公司，之前一直保持低调，现在希望在行业里树立一个什么样的认知？

姜大昕：去年国内开始提“百模大战”，但很多公司是针对行业或者应用场景发布了大模型，真正从头开始做通用大模型的满打满算十几二十家，相当于已经做完第一轮分化。

我们认为通用大模型还会走得更远，往后发展有两个维度：一个是Scaling Law，从千亿到万亿参数，甚至到百万亿；另外光做语言模型是不够的，要想达到所谓的通用人工智能，就要做多模态理解和生成的融合，首先要做一个多模态理解的模型。