跃问(阶跃AI)

搜索文档
六小龙留不住字节大神
投中网· 2025-06-20 15:58
字节系高管在AI行业的流动 - 前字节皮皮虾负责人张心皓调离核心岗位,转为顾问虚职 [4][5] - 前今日头条用户产品负责人张前川改任MiniMax产品顾问 [5] - 前字节剪映产品经理明超平从月之暗面离职创业 [6] - 近两年已有超20位字节系高管投身AI创业 [14] AI四小强战略调整 - 从模型和应用双轮驱动转向技术优先策略 [6][27] - 月之暗面停止投流并确立技术优先目标 [27] - MiniMax将重点从商业化转向技术迭代 [27] - 智谱AI将训练下一代基座模型作为最高优先级 [27] - 阶跃星辰重申追求AGI的决心 [27] AI行业竞争格局变化 - AI六小龙缩减为四小强(智谱AI/MiniMax/月之暗面/阶跃星辰) [6] - DeepSeek崛起引发技术优先的行业转向 [26] - OpenAI计划夏季发布GPT-5 [36] - DeepSeek预计7月发布V4模型 [37] - MiniMax发布支持100万token的M1推理模型 [34] AI应用领域发展 - AI编程成为热门赛道,Cursor估值达200亿美元 [16][17] - 明超平创业公司新言意码瞄准AI Coding领域 [15] - 2024年主流玩家推出比肩GPT-3.5/4的模型 [22] - Kimi曾采取激进投流策略追求Super App路径 [24]
六小龙留不住字节大神
36氪· 2025-06-19 15:59
字节系高管在AI行业的流动 - 前字节皮皮虾负责人张心皓调离阶跃星辰核心岗位,转为顾问虚职 [1] - 前今日头条用户产品负责人张前川以类似方式在MiniMax转为顾问 [1] - 前字节剪映产品经理明超平从月之暗面离职创业 [1] - 近两年已有超20位字节系高管投身AI创业,包括前抖音产品负责人任利锋创办数美万物等 [8] AI六小龙到四小强的格局演变 - 原AI六小龙因零一万物放弃AGI、百川智能专注医疗,缩减为智谱AI、MiniMax、月之暗面和阶跃星辰四家 [1] - 四小强策略从模型应用双轮驱动转为技术优先,导致字节系产品人才被边缘化 [2][12] - DeepSeek技术创新和科技大厂饱和式投入迫使四小强调整战略 [2] 字节跳动的产品基因与人才输出 - 字节凭借今日头条、抖音等超级APP成为"APP工厂",培养大批产品人才 [5] - 在AI时代仍保持产品力,推出豆包、即梦等头部应用 [7] - 移动互联网触顶导致字节内部人才冗余,加速高管出走创业 [7] AI应用领域的最新动态 - 明超平创办新言意码瞄准AI编程应用,对标估值200亿美元的Cursor [9][10] - Cursor近期获9亿美元融资,估值90亿美元,潜在新融资或使估值翻番至200亿 [11] 大模型行业竞争态势 - 四小强面临DeepSeek技术突破和融资环境恶化的双重压力 [15][16] - 月之暗面停止投流、MiniMax转向技术迭代、智谱专注基座模型 [16] - OpenAI将发布GPT-5,DeepSeek或推V4模型,引发新一轮性能竞赛 [19]
姜大昕走“窄门”
36氪· 2025-06-12 18:11
公司动态 - 阶跃星辰Tech Fellow段楠离职并加入京东探索研究院担任视觉与多模态实验室负责人 [1] - 公司于2023年4月成立 被称为"多模态卷王" Step系列基座模型研发速度快 [5] - 2024年7月发布Step-2万亿参数语言大模型正式版 Step-1.5V多模态模型 Step-1X图像生成大模型 [5] - 2025年1月一周内发布6款模型 包括推理模型 [5] - 2025年4月30日发布Step-1o-Vision-32k (highres)视觉大模型 [11] 产品调整 - 2024年12月停止大范围投入角色扮演类Agent产品"冒泡鸭" 团队合并至对话产品"跃问"(现更名为"阶跃AI") [1] - 产品策略从早期探索转向聚焦Agent方向 计划在汽车 手机 具身智能 IoT等场景布局 [17] - 与OPPO合作提供"一键全能搜" "一键问屏"服务 与吉利汽车探索"AI+车"场景 与智元机器人合作探索AI+具身机器人 [17][18] 技术路线 - 选择开发端到端的原生多模态大模型 不同于OpenAI式的逐步添加模态的路径 [15] - 认为多模态是实现AGI的必经之路 坚持原生多模理念 [5][21] - 批评Sora技术路线 认为大模型发展主线应是理解生成一体化 [15] - 视觉大模型Step-1o-Vision-32k在chatBot Arena细分榜单排名21位 [11] 市场表现 - 阶跃AI未进入月活TOP15的AI原生APP榜 推测月活不足300万 [6] - 在chatBot Arena总榜未上榜 在六小龙中落后于DeepSeek 零一万物 智谱 [9][10] - 市场投入谨慎 相比Kimi MiniMax等公司投流力度较小 [8] - 开发者认知度较低 被视为大模型调用备选项 [14] 融资与竞争 - 融资规模在AI六小龙中不是最多 单轮融资额也不是最高 [13] - 面临来自科技巨头(腾讯 阿里 字节)和其他创企(Kimi MiniMax 智谱)的激烈竞争 [25] - 2025年国内大模型融资几乎停滞 需要向投资人证明技术路线可行性 [26][28] 团队与挑战 - 创始人姜大昕曾任微软全球副总裁 主导过Bing Azure Microsoft 365等产品的自然语言理解系统 [13] - 视频模型团队部分核心成员跟随段楠加入京东 [1] - 技术路线激进但难度大 需要突破原生多模态模型的技术瓶颈 [15][17] - 缺乏独特市场标签 相比竞品存在感较弱 [4][22]
“多模态卷王”收缩C端业务!大模型“六小虎”战略聚焦谋出路
证券时报网· 2025-06-04 19:14
阶跃星辰业务调整 - 阶跃星辰收缩C端业务,停运角色扮演类智能体产品"冒泡鸭",重心转向终端Agent(智能体)[1] - "冒泡鸭"从2023年12月起已停止大范围投流,团队合并至"阶跃AI"产品团队[1] - 公司C端业务调整是大模型创业企业在DeepSeek和互联网大厂竞争下重新定位的缩影[1] 阶跃星辰公司背景 - 阶跃星辰成立于2023年4月,创始人兼CEO是微软前全球副总裁姜大昕[2] - 公司2024年3月首次公开亮相,发布万亿参数大语言模型Step-2[2] - 专注于多模态领域,已发布22款自研基座模型,涵盖文字、图像、视频、语音、音乐和推理等领域[2] - 被业内称为"多模态卷王",与智谱AI并称基座大模型的"南北双雄"[2] 阶跃星辰业务转型 - 此前采用"模型+应用"两条腿走路策略,推出C端应用"跃问"和"冒泡鸭"[3] - 受DeepSeek影响,重新思考增长路径,认为投流逻辑在AI时代不完全成立[4] - 将资源重心从C端转向多模态大模型研发和终端Agent方向[4] - 2024年2月宣布与吉利汽车集团、OPPO、智元机器人等头部企业合作,推动AI在手机、汽车、具身智能等终端应用[5] 大模型行业竞争格局 - "六小虎"包括智谱AI、MiniMax、月之暗面、阶跃星辰、百川智能和零一万物[6] - 2024年下半年以来,除智谱AI和阶跃星辰外,其余几家无新融资消息[6] - 零一万物和百川智能已放弃基座大模型训练,分别押注AI行业落地和AI医疗[6] - MiniMax专注C端视频生成海外市场,智谱AI布局政企合作并启动IPO,月之暗面Kimi在C端竞争中逐渐落后[6] 行业发展趋势 - 大厂进入和DeepSeek冲击促使大模型创业公司重新定位[7] - 行业面临模型迭代快、C端用户忠诚度低、B端盈利难等挑战[7] - 融资环境趋紧,创业公司需在有限时间内争取更大生存空间[7]
「阶跃星辰」的一次豪赌
36氪· 2025-05-12 08:27
公司战略与定位 - 阶跃星辰专注于多模态技术研发,认为多模态是实现AGI的必经之路,并将大部分资源投入该领域[4][8] - 公司采取差异化竞争策略,未参与应用投流热潮,仅试水To C应用,保持低调但技术领先的身位[2][3] - 技术路线选择"难上加难"的理解生成一体化原生多模方向,从成立之初即定为主线[5][14] 技术布局与成果 - 成立两年发布22款自研基座模型,其中16款为多模态模型,占比超70%,覆盖文字、语音、图像等六大模态[4] - 多模态技术处于早期探索阶段,类比语言模型相当于GPT-1.0前的Transformer时期,需解决模态融合不降智的难题[5][18] - 重点布局两大技术趋势:预训练模型+强化学习提升推理能力,以及视觉领域理解生成一体化[10][14] - 组建多支技术路线并行团队,采取"并发突破"策略应对技术不确定性[7] 产品与商业化路径 - 2025年将产品"跃问"更名为"阶跃 AI",实现从类ChatGPT产品向Agent能力转型[22] - 选择智能终端Agent为主攻方向,与Oppo、吉利汽车等头部企业合作落地手机、汽车、机器人场景[23][24] - 商业化逻辑强调模型突破先于应用爆发,通过绑定行业头部公司获取场景和数据,暂不直接ToC[20][24] - 认为AI产品流量增长不依赖传统投流模式,以DeepSeek为例验证技术驱动增长路径[19] 行业趋势判断 - 多模态与Agent成为2025年两大关键词,Agent爆发依赖多模态能力和慢思考能力的突破[6][23] - 技术演进路线从单模态到多模态,再到理解生成一体化,最终延伸至AI for Science[9][18] - 视觉领域尚未解决predict next frame难题,因模态复杂度远超语言(图片数据达百万维连续空间)[17] - 行业技术发展仍处陡峭增长期,基础模型研发决定应用上限,应用场景反哺模型迭代[22]