大模型再添一玩家。近日，閃馬智能依托ATOM AI生產力平臺，公布感知大模型SupreMeta。“大模型存在的意義一定是需要應用到實際場景中，為人們解決問題，賦能社會發展。”閃馬智能創始人、董事長兼CEO彭垚表示。

據閃馬智能方面介紹，其核心能力在于“視頻智能分析”，ATOM AI生產力平臺，構建了從標注到訓練到測試到落地的全鏈路自動生產體系，將進一步降低用戶使用和管理門檻，實現資源化整為零、有效復用。

彭垚談到，團隊們從2017年就開始探索做一套深度學習大平臺，那時候主要是解決互聯網海量的視頻分析，由于視頻量非常大，不可能靠人工處理數據，而隨著技術的發展，一步一步積累了分布式跨云的計算能力，并于2021年推出了基于Transformer的大模型框架，2023年在大模型訓練并發處理方面做了深度優化，如今，閃馬智能把城市中的視頻、傳感器、數據通過VisonMind的平臺做分析，對各行業做深度分析和應用，這些運用會產生豐富的數據，數據又回到ATOM AI生產力平臺產生模型。

“城市中有非常多的公用攝像頭視頻，互聯網每天都在產生巨量的視頻數據，怎么把這些視頻用好？”彭垚說，從最早的模式識別特征提取到如今開始研究預訓練模型，大模型的產生會產生翻天覆地的變化，但也面臨一些挑戰，即大模型訓練過程中高性能算力的稀缺問題和怎么更科學使用有效算力。

他提到，首先，目前算力比較緊缺，在整個訓練大模型和人工智能訓練模型過程中有非常多的工作量，還有很多系統運行過程中經常會出現的問題，會把整個研究算法、研究過程打亂，“有時候我們的算法工程師沒法真正研究算法，而是花費很多時間用在數據工作上”。

其次是研究機構、高校或者AI公司沉淀還不夠。彭垚指出，高校學生畢業后再來一個學生又要重新開始，算法應該留在一個平臺上，算法本身也會被AI取代，因此需要搭建一個自動化框架，能夠實現更自主化、自動化的訓練，平臺算法研究可以沉淀下來，每次的實驗數據都呈現在平臺上，這對整個研發機構更有價值。

再次就是算力的持有者，怎么把更多的算力更有效的組織起來運行大模型。

彭垚表示，ATOM AI生產力平臺的作用就包括將算力資源科學有效地流通和利用，發揮更大價值。

ATOM AI 生產力平臺覆蓋了一整套完整的、閉環的生產流程，能實現“從0到1”上線智能產品。包括從數據收集、數據標注、模型調試到自動訓練、模型驗證、產品集成再到測試發布、產品運行。

ATOM AI 生產力平臺上線至今，已經產出了海量的算法模型，成為千余位算法科學家的工具，服務了數十所高校師生。

“模型真正能在某個專業領域發揮作用，大規模預訓練只是第一步，我們不會停下探索的腳步。”彭垚說，會持續累積高質量數據，配合產出與數據量匹配的大模型，完成模型進化和各個域的遷移學習，此外還會繼續探索多模態。