快手前AI核心人物李岩创业,投身“大模型”赛道

  文周鑫雨邓咏仪

  编辑苏建勋杨轩

  又一名互联网技术大拿投身于 AI 赛道。

  36 氪从多个独立信源处获悉,快手前 MMU(Multimedia understanding,多媒体内容理解)负责人李岩在 2022 年下半年成立了 AI 公司“元石科技”,主要进行多模态大模型的研发。36 氪就上述信息向元石科技求证,得到了肯定的回复。

  毕业于中国科学院计算技术研究所的李岩,是工号在 75 上下的快手老员工,也是快手 AI 技术研发的核心人物。2015 年 11 月,在时任快手 CEO 的宿华的支持下,李岩组建了内部第一个深度学习部门 DL(Deep Learning)组,目标是构建算法模型对违法违规的视频内容进行识别。

  随着 AI 技术的积累,快手对视频内容理解产生了更多的需求。2016 年,李岩将团队的名字从 DL 组改为 MMU(Multimedia understanding,多媒体内容理解)组,在解决安全合规问题之外,涉猎语音、文字、图像等多种形式的算法模型研发。

  几名知情人士表示,李岩于 2021 在快手提出离职,并于 2022 年下半年成立了元石科技。这一次独立创业,李岩也找到了最为适用于内容理解的技术路径——多模态大模型

  所谓的多模态模型,指的基于文本、图像、视频、音频等多种模态数据进行学习训练的人工智能算法。简单而言,多模态模型就是一所 AI 综合院校,如百度即将发布的“文心一言”,就是基于多模态大模型“文心”训练而成的语言单模态模型。

  早在 2018 年,李岩就在公开场合强调了多模态技术的重要性。在 CNCC2018“高通量媒体内容理解论坛”上,李岩提到多模态内容理解对快手这样一家内容公司的战略意义:

  “视频是视觉、听觉、文本多种模态综合的信息形式,而用户的行为也是另外一种模态的数据,所以视频本身就是一个多模态的问题,再加上用户行为就更是一种更加复杂的多模态问题。所以多模态的研究对于快手来说,是非常重要的课题。”

  目前,国内企业的 AI 模型层竞争逐渐进入了白热化的阶段。前有百度、字节跳动等互联网大厂群雄逐鹿,后有创企利用各自的场景和数据优势竞相发力。

  今年 3 月初,模型层企业又迎来两位强大的竞争者。3 月 2 日,OpenAI 以 1000 tokens/$0.002(约等于 100 万个单词/18 元)的“白菜价”发布了 ChatGPT API。一天后,大股东微软在云计算平台 Azure 的全球版中正式上线了 Azure OpenAI 服务,支持企业级客户基于 OpenAI 的生成式 AI 模型进行场景创新和应用落地。

  这对于成立于风口的元石科技而言,定是一场检验 AI 技术和行业沉淀的硬战。