大模型再添一玩家。近日，闪马智能依托ATOM AI生产力平台，公布感知大模型SupreMeta。“大模型存在的意义一定是需要应用到实际场景中，为人们解决问题，赋能社会发展。”闪马智能创始人、董事长兼CEO彭垚表示。

据闪马智能方面介绍，其核心能力在于“视频智能分析”，ATOM AI生产力平台，构建了从标注到训练到测试到落地的全链路自动生产体系，将进一步降低用户使用和管理门槛，实现资源化整为零、有效复用。

彭垚谈到，团队们从2017年就开始探索做一套深度学习大平台，那时候主要是解决互联网海量的视频分析，由于视频量非常大，不可能靠人工处理数据，而随着技术的发展，一步一步积累了分布式跨云的计算能力，并于2021年推出了基于Transformer的大模型框架，2023年在大模型训练并发处理方面做了深度优化，如今，闪马智能把城市中的视频、传感器、数据通过VisonMind的平台做分析，对各行业做深度分析和应用，这些运用会产生丰富的数据，数据又回到ATOM AI生产力平台产生模型。

“城市中有非常多的公用摄像头视频，互联网每天都在产生巨量的视频数据，怎么把这些视频用好？”彭垚说，从最早的模式识别特征提取到如今开始研究预训练模型，大模型的产生会产生翻天覆地的变化，但也面临一些挑战，即大模型训练过程中高性能算力的稀缺问题和怎么更科学使用有效算力。

他提到，首先，目前算力比较紧缺，在整个训练大模型和人工智能训练模型过程中有非常多的工作量，还有很多系统运行过程中经常会出现的问题，会把整个研究算法、研究过程打乱，“有时候我们的算法工程师没法真正研究算法，而是花费很多时间用在数据工作上”。

其次是研究机构、高校或者AI公司沉淀还不够。彭垚指出，高校学生毕业后再来一个学生又要重新开始，算法应该留在一个平台上，算法本身也会被AI取代，因此需要搭建一个自动化框架，能够实现更自主化、自动化的训练，平台算法研究可以沉淀下来，每次的实验数据都呈现在平台上，这对整个研发机构更有价值。

再次就是算力的持有者，怎么把更多的算力更有效的组织起来运行大模型。

彭垚表示，ATOM AI生产力平台的作用就包括将算力资源科学有效地流通和利用，发挥更大价值。

ATOM AI 生产力平台覆盖了一整套完整的、闭环的生产流程，能实现“从0到1”上线智能产品。包括从数据收集、数据标注、模型调试到自动训练、模型验证、产品集成再到测试发布、产品运行。

ATOM AI 生产力平台上线至今，已经产出了海量的算法模型，成为千余位算法科学家的工具，服务了数十所高校师生。

“模型真正能在某个专业领域发挥作用，大规模预训练只是第一步，我们不会停下探索的脚步。”彭垚说，会持续累积高质量数据，配合产出与数据量匹配的大模型，完成模型进化和各个域的迁移学习，此外还会继续探索多模态。