史丹佛20億參數端測多模態AI Agent模型大升級，手機汽車機器人都能用

全球首个超小型多模态AI Agent模型Octopus V3，来自斯坦福大学的NEXA AI团队，让Agent更加智能、快速、能耗及成本降低。

今年四月份初，NEXA AI推出了备受瞩目的Octopus V2，该模型在函数调用性能上超越了GPT-4，减少了95%的推理时所需的文本量，为端侧AI应用带来了新的可能性。其专利性核心技术“functional token”通过创新的函数调用方式显著减少推理时所需的文本长度。

这种方法使得模型能够在只有20亿参数的情况下实现高效训练，并在精度和延迟方面超越了GPT-4，适应了各种端设备的部署需求。

自Octopus V2在LLM社区发布以来，受到了广泛关注，吸引了大量人工智能领域专家和研究者的赞赏，如Hugging Face的CTO Julien Chaumond、知名AI新闻通讯AI的创始人Rowan Cheung以及Figure AI的创始人Brett Adcock、OPPO边缘人工智能团队负责人Manoj Kumar等。他们被誉为“开创了端侧AI技术新纪元”。

在知名开源AI平台Hugging Face上，Octopus V2下载量已经超过12000次。

在不到一个月的时间里，NEXA AI团队发布下一代多模态AI Agent模型Octopus V3，展现进一步突破：具有图像处理和多语言文本处理能力，为智能手机等端侧设备真正走向AI时代铺平了道路。

首个参数量小于10亿的多模态AI Agent模型

Octopus V3不仅拥有多模式能力，在函数调用性能上远超同类模型，可媲美GPT-4V GPT4；而模型参数量不达10亿，具有多语言能力。

也就是说，相比传统的大型语言模型，它体积更小，能耗更低，能够更加轻松地在各种小型端设备上运行，比如树莓派，并做到高速且准确的函数调用。

这意味着，未来AI Agent能够广泛应用于智能手机、AR/VR、机器人、智能汽车等端侧设备，为用户交互体验更加流畅、智能。

另一方面，由于V3具有多模态处理能力，可同时处理文本和图像输入，再加上多语言能力，也将让用户体验更加丰富。

例如，在Instacart购物应用中，用户可以通过一张菠萝的图片及简单的对话指令，让AI Agent自动为他们搜索商品，提高了效率和用户的体验。

再比如，在发送邮件等场景中，Octopus V3可以根据一张具有文字的图像，自动提取信息并填写邮件内容，为用户提供更加智能、便捷的服务。

从软件交互到智能汽车，端侧AI潜力巨大

基于这些特性，Octopus V2及V3的应用场景丰富多样，具有广泛的应用前景。

除上文提到的手机场景，当Octopus V2应用在智能汽车上时，也能带来新的交互体验。目前的语音助手往往难以帮助车主完成较为复杂的任务，如在驾驶途中临时改变目的地、加入额外停靠点等。应用Octopus V3后，AI助手能够基于较为模糊简单的指令快速、精准地完成相应任务。

结合V2、V3的能力，从信息检索、到基于指令完成设计，用户可以在虚拟场景下获得流畅的AI体验：在一个社区用户的VR场景demo中，输入简单的语音指令后，AI Agent能够帮助用户快速完成一个客厅设计，在弹指间替换沙发、改变颜色灯光等。在用户输入旅行指令后，用户快速来到了日本，而AI Agent同样可以在简单的对话式交流中帮助用户搜索相应景点，提供丰富的信息。

數據顯示，全球大型語言模型市場規模正在快速成長。 Granview Research報告顯示，全球大型語言模型市場規模估計為43.5億美元，並預計從2024年到2030年的複合年增長率為35.9%。同樣，邊緣人工智慧市場也呈現出蓬勃發展的勢頭——預計從2023年到2030年，全球邊緣人工智慧市場的複合年增長率為21.0%，到2030年將達到664.78億美元。

NEXA AI團隊由史丹佛大學的傑出研究人員創立。

創辦人兼首席科學家Alex Chen（陳偉）正在攻讀史丹佛大學的博士學位，擁有豐富的人工智慧研究經驗，並且曾擔任斯坦福華人創業協會（Stanford Chinese Entrepreneurs Organization）的主席。

聯合創始人兼首席技術長Zack Li（李志遠）#也是史丹佛大學的畢業生，並在Google和Amazon Lab126實驗室擁有4年端側AI的第一線研發經驗，同樣曾經擔任史丹佛華人創業協會的主席。

史丹佛大學副教授、史丹佛科技創業計畫副主任Charles (Chuck) Eesley擔任顧問，為團隊提供指導與支持。

△左：李志遠；右：陳偉

目前，NEXA AI的獨創性技術已申請專利保護。

NEXA AI的創始團隊表示，他們將繼續致力於推動端側AI技術的發展，透過開源模型提升其創新技術的影響力，為用戶創造更聰明、高效的未來生活。

論文網址：https://arxiv.org/abs/2404.11459

以上是史丹佛20億參數端測多模態AI Agent模型大升級，手機汽車機器人都能用的詳細內容。更多資訊請關注PHP中文網其他相關文章！