現(xiàn)場Live震撼！OmAgent框架強勢開源！行業(yè)應用已全面開花

第一個提出自動駕駛并進行研發(fā)的公司是Google，巧的是，它發(fā)布的Transformer模型也為今天的大模型發(fā)展奠定了基礎。

自動駕駛已經(jīng)完成從概念到現(xiàn)實的華麗轉(zhuǎn)變，徹底重塑了傳統(tǒng)駕車方式，而大模型行業(yè)正在經(jīng)歷的，恰如自動駕駛技術發(fā)展的傳奇征程——

最頂尖的研發(fā)團隊競相投身其中、不斷加速搶跑的技術產(chǎn)品創(chuàng)新，以及持續(xù)被推向極致的用戶體驗。

在大模型賽道中，有一家企業(yè)始終以領先的身位，推動著行業(yè)邊界向前拓展。

為什么是聯(lián)匯科技？

當行業(yè)剛開始關注大模型，他們已經(jīng)錨定多模態(tài)大模型，并高分取得了工信部大模型檢測的001號證書；

去年，當人們關注“百模大戰(zhàn)”，他們不僅發(fā)布了自研OmModel多模態(tài)大模型的V3版本，更發(fā)布了國內(nèi)首批大模型驅(qū)動的自主智能體應用；

今年，世界人工智能大會期間，他們再次發(fā)布一系列技術成果，將大模型技術產(chǎn)品推向更深、更廣的應用層面。

聯(lián)匯科技技術團隊有著極強的前瞻思維，這與他們的首席科學家趙天成博士緊密相關，這位師從國際AI領域頂尖學者的Maxine Eskenazi，在CMU LTI （卡內(nèi)基梅隆大學語言技術研究所）完成碩博連讀的天才少年，不僅稱得上「AI 名門正派」，更難得的是，趙天成在技術發(fā)展和戰(zhàn)略規(guī)劃方面有著獨到見解。

趙天成博士指出，在AI主導的第四次工業(yè)革命浪潮中，自主智能將成為變革的核心變量。隨著人類第一次接觸并掌握創(chuàng)造智慧的奧秘，我們將目睹一個新時代的到來——在這個時代中，機器、軟件甚至系統(tǒng)，將被賦予前所未有的自主決策能力，自動化將廣泛應用于各個工作領域，開啟前所未有的效率和創(chuàng)新。

2024年是智能體元年。

我們正處于L2級別，并逐步向L3、L4邁進的過程中。

OmAgent來了！

WAIC期間，聯(lián)匯科技正式發(fā)布第二代多模態(tài)智能體 OmAgent。

去年同期，聯(lián)匯科技搶跑行業(yè)，率先發(fā)布了國內(nèi)第一批由多模態(tài)大模型驅(qū)動的自主智能體，那么，今年聯(lián)匯的第二代多模態(tài)智能體OmAgent有哪些驚喜？

首先是感知模塊全新升級。

隨著AI應用落地，聯(lián)匯科技發(fā)現(xiàn)盡管萬物感知模型在智能識別和處理方面具有巨大潛力，但受限于推理速度的瓶頸。相較于小型模型在推理速度上的優(yōu)勢，Idealab的G-DINO和聯(lián)匯科技的OmDet在速度上的表現(xiàn)都不盡如人意，這極大地限制了它們在邊緣計算設備上的應用。

聯(lián)匯科技最新發(fā)布的OmDet V2，實現(xiàn)萬物感知的全面加速，從底層重新構建了萬物感知的模塊，推出了EFH高性能融合頭，包含了一系列模型加速的優(yōu)化技術、語言向量緩存、輕量化特征編碼與解碼等技術，得益于EFH對每一個環(huán)節(jié)的機制優(yōu)化，相較于G-DINO和聯(lián)匯的第一代感知模型，OmDet V2在每一個環(huán)節(jié)上都實現(xiàn)了20倍以上的速度提高。

這樣的提升意味著OmDet V2正在打開未來邊緣AI與具身智能全新可能。

憑借OmDet V2的推理速度和精確分析能力，單個GPU就可以承載對500路視頻流的實時萬物感知分析，這是對技術性能的新一次刷新。同時，這也意味著打開邊緣AI的可能，OmDet V2讓萬物感知模型擺脫云端束縛，走向邊緣設備，為人形機器人、家庭智算中心等前沿應用提供了強大的智能支持。

這種創(chuàng)新不僅重新定義了大模型產(chǎn)品的開發(fā)思維，更為構建一個更實時、更安全、更注重隱私的大模型應用環(huán)境奠定了基礎。

第二是思考決策能力的提升。

思考是多模態(tài)智能體的核心，只有具備了思考能力，智能體才能夠依據(jù)感知和記憶結果做決策判斷和自主行為，成為真正的助手。但現(xiàn)有多模態(tài)思考模型存在著明顯局限，比如只能基于單張圖片進行思考和決策、無法對多個關聯(lián)圖片之間進行理解處理等。

為了解決這一問題，聯(lián)匯科技全新發(fā)布了第二代思考大模型OmChat V2，一個基于多模態(tài)模型原生預訓練的生成大模型，不僅提供8B、40B、60B多個版本，適配不同需求。更能非常好地支持視頻、圖文混合、文字等多種復雜輸入，完美適配智能體決策過程中所需要的復雜場景。

OmChat V2支持高達512K、50萬的上下文長度，折合視頻長度30分鐘，僅次于Google Gemin-1.5，并遠超GPT-4o及微軟LLaVa-1.5。

OmChat V2在Mantis-Eval、Q-Bench、MileBench Real、MVBench等測試中平均性能均在行業(yè)前列。

更簡單、直接的說法是，OmChat V2不僅能夠看準時序關系，更能夠看懂多圖關系。

△時序關系判斷

△多圖關系理解

為了大模型與智能體技術能夠真正的普惠落地，聯(lián)匯科技還率先完成了與多款國產(chǎn)GPU的適配與性能驗證，通過高效稀疏激活、動態(tài)專家方法，提升推理效率20倍，OmOS大模型運行平臺也是首個支持多地域大模型分布式推理平臺，異構九頭蛇推理能夠提升算力利用率3倍。

就此，聯(lián)匯科技正式解鎖海量行業(yè)應用場景。

△自動化體育解說

△影視劇內(nèi)容解構

△工業(yè)智能助手

OmAgent框架全面開源！

聯(lián)匯科技在多模態(tài)智能體技術上已經(jīng)取得了多項突破性成果，對于是否開源的問題，趙天成博士始終從更宏觀、更長遠的角度看待。

他表示：我們選擇將OmAgent框架全面開源，是因為想要鼓勵更多企業(yè)、開發(fā)者參與，通過知識共享和技術創(chuàng)新構建一個更加開放、更加豐富的智能體生態(tài)，進而能夠帶動整個行業(yè)更好的發(fā)展。

OmAgent框架不僅包含了感知、記憶、決策等綜合模塊，并整合融入OmDet、OmChat等多個不同類型的大模型能力，極大方便企業(yè)與開發(fā)者的應用開發(fā)，推動智能體技術向更深層次、更廣領域的賦能。

通過OmAgent，能夠快速、準確解決各類場景下的復雜問題。比如，從影視劇中總找出某個問題的答案，盡管影片沒有直接呈現(xiàn)答案，但是OmAgent依然可以通過對全片的整體理解，掌握劇情并根據(jù)原片內(nèi)容進行思考、作答。

Step 01

Step 02

Step 03

Step 04

目前，OmAgent框架已全面開源。

在WAIC，聯(lián)匯科技對OmAgent做了完整的現(xiàn)場互動演示。

為了讓智能體更快地融入日常工作與生活，聯(lián)匯正式發(fā)布了Om多模態(tài)智能體全新產(chǎn)品系列——空間運營智能體、知識服務智能體，為行業(yè)用戶打造“超級助手”。

空間運營智能體是通過攝像頭、拾音器等物聯(lián)設備以及接入的各類數(shù)據(jù)源對空間物理環(huán)境全面感知，深度融入大模型的思考能力，準確處理、分析多模態(tài)數(shù)據(jù)信息，洞察運營中的關鍵問題、潛在機會，基于智能體角色設定的目標任務，結合記憶和學習，實現(xiàn)面向物理空間的思考、規(guī)劃與決策，成為用戶進行空間管理的得力助手。

應用范圍覆蓋線下零售、營業(yè)廳、機房、產(chǎn)業(yè)園區(qū)、文旅景區(qū)、城市街區(qū)等各類單體空間、連鎖環(huán)境，實現(xiàn)對空間的精細化運營與管理。

相較于空間運營智能體對現(xiàn)實物理世界的運營管理，知識服務智能體更強調(diào)對數(shù)字世界的管理和對數(shù)字資產(chǎn)的價值挖掘。

它可以作為專為行業(yè)定制的人工智能助手，廣泛應用于辦公、生產(chǎn)、運維、營銷、培訓、客服等場景，將企業(yè)、組織和個人在特定領域內(nèi)積累的經(jīng)驗、技術、業(yè)務流程等轉(zhuǎn)化為結構化的行業(yè)專用知識，通過知識管理、知識檢索、知識問答與知識生成等核心能力，提升用戶決策質(zhì)量、優(yōu)化操作流程，最終將無形的知識資產(chǎn)轉(zhuǎn)化為有形的生產(chǎn)力。

2024無疑將是智能體元年，智能體也正在成為大模型落地的最佳途徑。

關于未來，趙天成博士透露了他的預判——

智能體的未來不是單打獨斗，而是大模型的組合拳，尤其是當多種類大模型協(xié)同作戰(zhàn)時，它們能釋放出遠超單一大語言模型的潛力。

智能體將打破傳統(tǒng)聊天機器人的界限，它們的應用形態(tài)將經(jīng)歷一場革新，變得更加多樣化和深入人類活動的各個方面。

隨著邊緣AI的興起，大模型將不再局限于大型服務器，它們將走向邊緣，被嵌入到眾多小型設備中，實現(xiàn)真正的無處不在。

審核編輯 黃宇