阶跃AI

阶跃AI：多模态AI领域的颠覆者与未来生态构建者

公司背景与行业地位

成立于2023年的上海阶跃星辰智能科技有限公司（简称“阶跃星辰”），凭借其全模态覆盖、基础模型自主研发的技术路线，在短短两年内迅速跻身“AI六小虎”（智谱AI、月之暗面、MiniMax等），成为国内多模态AI领域的标杆企业。注册资本2000万元人民币，团队聚集了微软前全球副总裁姜大昕、ResNet论文作者张祥雨等顶尖人才，核心技术人员占比近80%。截至2025年，公司已推出22款自研基座模型，覆盖语言、图像、视频、语音、推理等多模态场景，被业界称为“多模态卷王”。

技术突破：原生多模态与“慢感知”创新

阶跃AI的核心竞争力源于其对多模态理解与生成一体化的前瞻性探索。不同于传统模型将视觉理解（自回归模型）与生成（扩散模型）分割的架构，阶跃星辰首创基于Transformer的连续高维空间表达框架，致力于实现“预测下一帧”的逻辑连贯生成能力。这一技术若突破，将彻底改变视频创作、虚拟现实等场景的效率上限。 在视觉推理领域，团队提出“慢感知”（Slow Perception）概念，将复杂几何图形分解为基本单元，通过“感知分解+感知流动”模拟人类精细视觉认知过程。

例如，用户上传螺旋线图像后，模型可一步步解析字母位置并生成符合物理规律的动态内容，解决了现有模型在细粒度视觉认知上的短板。目前，其多模态模型Step-1V在OpenCompass测评中得分超过GPT-4o，细粒度视觉能力全球领先。

产品矩阵：从C端应用到开源生态

阶跃AI的产品体系以“跃问”为核心，覆盖个人与企业级需求：

1. 跃问App：集成多模态交互的AI助手，支持文字、图片、文档、网页链接等多形式输入，具备智能问答、视频生成（**长10秒）、代码编写、旅游规划等能力。例如，用户上传合同文档后，可快速生成要点摘要；拍照识别地标建筑时，模型结合地理位置与历史数据输出深度解读。

2. Step系列开源模型：包括参数量达300亿的视频生成模型Step-Video-T2V、支持方言与歌声的语音交互模型Step-Audio等，广泛应用于开发者社区。例如，网红应用“歌词爆改机”即基于其API实现创意歌词与封面生成。

3. 行业解决方案：联合国泰君安推出证券垂直大模型“君弘灵犀”，赋能智能投研；与茶百道合作零售巡检系统，日均节省75%人力成本。

应用生态：智能终端Agent的未来图景

    阶跃AI正加速构建以智能终端Agent为核心的生态壁垒。通过与吉利汽车、OPPO、智元机器人等企业合作，其技术已渗透至汽车全域智能、手机交互、具身智能（如人形机器人）等场景。

    例如，在车载系统中，模型可实时解析路况图像并生成导航建议；在IoT设备上，结合语音与视觉实现家居控制。 此外，公司推出“繁星计划”支持开发者创新，开放算力与数据资源，孵化出“胃之书”“林间疗愈室”等垂直领域爆款应用。这一“超级模型+超级应用”双轮驱动策略，既巩固技术优势，又推动场景落地。

行业影响与未来展望

    2025年，全球AI模型市场规模突破百亿美元，多模态增速超50%。阶跃星辰凭借技术领先性，正在改写行业竞争格局：

        - 技术层面：其探索的“理解生成一体化”架构被视为多模态领域的“Transformer时刻”，可能引领下一代视频生成技术的范式变革。

        - 商业层面：避开“投流获客”的互联网逻辑，聚焦模型能力与生态合作，与DeepSeek等形成差异化路径。 未来，随着硬件算力提升与算法优化，阶跃AI有望在医疗影像分析、工业质检、元宇宙内容生成等领域实现更深突破，真正迈向“人机共融”的AGI时代。

阶跃AI不仅是技术创新的领跑者，更是生态价值的重塑者。从底层模型研发到终端场景渗透，其战略布局体现了对AI技术演进的深刻洞察。正如创始人姜大昕所言：“多模态是通往AGI的必经之路。” 这家年轻企业的探索，正在为全球AI行业开辟一条充满想象力的新航道。