五年磨一剑:阿里达摩院重磅推出AI模型社区「魔搭」,300+模型全面开源

本文涉及的产品
交互式建模 PAI-DSW,每月250计算时 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
模型训练 PAI-DLC,100CU*H 3个月
简介: 五年磨一剑:阿里达摩院重磅推出AI模型社区「魔搭」,300+模型全面开源

【新智元导读】刚刚,阿里达摩院重磅推出 AI 模型社区「魔搭」。首批开源模型超过 300 个,包括 150 多个 SOTA 模型和 10 多个大模型,其中超过 1/3 为中文模型。共覆盖视觉、语音、自然语言处理、多模态等超过 60 个主流任务。


2012 年,深度学习掀起第三次 AI 浪潮,随后 2016 年,AlphaGo 第一次战胜人类围棋选手,持续引爆 AI 发展浪潮,吸引众多开发者投身其中。

然而开发者很快发现, AI 从研发到落地部署门槛较高,需投入巨额成本,不仅要有大量数据来训练模型、优化算法,还要复杂的安装和部署。如何降低研发和应用的门槛,实现 AI 普惠?如何面向各行各业不同的应用场景,便于开发者快速定制 AI 解决方案?

对此,作为业内顶尖的 AI 研究机构,阿里达摩院在成立五年之际做出重大举动。

11 月 3 日,达摩院联手中国计算机学会(CCF)开源发展委员会重磅推出AI 模型社区魔搭 ModelScope,首批合作方还包括澜舟科技、智谱AI、深势科技、中国科学技术大学等多家科研机构,旨在打造下一代开源的模型即服务共享平台,致力降低 AI 应用门槛。

CSDN 创始人&董事长,极客帮创投创始合伙人蒋涛与阿里巴巴集团资深副总裁、阿里达摩院副院长周靖人,从魔搭社区的发展历程出发,共同探讨如何让 AI 更好地服务广大开发者,推进中国 AI 行业的发展。

破解 AI 应用难题,「让天下没有难用的AI 模型」


蒋涛:今天很高兴和周老师聊聊魔搭社区的发展历程。为什么达摩院要牵头推出魔搭社区?周靖人:近年来,AI 模型更新迭代速度飞快,与之相比,AI 应用速度存在一些滞后性。我们观察到,AI 产业化应用面临以下挑战:一是 AI 模型开发门槛高。AI 模型的复杂性越来越高,预训练模型尤其是大模型的研发门槛高,例如 Transformer 架构和 Diffusion Model 等训练起来并不容易,需要大量数据和算力的配合,因此当前只有大公司和研究机构才能对 AI 大模型进行研发和创新。二是简单的 AI 模型难以覆盖各行各业的 AI 应用需求面对新场景时,往往需要进行二次开发或优化,否则许多模型难以适配到特定环境应用中,AI 模型定制化门槛较高。三是模型训练、推理、安装部署等较为复杂,使用门槛较高。四是缺乏 AI 模型开发和使用交流分享的平台。当开发者遇到相关问题后,无法找到对应的模型服务,也找不到人来解答他的问题。针对以上痛点,达摩院提出了新概念「模型即服务」(Model as a Service)。其背后逻辑是把 AI 模型当作生产的重要元素,从模型预训练到二次调优,最后到模型部署,围绕模型的生命周期来提供相应的服务。为实现「模型即服务」理念,需从以下两点出发:一是提供模型仓库,收集模型,提供优质数据,还可针对业务场景调优。模型使用和算力需结合在一起,并提供快速体验模型,让广大开发者无需写代码就能快速体验模型的效果。二是提供抽象接口或 API 接口,以便开发者针对模型进行二次开发。当面对具体应用场景时,提供少样本或者零样本的方式便于开发者对模型做二次优化,真正让模型应用到不同的场景中。只有做到以上两点,才能真正实现 AI for Everyone。无论是 AI 兴趣爱好者,还是使用者、开发者、研究者,「模型即服务」理念均能承载不同人群对AI 的诉求,进一步落地 AI 应用。基于「模型即服务」理念,达摩院牵头推出魔搭社区 ModelScope。社区首批上架超 300 个模型,其中中文模型超过 100 个,覆盖了视觉、语音、自然语言处理、多模态等 AI 主要领域,覆盖主流任务超过 60 个。包括150多个 SOTA 模型和十多个大模型,均全面开源并开放使用。开发者可在社区找到目标模型,进入到模型卡,了解该模型细节,查看演示代码,进行模型调优等操作。社区提供了丰富的数据集,帮助大家快速上手使用模型。社区基于这些能力,从多维度帮助开发者解决实际在模型使用和开发遇到的难题,推动 AI 应用发展。蒋涛:达摩院投入了多少资源来打造魔搭社区?周靖人:自达摩院成立五年以来,在 AI 领域进行大量研究和探索,产出了一批重要的 AI 模型,涵盖语音、视觉、自然语言处理、多模态等,用于诸多行业。如今,达摩院毫无保留地将这些 AI 模型和能力贡献到魔搭社区,全力推动社区发展。然而光靠达摩院的力量并不足以丰富社区生态,因此我们携手合作伙伴在魔搭上开放众多优质模型,如澜舟科技的孟子系列模型,深势科技的蛋白质结构预测模型 Uni-Fold,智谱 AI 的多语言预训练模型等。我们非常高兴得到众多中国AI研究机构和研究人员的支持,包括CCF开源发展委员会的支持,大家纷纷贡献出自己的优质模型,共同来打造模型即服务的新型AI开源社区。蒋涛:达摩院倾力打造魔搭社区,其目标和愿景是什么?周靖人:通过魔搭社区,真正让 AI 开发变得更简单,实现 AI 应用的百花齐放。让更多开发者加入 AI 开发中来,将 AI 模型应用渗透到行行业业,将我国智能化开发推上新台阶。我们明白这是一个艰巨的任务,需要长期坚持走下去,因此期待携手更多合作伙伴和开发者共同参与建设魔搭社区。应该说,魔搭社区的发布,只是一个起点,远远算不上里程碑。蒋涛:以前阿里的 Slogon 是「让天下没有难做的生意」,通过魔搭社区的发布,我们看到另一种可能「让天下没有难用的 AI 模型」。

关注本土化需求,推动中国智能化发展


蒋涛:我们观察到魔搭似乎与国外 Huggingface 平台的发展路径相近,均是将模型开源,为开发者提供开放开源平台。与之相比,魔搭有哪些不同之处?

周靖人:Huggingface 从明星项目 Transformer 库入手,随后构建平台让用户可以托管相关的机器学习模型和数据集,还可共享、协作与投入生产应用,目前在国外生态蓬勃发展。

在国内,魔搭社区适逢其时,填补 AI 模型应用服务的空白,建设 AI 开发者生态。达摩院作为启动者,将这五年来所积累的最优模型毫无保留地开放开源给大家,目的为了推进中国 AI 模型社区的发展。从模型类型来看,不光有Transformer,还有Diffusion等多种架构的模型。更重要的是,魔搭更关注本土需求,提供大量中文模型,第一批提供的中文 AI 模型已超过 100 个,覆盖自然语言处理、语音等常用任务,还提供上述提到的阿里通义大模型系列、澜舟科技的孟子系列模型等优质中文大模型。

社区希望帮助中国开发者降低 AI 模型使用难度,降低模型的使用门槛。将传统软件开发者升级为 AI 开发者,让他们把 AI 模型集成到实际开发应用中。在智能化时代,每个开发者都将成为 AI 开发者,未来期待和中国开发者共建模型生态。

蒋涛:聊到帮助开发者降低 AI 使用门槛,能否聊聊魔搭所提供的能力与 AutoML 有哪些差异?

周靖人:这两者从不同的角度降低 AI 使用门槛。AutoML 包括自动选择模型、特征集合、模型超参数,自动搜索和裁剪模型结构等等。但是开发者仍然需要准备丰富的训练数据,初始的模型集合,也需要充足的算力来支持。

魔搭一方面提供训练好的模型,方便开发者快速集成到他的业务开发中去。另一方面,伴随大模型的发展,越来越多的的工作可由大模型来实现,如将一个论坛里所有的文章重新学习,进行分类等,大量的基础工作可通过语言模型或者通过多模态的预训练模型完成,而后再针对网站文章进行调优,这样无需耗费大量机器成本,无需耗费大量的时间。

蒋涛:我们可以理解为,魔搭在深度学习和传统的机器学习上,提供更广泛的能力。

周靖人:是的。如今预训练大模型成本较高,属于技术含量较高的领域。以达摩院为例,预训练大模型可能需要上百张甚至上千张 GPU 卡,并耗费几个星期到一个月才能训练完一个大模型。

魔搭社区将这些大模型开源给大家下载,还可以进行二次训练。其实达摩院在研发这些大模型时,并不确定大模型的具体应用,没有提前预知到下游任务。大模型帮助开发者提取、抽象知识,通过下游调优,将下游目标精确化,从而快速形成针对行业的解决模型,解决实际应用问题。

蒋涛:使用魔搭社区来调优后,与开发者沿用传统的AI开发方式,是否有巨大的效率提升?

周靖人:具体案例要具体分析,有的案例是超过 1:9,即节省了 90% 的工作,当然也有 3:7。魔搭社区目前处于起步阶段,后续持续完善,希望开发者多多反馈,沟通交流,共同建设魔搭社区,长期以往,相信未来会提高上述比例,通过社区来解决更多 AI 模型开发难题,提升研发效率。

魔搭的下一步


蒋涛:开发者使用 AI 模型离不开云,魔搭社区与阿里云建立了哪些连接?

周靖人:AI 模型涉及大量的数据、算力,线下很难找到适合的机器来跑,AI 模型的开发和使用,越来越跟云资源紧紧联系起来。魔搭社区无缝对接阿里云两个重量级产品——机器学习平台 PAI 和弹性计算 ECS,为开发者提供一定的免费资源,助力大家尝试 AI 模型的开发。

大家登录到社区后,可关联阿里云账号后,在网站点击相应的按钮就能跳转到阿里的开发环境里,并集成了系列 SDK ,方便开发者快速下载和开发。

但要说明的是,魔搭社区的模型支持多样化的训练和部署方式,用户可自主选择,社区坚持开源开放、兼容并包,不做任何绑定。

蒋涛:当社区在国内建设有一些成果后,有可能会考虑发展海外社区建设吗?

周靖人:目前是面向中国开发者,致力弥补国家智能化生态建设的空白。随着中国人工智能技术产业的发展,未来魔搭平台也会走向海外,将 AI 模型能力普惠全球开发者。

点击阅读原文,立即体验魔搭社区 modelscope.cn

相关文章
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
115 8
|
8天前
|
人工智能 运维 安全
|
10天前
|
机器学习/深度学习 数据采集 人工智能
PyTorch学习实战:AI从数学基础到模型优化全流程精解
本文系统讲解人工智能、机器学习与深度学习的层级关系,涵盖PyTorch环境配置、张量操作、数据预处理、神经网络基础及模型训练全流程,结合数学原理与代码实践,深入浅出地介绍激活函数、反向传播等核心概念,助力快速入门深度学习。
57 1
|
10天前
|
人工智能 安全 API
HiMarket 正式开源,为企业落地开箱即用的 AI 开放平台
我们发起 HiMarket 的初心:帮助用户从 80% 开始构建 AI 开放平台。
|
10天前
|
人工智能
四大公益场景,20万奖金!AI开源公益创新挑战赛邀你一起「小有可为」
四大公益场景,20万奖金!AI开源公益创新挑战赛邀你一起「小有可为」
73 8
|
10天前
|
人工智能 Java 开发者
阿里出手!Java 开发者狂喜!开源 AI Agent 框架 JManus 来了,初次见面就心动~
JManus是阿里开源的Java版OpenManus,基于Spring AI Alibaba框架,助力Java开发者便捷应用AI技术。支持多Agent框架、网页配置、MCP协议及PLAN-ACT模式,可集成多模型,适配阿里云百炼平台与本地ollama。提供Docker与源码部署方式,具备无限上下文处理能力,适用于复杂AI场景。当前仍在完善模型配置等功能,欢迎参与开源共建。
354 1
阿里出手!Java 开发者狂喜!开源 AI Agent 框架 JManus 来了,初次见面就心动~
|
4天前
|
边缘计算 人工智能 算法
AI在智慧能源管理中的边缘计算应用
AI在智慧能源管理中的边缘计算应用
52 13
|
4天前
|
人工智能 Cloud Native 中间件
划重点|云栖大会「AI 原生应用架构论坛」看点梳理
本场论坛将系统性阐述 AI 原生应用架构的新范式、演进趋势与技术突破,并分享来自真实生产环境下的一线实践经验与思考。
|
4天前
|
存储 人工智能 Serverless
函数计算进化之路:AI 应用运行时的状态剖析
AI应用正从“请求-响应”迈向“对话式智能体”,推动Serverless架构向“会话原生”演进。阿里云函数计算引领云上 AI 应用 Serverless 运行时技术创新,实现性能、隔离与成本平衡,开启Serverless AI新范式。
118 11

热门文章

最新文章