多模态大模型领域的DeepSeek也开源了 智能汽车迎来变革

DeepSeek发布开源大语言模型引发全球关注后，又一家中国人工智能公司的多模态大模型宣布开源。

2月18日，人工智能公司“阶跃星辰”和吉利汽车集团联合宣布，双方合作研发的两款阶跃Step系列多模态大模型向全球开发者开源，包含目前全球范围内参数量最大、性能最好的开源视频生成模型阶跃Step-Video-T2V，以及行业内首款产品级开源语音交互大模型阶跃Step-Audio。

DeepSeek、阶跃星辰等公司相继发布开源大模型，为开源世界带来了多模态大模型能力，将显著促进大模型技术的共享与创新，推动人工智能的普惠发展，为全球数字经济发展贡献中国力量。

两款多模态大模型开源

具备很强的视频生成和对话能力

阶跃星辰是吉利汽车集团的科技生态战略合作伙伴，拥有国际顶尖的算法团队。

2023年开始，吉利便与阶跃星辰在预训练大模型、垂直领域大模型、应用场景设计、工程开发等方面展开了深度合作。其中，吉利牵头了场景设计、模型测评、工程开发等业务，阶跃星辰主导了模型预训练等业务，双方优势互补，显著增强了两款阶跃Step系列多模态大模型的性能表现。

阶跃Step-Video-T2V大模型参数量达到300亿，可以直接生成204帧、540P分辨率的高质量视频。

阶跃Step大模型生成的视频

阶跃Step大模型生成的视频

相比上一个版本，阶跃Step-Video V2版本在多个核心技术领域进行了优化和创新，采用了压缩比更高的VAE 模型，通过空间和时间的高效压缩，在保证重构质量的同时，显著降低了计算复杂度，提升了生成效率。同时，阶跃Step-Video V2对DiT架构进行了深度优化，并引入强化学习算法，进一步提升了视频生成的流畅性和细节表现力。

阶跃Step大模型生成的视频

在实际应用中，阶跃Step-Video V2展现出了强大的复杂运动生成能力，无论是芭蕾舞、空手道，还是羽毛球等场景，都能流畅地呈现动态画面。同时，该模型在人物表情捕捉方面表现出色，能够细腻地呈现真实人物或虚构角色的神态和光影效果。此外，Step-Video V2还支持丰富的镜头语言，包括推、拉、摇、移等多种运动方式，以及不同景别之间的切换，为视频创作提供了更多可能性。

同时，阶跃Step-Audio大模型能够根据不同的场景需求，生成情绪、方言、语种、歌声和个性化风格的表达，能和用户自然地高质量对话，是行业内首个产品级的开源语音交互模型。

目前，阶跃Step系模型多次在各大权威榜单中登顶榜首，收获国内外开发者诸多好评，充分验证了其技术实力。

更高阶智能驾驶技术上车

智能汽车加速驶来

当智能汽车遇上开源多模态大模型，出行领域的想象空间变得非常大。

2023年，在人工智能领域快速发展、大模型成为行业焦点的背景下，前微软全球副总裁姜大昕博士姜大昕创立了阶跃星辰。虽然是一家成立仅两年的AI初创企业，阶跃星辰已在大模型领域取得显著成就。近日，由麻省理工学院全资拥有的科技商业化智库《麻省理工科技评论》（MIT Technology Review）刊发了一篇题为《关注DeepSeek之外的四家中国人工智能初创公司》的报道，指出阶跃星辰等四家中国企业展现出不逊于DeepSeek的技术实力与全球竞争力。

吉利星睿AI大模型

在阶跃Step系列视频生成大模型、语音交互大模型，以及汽车行业全场景大模型的综合赋能下，吉利将在行车安全、紧急避险、智慧泊车等全场景为用户带来自动驾驶程度更高、更安全的高阶智驾体验，同时打造更加智能的汽车情感座舱，重新定义人车交互体验，推动AI科技在智能汽车领域的普及应用。

吉利星睿AI大模型中的AI Drive大模型，具备强大场景生成与规划能力，能够根据雨雪等不同天气光照条件、道路结构、拥堵路况、立体车库和不常见的交通目标，构建出真实驾驶中难得一遇的极端驾驶场景。基于真实的驾驶视频数据去优化阶跃Step-Video-T2V，可以将它变成一个自动驾驶数据合成器。星睿AI大模型正在探索将这些丰富的合成场景转换成“以假乱真”的训练数据，相当于自动驾驶系统打造了一个丰富的"虚拟驾考考场"，从而显著提升车辆在智驾行驶时面对各种路况的应变能力，保障行车安全。

在Step-Audio大模型超强交互功能赋能下，吉利星睿AI大模型可以大幅提升语音指令响应速度，以及交互过程的情感理解与表达能力。当用户说“导航，快迟到了”的时候，系统不仅会自动规划更快路线，还会主动询问是否需要播放轻音乐缓解情绪。同时，系统不仅可识别粤语、四川话等丰富的方言，还支持个性化声音定制，用户既可以选择系统提供的人声音色，也能录制孩子的笑声制作专属提示音，甚至让车载AI模仿山涧流水声营造车内冥想空间，温情陪伴每一次出行。

值得一提的是，吉利也是首家与DeepSeek完成深度融合的车企。通过携手DeepSeek-R1模型，吉利将对星睿车控FunctionCall大模型、汽车主动交互端侧大模型等进行蒸馏训练。届时，吉利智能汽车AI不仅能对用户的模糊意图实现精准理解，进而准确调用约2000个车载接口，还能基于车内外场景主动分析用户潜在需求，并为用户主动提供车辆控制、主动对话、售后等服务，智能交互体验将大幅提升，加速AI在智能汽车领域普及。

作为汽车行业的领军企业之一，吉利近年来持续领跑智能汽车AI科技领域，并致力成为智能汽车AI科技的普及者。早在2021年，吉利就围绕芯片、软件操作系统、数据和卫星网搭建了端到端的自研体系和生态联盟，构建了完善的“智能吉利科技生态网”，驱动用户在智能驾驶、智能座舱上的体验不断进化。

星睿智算中心

2022年，吉利建成了全球车企首个“云、数、智”一体化的星睿智算中心。2023年，吉利发布了全球首个汽车行业全栈自研全场景AI大模型——星睿AI大模型，并获得了中国通信院“4+级”行业最高评级。2025年，吉利发布了行业首个“智能汽车全域AI”技术体系。

今年3月初，吉利还将对外发布重磅AI智能化战略，加速推动AI数字底盘、高阶智能驾驶等最新AI技术的逐步上车，为用户带来颠覆性的智能化体验。

相信在AI大模型的加持之下，智能汽车将不再是普通的交通工具，而是智能的出行终端。