文 | 周鑫雨 邓咏仪

编辑 | 苏建勋 杨轩

又一名互联网技术大拿投身于AI赛道。

(资料图片)

36氪从多个独立信源处获悉，快手前MMU（Multimedia understanding，多媒体内容理解）负责人李岩在2022年下半年成立了AI公司“元石科技”，主要进行多模态大模型的研发。36氪就上述信息向元石科技求证，得到了肯定的回复。

毕业于中国科学院计算技术研究所的李岩，是工号在75上下的快手老员工，也是快手AI技术研发的核心人物。2015年11月，在时任快手CEO的宿华的支持下，李岩组建了内部第一个深度学习部门DL（Deep Learning）组，目标是构建算法模型对违法违规的视频内容进行识别。

随着AI技术的积累，快手对视频内容理解产生了更多的需求。2016年，李岩将团队的名字从DL组改为MMU（Multimedia understanding，多媒体内容理解）组，在解决安全合规问题之外，涉猎语音、文字、图像等多种形式的算法模型研发。

几名知情人士表示，李岩于2021在快手提出离职，并于2022年下半年成立了元石科技。这一次独立创业，李岩也找到了最为适用于内容理解的技术路径——多模态大模型。

所谓的多模态模型，指的基于文本、图像、视频、音频等多种模态数据进行学习训练的人工智能算法。简单而言，多模态模型就是一所AI综合院校，如百度即将发布的“文心一言”，就是基于多模态大模型“文心”训练而成的语言单模态模型。

早在2018年，李岩就在公开场合强调了多模态技术的重要性。在CNCC2018“高通量媒体内容理解论坛”上，李岩提到多模态内容理解对快手这样一家内容公司的战略意义：

“视频是视觉、听觉、文本多种模态综合的信息形式，而用户的行为也是另外一种模态的数据，所以视频本身就是一个多模态的问题，再加上用户行为就更是一种更加复杂的多模态问题。所以多模态的研究对于快手来说，是非常重要的课题。”

目前，国内企业的AI模型层竞争逐渐进入了白热化的阶段。前有百度、字节跳动等互联网大厂群雄逐鹿，后有创企利用各自的场景和数据优势竞相发力。

今年3月初，模型层企业又迎来两位强大的竞争者。3月2日，OpenAI以1000 tokens/$0.002（约等于100万个单词/18元）的“白菜价”发布了ChatGPT API。一天后，大股东微软在云计算平台Azure的全球版中正式上线了Azure OpenAI服务，支持企业级客户基于OpenAI的生成式AI模型进行场景创新和应用落地。

这对于成立于风口的元石科技而言，定是一场检验AI技术和行业沉淀的硬战。

36kr制图

36kr制图