阶跃星辰CEO姜大昕：强化学习不是AI的尽头，下一步是自主学习，Agent将成超级应用

作者 | 梁昌均

编辑｜杨锦

“十年前，大家谈起通用人工智能（AGI），觉得这是一个遥不可及的梦想。但随着大模型的飞速进步，今天越来越多的人开始相信AGI在未来的几年就会成为现实。”2月21日下午，阶跃星辰创始人&CEO姜大昕在生态开放日上演讲时提到。

阶跃星辰是一家成立于2023年的大模型公司，由微软前全球副总裁、微软亚洲互联网工程研究院副院长姜大昕创办，此前获得上海国资、腾讯、五源资本、启明创投等投资，并位列六小龙之列。

姜大昕表示，阶跃在成立之初，就规划了实现AGI的路线图，包括模拟世界、探索世界和归纳世界三个阶段。

在模拟世界阶段，训练模型的主要范式是模仿学习，学习的主要目标是各种模态的表征，下一步是培养模型能够解决复杂问题的能力。人脑对复杂问题的解决是启动系统2的模式，通过问题拆解不断探索。

“如何让模型也能够学会这种探索的过程，学会慢思考，采用的方法就是强化学习。AlphaGo以及最近非常火热的DeepSeek，采用的就是强化学习的训练方法。”姜大昕提到。

不过，姜大昕认为，强化学习还不是AI的尽头，AI的下一个尽头是机器能够通过自主学习，主动发现物理规律。

对于最近爆火的DeepSeek，姜大昕认为，它开源了模型，为整个AI社区做出了了不起的贡献。“受到DeepSeek的感召，我们在近期发布了两款开源的多模态大模型。”

他提到的这两款模型是300亿参数的文生视频模型，以及1300亿参数的语音模型Step Audio。“我们希望通过这两款多模态大模型的的开源，助力开发者创建出更丰富多彩的应用出来。”

姜大昕还透露，阶跃正在研发推理模型Open-Reasoner-Zero，其方案相比DeepSeek-R1- Zero，效率可以达到25倍，并表示会开源实验结果、代码数据以及论文。

同时，阶跃还在研发视觉推理模型。姜大昕认为，视觉和文本一样，遇到复杂的问题，还是需要慢思考和思维链的能力，如何把强学习的方法能够引入视觉领域，实现慢思考，这是前沿的问题。

对于大模型的应用发展，姜大昕认为，随着Agent逐渐升温，已经成为海内外公认的AI超级应用。

他表示，Agent最重要的特点是能够自主帮助人类完成复杂的任务。所谓自主有两层含义，一个是自动，在执行任务的时候尽可能自动完成，减少或者无需人类的干预；一个是主动，Agent能够观察用户所处周围的环境，主动发起或者完成任务，而不是仅仅被动接受任务。

“为什么Agent会在眼下这个时间点突然变得火热，以至于很多人认为2025年将是Agent元年，我想这是因为Agent的爆发需要两个必要条件，一个是多模态的能力，一个是慢思考的能力，这两个能力在2024年的时候都实现了。”姜大昕说。

他进一步解释到，多模态的能力能够使Agent充分的理解和感知世界，更好的理解用户任务。除了多模态的能力，想要让任务的完成率或效率更高，还需要强大的推理，也就是慢思考的能力。

“现在机器的思考的能力还是比较弱，它只能思考几十秒钟，最多达到几分钟。”姜大昕认为，随着模型能力不断增强，机器思考的时间会变得越来越长，这意味着距离AGI的目标会越来越近。

同时，他认为未来会出现不同形态的Agent，未来每一台终端设备都会有一个Agent，它具备的能力会从简单任务、组合任务、复杂任务，升级到主动发起任务和最后的情感陪伴。

///全文完///

运营编辑｜李阳