作者 | 程茜
【资料图】
编辑 | 漠影
讯飞星火大模型又双叒更新了！
智东西8月15日报道，讯飞星火大模型迎来年内第二次重磅升级，V2.0来了！
星火大模型V2.0主要升级点体现在代码能力、多模态交互上，科大讯飞董事长刘庆峰谈道，大模型的代码能力是连接数字世界的关键支撑，多模态是让通用人工智能赋能工业的各种具体场景，未来进入家庭的最重要核心能力。
同时，今天正值七部委联合发布的《生成式人工智能服务管理暂行办法》正式实行。刘庆峰认为，通用人工智能在深度赋能千行百业的过程中，已经迈上了新的台阶。
星火大模型的应用落地也正在稳步向前，5月6日星火大模型发布以来，科大讯飞人工智能开放平台新增了70万个开发者团队；讯飞星火小助手6月9日发布至今，已经新增了7800多个用户自己创建的小助手；讯飞学习机5月销量同比上涨了超100%，6月上涨超200%……
这一过程中，用户体验又再反向提升大模型的能力，使得星火大模型的语言理解、逻辑推理的测试得分不断提高。
可以看出，通用人工智能时代的发展，正在让各行各业的人都能释放自己的想象力，并通过大模型的能力将其快速实现，每个人都拥有个人AI助手的愿景正越来越近。
一、代码、多模态交互两大能力重磅升级，文本生成、理解能力持续提升
一如既往，开场星火就写了份欢迎词。星火首先回顾了星火大模型前两次升级的内容，不同于之前的泛泛通用型介绍，而是有理有据的个人知识的学习。
在解决数学能力上也大幅升级，星火能综合运用三角函数、方程、等差数列方面的知识来解决数学问题。
诗句理解上，星火可以给出“与尔同消万古愁”的出处，并写出全诗。同时还能赏析《将进酒》中的诗句，并运用这两句诗写出一篇范例作文。
星火还能“立人设”，将它设定为“虚拟陪伴伙伴”，它就可以为用户的party（聚会）提出制作哪些美食、举办哪些活动的建议。
用户日常体验中，还可以通过语音直接对话，模拟真人“面对面”交流。
1、五大代码能力升级，几分钟生成“贪吃蛇”小游戏
到了最重磅的代码能力展示环节，刘庆峰谈道，代码能力是认知智能大模型智慧提升的关键维度，在提升这一能力时可以同步提升长文本理解、逻辑推理、任务规划能力，以及帮助用户执行复杂任务、连接数字世界，还能降低数字经济的创业门槛。
星火大模型包含代码生成、代码补齐、代码纠错、代码解释、单元测试生成五大代码能力。
在代码能力展示环节，星火都是现场写代码、现场运行。
刚开始，星火就快速展示了其使用python生成了“判断输入字符串是否符合密码规则”、画出“红色的心形线”等功能。
随后，演示人员还增加了指令，如果输入密码不符合规则时给出理由，生成的代码就会相应给出“不少于8位”等原因方便用户调整。
同时，星火还能快速将视频片段转化成GIF动图，并且动图也会相应的缩小文件大小，方便用户发送分享。星火生成经典的贪吃蛇小游戏，包含72行代码，并且每一段都给出了相关的注释。
这一代码能力也已经集成到讯飞星火的小助手中，例如助手中心中的“python大脑”小助手，这一小助手被设定为先说明、再举例、最后列出注意事项的三段论，星火就可以根据用户的提问给出答案。
基于OpenAI构建的代码能力公开测试集HumanEval和认知智能全国重点实验室构建的代码实用场景测试集iflyCT-py，星火在python语言下，代码生成和代码补齐能力超过ChatGPT，其它能力正在快速赶超ChatGPT。
2、图像理解能力明显领先，数字人形象、音视频轨道一气呵成
多模态能力是赋能千行百业的刚需，也是实现通用人工智能的必经之路。
去年1月，科大讯飞提出了未来10年的登月计划，就是懂知识、善学习、能进化，让机器人走进每个家庭，这中间最重要的技术就是多模态的感知、多维表达、深度理解。
大模型的多模态能力包含图像描述、图像理解、图像推理、识图创作、文图生成、虚拟人合成。当演示人员输入风景图、萌宠图、家庭场景图片时，星火都能对图片中的主要物体、人物进行描述，还辅以环境氛围的表述。如果用户想要配合图片发朋友圈，星火还能给出朋友圈文案。
此外，星火还支持用户现场拍照，将图片上传进行描述。
刘庆峰谈道，在国内业界公开可测的大模型中，星火对图像的理解能力明显领先。
在文图生成能力方面，不管是“阳光下的小女孩开心的笑着”的人物图片，还是“雪山壮丽景色”的风景图，星火都能胜任，用户还可以追加在雪山图片中加入“一个小女孩在登山”的元素。
多模态合成能力中，星火一举撑起了文案、后期、剪辑、配音……的工作，当让它“创作一篇立秋抒情散文，并用一个短发民国风的女生形象生成视频”，讯飞小助手就可以快速生成视频，用户还能变更数字人的形象、声音、视频的背景。
整体来看，讯飞星火大模型各项能力表现优异，在国内主流大模型测评榜上，其“智商”排名也名列前茅。8月12日，8月12日，新华社研究院中国企业发展研究中心发布的《人工智能大模型体验报告2.0》中，讯飞星火以1013分位列本次国产主流大模型测评榜榜首，在“智商指数”和“工具提效指数”两个维度获得第一。
二、星火化身资深代码工程师、剪辑师、口语老师、助教……
与此同时，科大讯飞正在将大模型的强大能力打造成用户快速可用的产品。
1、iFlyCode：零代码基础也能编程？10分钟开发“凌空手写”应用
基于星火大模型的强大代码能力，讯飞推出智能编程助手iFlyCode，五项代码能力也已经无缝集成到用户的开发环境中。
演示现场，iFlyCode接到的第一项任务就是“开发凌空手写的应用”。
首先，iFlyCode给出了一些实现的思路，开发者需要采集视频流、手部主要点位检测、侦测捏动手势、生成轨迹点。随后，它给出了具体的实现步骤，用户可以直接点击步骤，调用相关的代码、函数来辅助完成应用开发。
一开始，iFlyCode辅助生成的应用中，用户手部的关键帧时独立的点。基于星火的修改代码能力，用户可以选中整个代码，输入“将轨迹点颜色改为黄色，用线条连接”的修改代码命令。改完后，用户还可以快速比较修改前后的代码然后进行快速替换。
刘庆峰感慨道，结合星火大模型的能力，用python代码完全实现凌空手写的应用开发只需要10分钟内，之前有经验的代码工程师可能需要半天才能完成。他补充说，讯飞内部已经有2000多个员工开始使用这一代码工具，工程师的采用率提升了30%以上。
2、讯飞智作2.0：后期剪辑、配音演员、文案编辑，一个工具统统解决
基于星火大模型的多模态能力，讯飞升级了讯飞智作。
讯飞智作是讯飞2017年推出的虚拟形象配音产品，刘庆峰谈道，冬奥会、大运会、世界田径运动会吉祥物的语音都是讯飞创建的，现在讯飞将虚拟形象配音的能力开放出来。讯飞智作2.0升级了AI后期和创意视频两个功能。
AI后期功能中，讯飞智作可以为视频生成文案、配音。例如“用散文风格描写泾县桃花潭夏末秋初晨雾弥漫的美景”，用户可以输入视频配文的主题、选择配音主播形象、声音。然后讯飞智作就可以将文字和画面对齐生成视频。
创意视频中，用户可以直接输入视频要求、上传相关的图片。当企业想要生成黄山毛峰的宣传视频时，可以先让讯飞智作生成一段“包含茶叶的产地、包装、色泽等特点”的宣传文案，然后基于用户上传的配图和讯飞智作使用AI生成的相关图片来生成视频。
这样一来，企业不需要花很大代价去拍摄相关的视频和图片，就能快速生成宣传视频。
3、星火语伴2.0：随手拍就能口语对话，模拟真人雅思考官
星火语伴2.0全新升级，能让用户练习口语时实现更深入的交流，用户可以选择感兴趣的场景进行交流，对话结束后，星火语伴还会生成一个对话小结。
为了让对话交流和日常生活的关联度更密切，用户还可以拍摄自己手边书上的内容来进行交流，这也能让星火语伴有更丰富的口语对话来源。
此外，还有大学生普遍需要的四六级、雅思、托福等，星火语伴可以模拟更加真实的人机互测，让用户与雅思考官模拟面对面对话。测试结束后，该应用还会给出用户准确度的得分，并给出相应的推荐课程。
场景理解的大模型对话能力加持下，众多领域的工作人员都可以通过大模型的能力来提升工作效率。
4、星火教师助手：帮老师做课件、布置作业，还能一键生成课堂思维导图
讯飞畅言智慧课堂已经落地到全国1200多万师生中，基于人工智能可以分析学生的情况，实现因材施教。目前，全国教育开始实现以素养培养为核心的教育“三新”改革，这一过程中，教师会面临单元教育规划下创新难、教学活动设计资源少、课件制作负担重的难题。
因此，针对上述三大难题，星火教师助手可以帮助教师完成整个备课环节。
星火教师助手能快速生成相应主题的课堂设计文档，同时，教师还可以在已生成的环节中添加活动。一般而言，教师想要达到理想的教堂授课效果，还需要大量精力去融合其它素材。现在，这一助手能基于教学设计、大模型的理解能力，帮助老师一键生成课件，并根据教学内容自动填充相关多媒体内容，还会加入对应的图片、视频、表格。
活动小结中，星火教师助手还能生成思维导图，帮助学生提升结构化思维能力。
三、大模型深入行业应用，联合华为发布星火一体机
今天，国家首次针对生成式人工智能产业发布的规范性政策《生成式人工智能服务管理暂行办法》正式实行，这一《办法》对提供和使用生成式人工智能服务的总体要求进行了明确。与此同时，这也标志着国内已发布的上百个大模型已开启应用落地PK战。
科大讯飞的大模型应用落地已经走在前列。早在2022年底，科大讯飞就正式启动了“1+N”认知大模型专项攻关，“1”是通用认知智能大模型，“N”是大模型在教育、办公、汽车、人机交互等领域的落地，以行业应用为导向的布局也与产业变化相契合。
当下，讯飞已经和汽车、金融等行业达成合作，汽车厂商奇瑞搭载星火大模型的产品即将发布。在教育领域，讯飞学习机的销量大幅上涨，今年5月至今同比增长了180%。刘庆峰谈道，讯飞要做的就是将大模型赋能到类似行业中的相应场景。
除此以外，认知大模型的深度赋能时代已经到来，现在的大模型参与者不仅要看到技术能做什么，还要构建一个健康安全的产业推广环节和能力保障，刘庆峰认为，这聚焦于三大关键要素，分别是安全可控、场景驱动和专属模型。
其中安全可控主要包含内容和算力的安全。内容安全指的是生成内容的价值观、准确度都要安全，内容不安全会导致污语料、“幻觉”出现，如果大模型学习的是不干净、错误的数据，就会导致生成结果是有问题的。
科大讯飞承建了语音及语言国家工程技术中心，可以面向全世界收集信息，然后通过语种、质量、隐私、安全等判别器来清洗得到高质量语料。
在算力安全方面，科大讯飞和华为联合，将高算力、高性能的算子库、多卡高速互联和分布式存储相结合，在此基础上打造训推一体设计的自研大模型训练平台。刘庆峰透露，该平台单卡算力已经开始对标英伟达A100芯片。
场景驱动方面，就是要让大模型在看得见摸得着的场景上产生实实在在的应用价值。
专属模型，讯飞和华为正在联合打造大模型训练国产算力集群，包含5种定制优化工具，企业可以直接打包开发，有了这些能力，企业就可以打造自己的专属大模型。
今天，科大讯飞联合华为发布了帮助企业快速部署的星火一体机。这一设备既允许企业从头到尾训练大模型，也能基于讯飞星火大模型针对场景快速优化。
刘庆峰认为，通用人工智能时代的发展正在彻底改变当今社会的生产和生活方式，谁能率先推出拥有持续算力和最好的算法，就可以源源不断的汇聚数据，形成全球的“最强大脑”。
结语：大模型的新战场，应用落地正加速
站在今天的新节点上，国内大模型间的应用落地之战已经揭开帷幕，科大讯飞成为率先出手的厂家之一。这已经是讯飞星火大模型年内第三次升级，不论从大模型能力，还是星火的行业应用进展来看，星火大模型的影响正在辐射至各行各业，教育、金融、汽车行业的联合应用落地已经初见成效。
下一步，今年10月24日，讯飞星火大模型的能力将对标ChatGPT，明年将对标GPT-4，随着大模型能力的不断提升，其对于不同行业的实质影响也会愈发凸显出来。
未来，大模型与各行各业的结合必将更加紧密，不同行业的“进化”浪潮将势不可挡，为每个人打造AI助手的愿景或许很快就可以实现。
关键词：