智東西（公眾號(hào)：zhidxcom）
作者 | 李水青
編輯 | 漠影
智東西2月1日報(bào)道，北京時(shí)間1月29日，北京智源人工智能研究院推出的多模態(tài)大模型“悟界·Emu”登上Nature正刊，成為繼DeepSeek之后第二個(gè)達(dá)成此成就的中國大模型團(tuán)隊(duì)研究成果，也是中國首篇圍繞多模態(tài)大模型路線的Nature論文。
▲Nature官網(wǎng)截圖
Nature編輯點(diǎn)評道：“Emu3僅基于‘預(yù)測下一個(gè)token’實(shí)現(xiàn)了大規(guī)模文本、圖像和視頻的統(tǒng)一學(xué)習(xí)，其在生成與感知任務(wù)上的性能可與使用專門路線相當(dāng)，這一成果對構(gòu)建可擴(kuò)展、統(tǒng)一的多模態(tài)智能系統(tǒng)具有重要意義，有望推動(dòng)原生多模態(tài)助手、世界模型以及具身智能等方向的發(fā)展?！?/p>
▲Emu3有望推動(dòng)具身智能等方向發(fā)展
“悟界·Emu3”模型由智源研究院于2024年10月推出。無論在感知和還是生成方面，Emu3均達(dá)到了與特定任務(wù)旗艦?zāi)Ｐ拖噫敲赖男阅堋?/strong>該模型能夠完成文本到圖像生成、文本到視頻生成、未來預(yù)測、視覺語言理解、交錯(cuò)圖像文本生成以及具身操作等多方面任務(wù)，這一成果對于確立自回歸成為生成式AI統(tǒng)一路線具有重大意義。
如下圖所示，Emu3的圖像生成在MSCOCO-30K23等基準(zhǔn)上表現(xiàn)優(yōu)于SDXL等擴(kuò)散模型；視頻生成在VBench評分達(dá)81，超過Open-Sora 1.2；視覺語言理解得分62.1，略高于LLaVA-1.6。盡管這一成績在如今已經(jīng)比較尋常，但在兩年前卻非同一般。
▲Emu3圖像生成、視覺-語言理解和視頻生成的主要測評結(jié)果
前OpenAI政策主管、現(xiàn)Anthropic聯(lián)合創(chuàng)始人杰克·克拉克（Jack Clark）當(dāng)時(shí)評價(jià)Emu3：“不依賴花哨的架構(gòu)技巧，僅用最基礎(chǔ)的預(yù)測下一個(gè)token的邏輯，這種‘簡單’被視為具備強(qiáng)大的擴(kuò)展?jié)摿Α?/strong>”
而正是這種“簡單”架構(gòu)路線，對降低大模型研發(fā)門檻和成本意義重大。“越是極簡的架構(gòu)，可能越具備強(qiáng)大的生產(chǎn)力，對產(chǎn)業(yè)的價(jià)值也越大?！敝窃囱芯吭涸洪L王仲遠(yuǎn)告訴智東西，“因?yàn)樗喕硕嗄B(tài)AI架構(gòu)，減少了研發(fā)過程中的復(fù)雜性和潛在錯(cuò)誤，從而使模型的構(gòu)建和維護(hù)更高效。”
▲智源研究院院長王仲遠(yuǎn)
到2025年10月，“悟界·Emu”系列已迭代出多模態(tài)世界模型。Emu3.5可以理解長時(shí)序、空間一致的序列，模擬在虛擬世界中的探索和操作，不僅超越谷歌Nano Banana等模型拿下多模態(tài)SOTA，并首次指明了“多模態(tài)Scaling 范式”，讓模型自發(fā)學(xué)習(xí)世界演變的內(nèi)在規(guī)律，為具身智能等物理AI領(lǐng)域發(fā)展提供了重要新路徑。
▲Emu3.5延續(xù)了多模態(tài)數(shù)據(jù)統(tǒng)一建模的核心思想
Emu3為什么能夠登上Nature正刊，得到國際學(xué)術(shù)界的高度認(rèn)可？背后誕生了什么樣的AI原創(chuàng)技術(shù)，并經(jīng)歷了什么樣的挑戰(zhàn)？這又將對學(xué)界和產(chǎn)業(yè)界的發(fā)展產(chǎn)生什么樣的實(shí)際影響？本文試圖對這些問題進(jìn)行深入探討。
論文名：
《通過預(yù)測下一個(gè)token進(jìn)行多模態(tài)學(xué)習(xí)的多模態(tài)大模型（Multimodal learning with next-token prediction for large multimodal models）》
論文地址：
https://www.nature.com/articles/s41586-025-10041-x
GitHub地址：
https://github.com/baaivision/Emu3
▲Emu3論文部分截圖
一、50人小組死磕“統(tǒng)一”：一場押注AI未來的技術(shù)豪賭
Emu3模型最早立項(xiàng)是在2024年2月，當(dāng)時(shí)正值團(tuán)隊(duì)重新審視大模型發(fā)展路徑——隨著GPT-4、Sora的爆火，“預(yù)測下一個(gè)token”自回歸路線徹底改變了語言模型領(lǐng)域，并引發(fā)了關(guān)于AGI早期跡象的討論，而在多模態(tài)生成領(lǐng)域，DiT（Difussion Transformer）架構(gòu)成為主流，開始展現(xiàn)出令人驚艷的生成效果。
自回歸技術(shù)路線是否可以作為通用路線統(tǒng)一多模態(tài)？一直是未解之謎。
Emu3的開創(chuàng)性，就在于僅采用“預(yù)測下一個(gè)token（NTP）”自回歸路線，就實(shí)現(xiàn)統(tǒng)一多模態(tài)學(xué)習(xí)，訓(xùn)練出性能出色的原生多模態(tài)大模型。
時(shí)間線拉回到立項(xiàng)之前，當(dāng)時(shí)智源研究院團(tuán)隊(duì)進(jìn)行了大量分析和辯論，達(dá)成一個(gè)共識(shí)——多模態(tài)是未來實(shí)現(xiàn)AGI的關(guān)鍵路徑，但現(xiàn)有的多模態(tài)生成長期以來由擴(kuò)散模型主導(dǎo)，而視覺語言感知?jiǎng)t主要由組合式方法引領(lǐng)，并不收斂統(tǒng)一，存在技術(shù)天花板。
盡管已有業(yè)內(nèi)人士試圖統(tǒng)一生成與感知（如Emu和Chameleon），但這些工作要么簡單地將大語言模型與擴(kuò)散模型拼接在一起，要么在性能效果上不及那些針對生成或感知任務(wù)精心設(shè)計(jì)的專用方法。
自回歸架構(gòu)能否作為原生統(tǒng)一多模態(tài)的技術(shù)路線，信與不信，這是一個(gè)重大的技術(shù)決策。最終在2024年2月底，智源研究院決定，組建一支五十人的技術(shù)攻關(guān)團(tuán)隊(duì)，以自回歸架構(gòu)為核心進(jìn)行研發(fā)，并采用離散的token方式，以精簡架構(gòu)和大規(guī)模復(fù)用的大語言模型基礎(chǔ)設(shè)施，開啟全新的多模態(tài)模型Emu3的研發(fā)工作。
該模型開創(chuàng)性地將圖像、文本和視頻統(tǒng)一離散化到同一個(gè)表示空間中，并從零開始，在多模態(tài)序列混合數(shù)據(jù)上聯(lián)合訓(xùn)練一個(gè)單一的 Transformer。
▲Emu3可完成不同多模態(tài)任務(wù)
這是一條挑戰(zhàn)傳統(tǒng)的“冒險(xiǎn)”之路，在成功之前，智源研究院團(tuán)隊(duì)經(jīng)歷了重重挑戰(zhàn)。
首先不言而喻的是技術(shù)上的挑戰(zhàn)。選擇“離散的token”方式本身是一種冒險(xiǎn)，因?yàn)樗鼑L試為視覺和其他模態(tài)重新發(fā)明一種與人類文字語言對齊的語言體系。在圖像壓縮過程中，由于圖像信息相較于文字的信息量更大，但冗余更多，這使得基于token壓縮圖像時(shí)難以訓(xùn)練出有效模型，在這個(gè)過程中也難免受挫和沮喪。
第二，更深層次的是路徑上的質(zhì)疑。2024年國內(nèi)各個(gè)大模型團(tuán)隊(duì)都在如火如荼地復(fù)現(xiàn)GPT-4，很多頭部玩家一邊也布局了多模態(tài)模型，但實(shí)際過程中存在搖擺，最終因資源消耗大、主線仍聚焦于語言模型等原因而砍掉了團(tuán)隊(duì)。智源研究院在這樣的產(chǎn)業(yè)大背景下堅(jiān)持了下來，背后需要一號(hào)位強(qiáng)大的信念和團(tuán)隊(duì)強(qiáng)大的定力。
第三，“多模態(tài)能否提升模型的智能”這個(gè)問題，當(dāng)時(shí)還沒有完全成定論。但智源團(tuán)隊(duì)堅(jiān)信，下一代模型如果要進(jìn)入到物理世界，僅靠文字是不夠的，需要一個(gè)“見過世界”的模型。他們相信，不管突破多模態(tài)模型乃至世界模型智能升級(jí)有多難，它都是實(shí)現(xiàn)AGI的一條必經(jīng)之路。
二、性能匹敵專用模型：兩年，Emu3已深度影響產(chǎn)業(yè)發(fā)展脈絡(luò)
而進(jìn)入產(chǎn)業(yè)應(yīng)用的前提，是Emu3首先打贏了“性能”這一仗。在多模態(tài)生成與感知任務(wù)上，Emu3的整體表現(xiàn)可與多種成熟的任務(wù)專用模型相媲美。
首先聚焦文本到圖像生成能力，在MSCOCO-30K23、GenEval24、T2I-CompBench25等多個(gè)基準(zhǔn)上，Emu3的性能與當(dāng)時(shí)最先進(jìn)的擴(kuò)散模型相當(dāng)：超越了SD1.5、SDXL等模型，并接近DALL-E 3、FLUX.1（Dev）等模型。
▲Emu3的性能與最先進(jìn)的擴(kuò)散模型相當(dāng)
如下圖所示，在文生圖任務(wù)中，其效果達(dá)到擴(kuò)散模型水平；在視覺語言理解方面，其可以與融合CLIP和大語言模型的主流方案比肩。
▲Emu3在文生圖和視覺語言理解上比肩主流方案
在視覺語言理解方面，如下圖所示，Emu3作為一種純粹的無編碼器方法，在多個(gè)基準(zhǔn)測試中達(dá)到了與其同類方法相當(dāng)?shù)男阅?。取得這樣的視覺-語言理解能力，Emu3并未依賴專門的預(yù)訓(xùn)練大語言模型和CLIP。
▲Emu3在視覺-語言理解能力方面的測評成績
在零樣本圖像修復(fù)案例中，給定輸入圖像（每行左側(cè)）和相應(yīng)提示，Emu3能準(zhǔn)確填充邊界框內(nèi)的掩碼區(qū)域，生成語義對齊的內(nèi)容，且無需特定任務(wù)的微調(diào)。
▲Emu3零樣本圖像修復(fù)
同時(shí)，Emu3還具備視頻生成能力。Emu3原生支持生成24幀/秒的5秒視頻，并可通過自回歸方法進(jìn)行擴(kuò)展。如圖所示，在擴(kuò)展數(shù)據(jù)表3中，Emu3所產(chǎn)生的結(jié)果與其他視頻擴(kuò)散模型相比具有很強(qiáng)的競爭力：Emu3的性能超過Open Sora V1.2、Kling（2024）、Gen-3等當(dāng)年的知名專用模型。
▲Emu3與其他視頻擴(kuò)散模型對比情況
Emu3可以通過預(yù)測未來幀來擴(kuò)展視頻。以視頻擴(kuò)展的定性為例，將2秒、24幀/秒的視頻token化為離散視覺token作為上下文。Emu3以同樣的離散視覺token形式預(yù)測后續(xù)2秒的內(nèi)容，這些token可以被解token化以生成預(yù)測的未來視頻。
不同于Sora等模型的以噪聲為起點(diǎn)的擴(kuò)散式視頻生成模型，Emu3通過自回歸方式逐token預(yù)測視頻序列，實(shí)現(xiàn)基于因果的視頻生成與延展，展現(xiàn)出對物理世界中環(huán)境、人類與動(dòng)物行為的初步模擬能力。
Emu3還可拓展至視覺語言交錯(cuò)生成，例如圖文并茂的菜譜生成。
▲交錯(cuò)圖文生成結(jié)果的可視化
其也可拓展至視覺語言動(dòng)作建模，如機(jī)器人操作VLA等，進(jìn)一步體現(xiàn)了“預(yù)測下一個(gè)token”的通用性。
▲Droid數(shù)據(jù)集上視覺預(yù)測的可視化
事實(shí)上，在Nature論文之外，智源研究院于2025年10月30日發(fā)布了Emu3的后續(xù)版本Emu3.5，其在多種多模態(tài)任務(wù)上繼續(xù)展現(xiàn)出令人驚艷的效果以及SOTA的結(jié)果，對比Emu3有了全方位、大幅度的性能提升，開啟多模態(tài)世界大模型新紀(jì)元。
“悟界·Emu”系列在架構(gòu)理念和實(shí)際效果上都達(dá)到了產(chǎn)品級(jí)，這才使它不僅在學(xué)術(shù)界獲得了《自然》期刊的高度認(rèn)可，而且在業(yè)界引起了廣泛關(guān)注。Emu3及后續(xù)版本的成果具有重大產(chǎn)業(yè)應(yīng)用前景，可能改寫整個(gè)多模態(tài)大模型格局，為中國在下一代大模型下的原創(chuàng)科研成果樹立了典范。
三、擴(kuò)散模型已死？技術(shù)角度揭秘Emu3框架
Emu3及后續(xù)版本的發(fā)布，一度在開發(fā)者社區(qū)引起討論和關(guān)注，甚至產(chǎn)生了“擴(kuò)散模型已死”的說法。
對此，王仲遠(yuǎn)坦言，目前對于擴(kuò)散模型的研究趨勢尚不能定論。雖然有一些成果如Emu3.5提供了世界模型的可行路徑，但并非唯一路徑。未來可能會(huì)有更多技術(shù)路徑實(shí)現(xiàn)“預(yù)測下一個(gè)狀態(tài)”，且擴(kuò)散模型也在與其他技術(shù)結(jié)合改進(jìn)。因此，不能斷言擴(kuò)散模型會(huì)消失，而是需要持續(xù)觀察和學(xué)習(xí)交流。
盡管不能斷言自回歸路線已經(jīng)一統(tǒng)天下，但Emu3已經(jīng)為產(chǎn)業(yè)提供了一條新的康莊大道。
回到Emu3模型架構(gòu)來看，其保留了Llama-2等成熟大語言模型的架構(gòu)框架，主要修改在于擴(kuò)展了嵌入層以容納離散的視覺標(biāo)記。這是一個(gè)統(tǒng)一的、僅含解碼器的框架，該框架將語言、圖像和視頻建模為單一的離散標(biāo)記序列，并通過下一個(gè)標(biāo)記預(yù)測目標(biāo)進(jìn)行端到端訓(xùn)練。
下圖展示了該框架，其方法包含五個(gè)緊密集成的組件：
1、一個(gè)大型的混合多模態(tài)訓(xùn)練數(shù)據(jù)集。
2、一個(gè)統(tǒng)一的標(biāo)記器，可將圖像和視頻片段轉(zhuǎn)換為緊湊的離散標(biāo)記流（視覺分詞器）。
3、一個(gè)基于Transformer的僅解碼器架構(gòu)，該架構(gòu)擴(kuò)展了大型語言模型的嵌入空間以接受視覺標(biāo)記，其他方面則遵循標(biāo)準(zhǔn)的僅解碼器設(shè)計(jì)選擇（架構(gòu)）。
4、一個(gè)兩階段優(yōu)化方案，包括采用平衡交叉熵?fù)p失的大規(guī)模多模態(tài)預(yù)訓(xùn)練，以及與任務(wù)格式和人類偏好對齊的高質(zhì)量后訓(xùn)練（預(yù)訓(xùn)練和后訓(xùn)練）。
5、一個(gè)高效的推理后端，支持無分類器引導(dǎo)（CFG）、低延遲和高吞吐量，用于自回歸多模態(tài)生成（推理）。
▲Emu3架構(gòu)圖
這一架構(gòu)證明，僅憑“預(yù)測下一個(gè)token”，我們就能夠同時(shí)支持高水平的生成能力與理解能力，并且在同一統(tǒng)一架構(gòu)下，自然地?cái)U(kuò)展到機(jī)器人操作以及多模態(tài)交錯(cuò)等生成任務(wù)。智源研究團(tuán)隊(duì)對相關(guān)研究的多項(xiàng)關(guān)鍵技術(shù)與模型進(jìn)行了開源，以推動(dòng)該方向的持續(xù)研究。
同時(shí)，研究通過大規(guī)模消融實(shí)驗(yàn)系統(tǒng)分析了多項(xiàng)關(guān)鍵技術(shù)的設(shè)計(jì)選擇，驗(yàn)證了多模態(tài)學(xué)習(xí)的規(guī)模定律（Scaling law）、統(tǒng)一離散化的高效性、以及解碼器架構(gòu)的有效性。研究還驗(yàn)證了自回歸路線高度通用性：直接偏好優(yōu)化（DPO）方法可無縫應(yīng)用于自回歸視覺生成任務(wù)，使模型能夠更好地對齊人類偏好。
在此研究基礎(chǔ)上，悟界·Emu3.5進(jìn)一步通過大規(guī)模長時(shí)序視頻訓(xùn)練，學(xué)習(xí)時(shí)空與因果關(guān)系，展現(xiàn)出隨模型與數(shù)據(jù)規(guī)模增長而提升的物理世界建模能力，并觀察到多模態(tài)能力隨規(guī)模擴(kuò)展而涌現(xiàn)的趨勢，實(shí)現(xiàn)了“預(yù)測下一個(gè)狀態(tài)”的范式升級(jí)。
四、堅(jiān)持原始創(chuàng)新：北京智源引領(lǐng)大模型技術(shù)演進(jìn)
自2018年創(chuàng)立之后，智源研究院通過多項(xiàng)成果深刻影響了中國AI學(xué)術(shù)和產(chǎn)業(yè)界。其在2021年發(fā)布了中國首個(gè)大語言模型“悟道1.0”，及當(dāng)時(shí)全球最大的大語言模型（采用MoE架構(gòu)）“悟道2.0”，同時(shí)因輸送大量頂尖AI產(chǎn)業(yè)人才被稱為“大模型的黃埔軍?！?。
智源2022年開辟的新的模型系列——悟界·Emu研究成果的發(fā)表，不僅是國際學(xué)術(shù)界對智源研究團(tuán)隊(duì)工作的認(rèn)可，更是對中國AI原創(chuàng)技術(shù)路線的重要肯定。
Emu系列模型自2022年啟動(dòng)研發(fā)以來，圍繞“原生多模態(tài)”這一核心技術(shù)主線持續(xù)迭代，每一個(gè)版本都在關(guān)鍵能力與方法論上實(shí)現(xiàn)了實(shí)質(zhì)性突破。
2022年6月，系統(tǒng)布局多模態(tài)大模型的研發(fā)。
2023年7月，發(fā)布并開源首個(gè)版本，成為最早打通多模態(tài)輸入到多模態(tài)輸出的統(tǒng)一多模態(tài)模型，創(chuàng)新性提出統(tǒng)一多模態(tài)學(xué)習(xí)框架并大規(guī)模引入視頻數(shù)據(jù)，初步實(shí)現(xiàn)多模態(tài)自回歸預(yù)測。
2023年12月，發(fā)布Emu2，通過大規(guī)模自回歸生成式多模態(tài)預(yù)訓(xùn)練，展現(xiàn)出可泛化的多模態(tài)上下文學(xué)習(xí)能力，可在少量示例和簡單指令下完成聽、說、讀、寫、畫等任務(wù)，是當(dāng)時(shí)開源最大的生成式多模態(tài)模型。
2024年10月，發(fā)布Emu3，該模型只基于預(yù)測下一個(gè)token，無需擴(kuò)散模型或組合方法，即可完成文本、圖像、視頻三種模態(tài)數(shù)據(jù)的理解和生成。
2025年10月，推出原生多模態(tài)世界模型Emu3.5，實(shí)現(xiàn)從 “預(yù)測下一個(gè)token” 到 “預(yù)測下一個(gè)狀態(tài)” 的能力躍遷，從長視頻數(shù)據(jù)中學(xué)習(xí)世界演化規(guī)律，提出多模態(tài) Scaling 新范式。
自2020年啟動(dòng)“悟道”大模型研究以來，智源持續(xù)聚焦大模型的原始創(chuàng)新與長期技術(shù)路徑探索。2025年6月，智源發(fā)布新一代大模型系列“悟界”，旨在構(gòu)建人工智能從數(shù)字世界邁向物理世界的關(guān)鍵能力，及物理世界的人工智能基座模型。
“悟界”系列模型構(gòu)建起覆蓋宏觀具身智能、介觀生命系統(tǒng)到微觀構(gòu)象動(dòng)力學(xué)的多層次技術(shù)基座。FlagOS開源系統(tǒng)軟件棧更是為模型的訓(xùn)練和推理帶來效率突破和多元AI硬件適配能力。
智源自成立以來，始終堅(jiān)持開源開放理念。官方數(shù)據(jù)顯示，智源已開源200多款模型，全球下載量超過7.6億次，并開源了180多個(gè)數(shù)據(jù)集，全球下載量超過500萬次。這些舉措在國內(nèi)AI科研機(jī)構(gòu)中名列前茅，對開源社區(qū)和產(chǎn)業(yè)界做出了獨(dú)特貢獻(xiàn)。
王仲遠(yuǎn)告訴智東西，開源開放是智源研究院從成立之初起就始終堅(jiān)持的理念，未來智源將持續(xù)在大模型技術(shù)及產(chǎn)業(yè)發(fā)展中起到表率作用，不僅開放模型權(quán)重，還將開放數(shù)據(jù)訓(xùn)練代碼和產(chǎn)業(yè)應(yīng)用案例，促進(jìn)開源生態(tài)和產(chǎn)業(yè)鏈共同發(fā)展。
結(jié)語：扎根AI基礎(chǔ)研究，北京“開源之都”建設(shè)初見成效
作為大模型第一城、開源之都，北京在近幾個(gè)月成果不斷。
“全球大模型第一股”智譜剛剛在1月8日成功上市，并聯(lián)合華為開源首個(gè)在國產(chǎn)芯片上完成全程訓(xùn)練的SOTA多模態(tài)模型GLM-Image；緊接著百度文心大模型5.0在1月24號(hào)上線，在40余項(xiàng)權(quán)威基準(zhǔn)的綜合評測中穩(wěn)居國際第一梯隊(duì)；月之暗面Kimi在1月27日開源新模型K2.5，可調(diào)度百員智能體集群，比單智能體任務(wù)執(zhí)行效率提升4.5倍……
而智源研究院在繼10月推出世界大模型悟界·Emu3.5后，再次靠Emu3刷新紀(jì)錄，開創(chuàng)了我國科研機(jī)構(gòu)主導(dǎo)的大模型成果首次在Nature正刊發(fā)表的歷史。下一步，王仲遠(yuǎn)透露，智源將持續(xù)投入資源研發(fā)新一代人工智能技術(shù)，包括世界模型、具身智能及生命科學(xué)智能研究，目標(biāo)是構(gòu)建AI在物理世界中的基礎(chǔ)模型和關(guān)鍵能力。
這是一次中國AI原始創(chuàng)新的勝利。一方面，高密度的人才隊(duì)伍、充足的算力資源、機(jī)構(gòu)的堅(jiān)定技術(shù)信仰、地方政策支持都為其提供了動(dòng)力和保障；另一方面，或許也只有智源這樣產(chǎn)學(xué)兩棲的機(jī)構(gòu)這才有可能發(fā)生，相比于高校擁有更多算力、工程團(tuán)隊(duì)、企業(yè)化運(yùn)作的優(yōu)勢；相比于企業(yè)，他們不用完全服務(wù)業(yè)務(wù)，可以去做真正具有前瞻性、突破性科研項(xiàng)目。
北京“開源之都”建設(shè)初見成效。背后，北京在大模型領(lǐng)域的領(lǐng)先，并非僅僅依靠項(xiàng)目數(shù)量或融資規(guī)模，而更在于對基礎(chǔ)能力的扎實(shí)投入，以及對“慢變量”培育的長期堅(jiān)守。自2023年起，《北京市加快建設(shè)具有全球影響力的人工智能創(chuàng)新策源地實(shí)施方案（2023-2025年）》《北京市促進(jìn)通用人工智能創(chuàng)新發(fā)展的若干措施》等文件相繼出臺(tái)，北京明確將AI作為“新質(zhì)生產(chǎn)力”的核心引擎。
去年4月，北京市科委、中關(guān)村管委會(huì)透露，一批北京企業(yè)都積極擁抱開源，北京也在組織優(yōu)勢單位開源RISC-V處理器核、基礎(chǔ)及專業(yè)數(shù)據(jù)集、系列大模型，持續(xù)建設(shè)開源項(xiàng)目孵化平臺(tái)，積極打造中國版“Hugging Face”，并持續(xù)推動(dòng)開源生態(tài)建設(shè)。
隨著全球大模型競爭步入深水區(qū)，北京在AI基礎(chǔ)領(lǐng)域的扎實(shí)投入正日益展現(xiàn)出其深遠(yuǎn)價(jià)值。
