金磊發(fā)自WAIC量子位|公眾號QbitAI
有點意思,能讓香農(nóng)和圖靈又握上一次手的,竟然是一家央企。
他們倆握手是什么意思呢?
這兩位大師,一位定義了“信息”如何高效、準(zhǔn)確地傳遞,另一位則開啟了“智能”如何被創(chuàng)造和模擬的探索。
而二人的握手,則是信息技術(shù)和通信技術(shù)的一次融合。
例如當(dāng)你身處浩瀚的海洋之上,這里是傳統(tǒng)通信的“死亡地帶”,衛(wèi)星信號微弱且昂貴,別說視頻通話,連發(fā)一張清晰的圖片都可能要耗費半天。
然而現(xiàn)在,正因為他倆的“握手”,在海上流暢地打視頻電話已經(jīng)變成一種現(xiàn)實:
這背后,并非是電信公司發(fā)射了什么超級衛(wèi)星,或者鋪設(shè)了跨洋光纜。實際上,船員的手機與外界交換的數(shù)據(jù)量,僅僅是傳統(tǒng)視頻通話的百分之一,甚至千分之一。
這,就是由中國電信人工智能研究院(TeleAI)研發(fā)布局的智傳網(wǎng)(AIFlow),不是你以為的簡單數(shù)據(jù)傳輸,而是讓智能體之間互相連接,高效協(xié)作,突破單模型的性能極限,實現(xiàn)連接與交互的智能涌現(xiàn)!
技術(shù)一經(jīng)發(fā)布,可謂是驚呆了外國友人,有位網(wǎng)友給出了這樣的評價:
重大突破:一個可能重塑GenAI工作方式的AI框架。
那么智傳網(wǎng)到底是如何打破傳遞智能的“壁”的呢?
就在剛剛的WAIC中,中國電信集團(tuán)CTO、首席科學(xué)家、TeleAI院長李學(xué)龍用一個論壇的時間,從算力匱乏、數(shù)據(jù)稀缺、通信受限三個關(guān)鍵挑戰(zhàn)出發(fā),提出了智傳網(wǎng)三律(即信容律、同源律和集成律)來逐一擊破。
智傳網(wǎng)三律之“信容律”
智傳網(wǎng)的第一個基石,是信容律(LawofInformationCapacity)。
一千多年前,蘇軾在《題西林壁》中寫道:“橫看成嶺側(cè)成峰”。同一座廬山,觀察角度不同,形態(tài)便截然不同。
從智傳網(wǎng)角度來看,信息也是如此;它既可以是在信道中高速奔跑的比特流,也可以是潛藏在AI模型參數(shù)里的知識與規(guī)律。
信容律,正是揭示了這兩種形態(tài)之間轉(zhuǎn)換與度量的法則。
用一個更通俗的比喻:假設(shè)你和朋友各有一本一模一樣、內(nèi)容極其詳盡的“密碼本”(可以理解為兩個同源的AI模型)。
現(xiàn)在,你想告訴朋友一個復(fù)雜的故事,比如《大鬧天宮》。傳統(tǒng)方式下,你得把整個故事的文字(數(shù)據(jù))一字不差地吼給對方。如果環(huán)境嘈雜(帶寬低),信息很容易失真。
但有了“密碼本”,你只需喊出幾個“暗語”:“猴王出世”、“龍宮奪寶”、“大鬧天宮”(可以理解為生成指令)。朋友聽到這幾個指令后,翻開自己的密碼本,就能迅速、準(zhǔn)確地還原出整個宏大的故事。
在這個過程中,你們用“翻書查閱”這個動作(計算),極大地減少了需要“吼”出去的內(nèi)容(帶寬)。這就是“計算換帶寬”的核心思想。
信容律第一次在理論上打破了通信與計算的邊界,讓我們可以用統(tǒng)一的標(biāo)尺去度量它們。
現(xiàn)在再回頭看剛才我們提到的遠(yuǎn)洋視頻通話的例子。
船上的服務(wù)器和岸上的集群,都裝載了經(jīng)過“同源訓(xùn)練”的多模態(tài)大模型。通話時,兩者之間不再傳輸原始信息,而是傳輸模型提取的特征,這些特征可能是指令描述、背景結(jié)構(gòu)、運動信息,幾何參數(shù)等。這些特征通過微弱的衛(wèi)星信號傳到接收端,由多模態(tài)生成大模型根據(jù)這些特征,實時地“畫”出(生成)高清視頻畫面。
通信的過程,從“像素搬運”變成了“意義理解與藝術(shù)重建”。
智傳網(wǎng)憑借這項“生成式智能傳輸”技術(shù),在現(xiàn)有條件下,已經(jīng)成功將視頻通信的帶寬占用降低了一到兩個數(shù)量級。
這不僅是遠(yuǎn)洋通信的福音,未來高鐵上將不再有信號盲區(qū),飛機上依然可接入流暢的視頻會議,甚至在偏遠(yuǎn)的山區(qū),人們都有望享受到穩(wěn)定流暢的連接。
這,就是信容律的魔力。
智傳網(wǎng)三律之“同源律”
信容律的“密碼本”魔法雖好,卻引出了一個新問題:如果我的密碼本是本牛津詞典,而你的只是一本新華字典,那我們的溝通效率必然大打折扣。
換言之,如果云端是一個千億參數(shù)的超級大模型,而手機端只有一個十億參數(shù)的小模型,它們?nèi)绾胃咝f(xié)同?
這就引出了智傳網(wǎng)的第二個基石——同源律(LawofFamilialModel)。
蘇軾的詩又一次給出了精妙的啟示:“遠(yuǎn)近高低各不同”。從不同距離、不同高度看山,山呈現(xiàn)出不同的樣貌,但山的本質(zhì)不變。
同源律描述的,正是一個“家族式模型”體系。這個家族里,有體型龐大、無所不知的“祖父輩”大模型(部署在云端),也有身手敏捷、反應(yīng)迅速的“子孫輩”小模型(部署在手機、基站等邊緣設(shè)備上)。
它們雖然大小、能力各不相同,但源于同一個核心技術(shù)和訓(xùn)練過程,擁有相同的“血脈”或“DNA”。小模型完美地繼承了大模型的世界觀和知識結(jié)構(gòu),只是在具體應(yīng)用上做了輕量化適配。
這就像一個可以自由伸縮的“如意卷尺”。面對小任務(wù),它能收縮成便攜的小尺寸,在端側(cè)快速響應(yīng);面對復(fù)雜任務(wù),它又能延展成巨大的尺度,調(diào)用云端力量進(jìn)行深度推理。
我們來看一個實際應(yīng)用:新一代的AI手機助手。
可以明顯看到,即便部署在手機端的小模型(假如1.5B),也能針對咳嗽這種細(xì)節(jié)做到敏銳捕捉。
這就是同源律發(fā)揮的作用,小模型不會把原始問題原封不動地扔給云端,而是將自己的初步思考結(jié)果打包成一個“中間推理結(jié)果”,傳遞給部署在基站或云端的“大哥”——一個7B甚至32B的同源大模型。
大模型在這個高度濃縮的中間結(jié)果上繼續(xù)“接力推理”,它能調(diào)動更龐大的知識庫,進(jìn)行更復(fù)雜的分析,最終生成一份完美的方案,再返回給你的手機。
這種方式也能衍生出像剛才視頻中展現(xiàn)的“超語義語音學(xué)”的能力,不僅聽懂你說了什么,還能從你的語氣、停頓中,理解你“聲音背后的情緒”,讓冰冷的AI變得有溫度。
不同大小的家族模型可以根據(jù)資源需求,部署在端邊云架構(gòu)的不同節(jié)點上協(xié)同工作,讓智能突破單個設(shè)備的限制,讓大模型基于小模型的輸出接力推理,在性能和效率間達(dá)到最優(yōu)。
同源律揭示了大小模型間的合作效率,指導(dǎo)了家族式模型的訓(xùn)練。
智傳網(wǎng)三律之“集成律”
有了高效的連接方式(信容律)和可伸縮的智能單元(同源律),智傳網(wǎng)的終極圖景——構(gòu)建一個龐大的、能夠自我進(jìn)化的群體智能——便有了實現(xiàn)的可能。
這最后一步,由集成律(LawofMulti-modelCollaboration)來定義。這次,蘇軾的詩句是:“不識廬山真面目,只緣身在此山中”。
單個智能體的視角終究是有限的,只有跳出個體,將無數(shù)智能體連接、交互、協(xié)同,才能窺見一個前所未有的、更宏大的智能全貌。這種由連接而產(chǎn)生的“智能涌現(xiàn)”,正是集成律的核心。
智能體成員的能力越是多樣、越是互補,協(xié)同產(chǎn)生的“1+1>2”的效果就越顯著。一個由視覺專家、策略專家、生成專家組成的AI團(tuán)隊,遠(yuǎn)比三個一模一樣的AI強大。
最關(guān)鍵的是,這套體系是“雙向進(jìn)化”的。云端大腦在解決難題中不斷變強,同時,它會立刻把新學(xué)會的本事、新總結(jié)的規(guī)律,同步給網(wǎng)絡(luò)中的每一個個人AI。
這意味著,一個AI的經(jīng)驗,瞬間就能變成所有AI的智慧。你的手機助手,每天都在悄悄地變得更聰明。
這種多智能體協(xié)同在反詐騙領(lǐng)域已經(jīng)展現(xiàn)出驚人的威力,讓我們來感受一下:
智聯(lián),已經(jīng)開啟新篇章
從信容律的“計算換帶寬”,到同源律的“大小模型心意相通”,再到集成律的“三級智能協(xié)同進(jìn)化”,智傳網(wǎng)為我們描繪了一幅激動人心的未來畫卷。
這不僅僅是通信技術(shù)的又一次迭代,它更像是為整個數(shù)字世界裝上了一個全新的“神經(jīng)系統(tǒng)”。這個系統(tǒng)的建立,其意義將是深遠(yuǎn)而廣泛的。
這正是我們邁向一個更高效、更便捷、更具想象力的智能社會的必由之路。
香農(nóng)與圖靈的這次“握手”,由中國電信人工智能研究院促成,發(fā)生在中國,這本身就極具象征意義。它預(yù)示著,在以AI和通信深度融合為標(biāo)志的新一輪技術(shù)浪潮中,我們正站在一個前所未有的歷史機遇點上。
智傳網(wǎng),流淌的不僅是數(shù)據(jù),更是智慧。而這股奔騰不息的智慧洪流,正將我們帶向一個充滿無限可能的未來。
[1]https://x.com/Rixhabh__/status/1943635929962512544[2]https://www.arxiv.org/abs/2506.12479
免責(zé)聲明:本文內(nèi)容由開放的智能模型自動生成,僅供參考。