本期访谈人物：

上海闪马智能科技有限公司创始人、董事长兼CEO 彭垚

“大模型这条赛道从业者很多但并不意味着没有机会，因为仍有很多领域的大模型甚至还没有完成定义。在迈向 AGI 时代的过程中，我们希望人能更好地利用工具，而不是被工具利用。”

▍个人介绍

彭垚，上海闪马智能科技有限公司创始人、董事长兼CEO，九三学社成员、高级工程师，上海市浙江青年企业家协会理事会副会长、浙江省青企协常务理事、浙大上海高研院&闪马智能“城市空间智能管理联合创新中心”副主任，拥有十余年云计算、AI研究和智能产品创新经验。曾任七牛云人工智能实验室创始人、七牛云产品技术合伙人、复旦-七牛深度学习实验室副主任、IBM全球系统科技实验室产品研发主管及建设银行总行专家代表。2019年4月创立闪马智能。

▍第一标签

AI前沿研究与商业落地引领者

驱动智能交通落地

▍公司简介

上海闪马智能科技有限公司成立于2019年4月，是一家聚焦城市空间管理的人工智能公司。基于自主研发的ATOM深度学习平台和VisionMind一体化感控平台，闪马智能建立了成熟的AI工业化体系，双平台融合支持，实现算法模型快速迭代及各类应用场景快速迁移，形成可用于智慧交通、智慧建造和智慧能源等行业的智能产品和业务闭环，并在全国广泛落地。公司与顶级高校、科研院所以及众多生态伙伴企业深入开展产学研合作，共同践行创新驱动发展战略。

ChatGPT的出现突破了AI进化的边界，也让国内掀起了一场百模大战。

对于当下GPT大模型的热潮，闪马智能创始人兼CEO彭垚保持了较为理性的态度。“我们不是专业做自然语言处理的，也没必要去秀一下肌肉。即使要做大模型，也是针对自身业务来开展，我们是一家比较务实的公司。”

事实上，闪马智能从2020年起就开展了针对交通场景的百亿级参数大模型训练，也参与了国家重点项目。“我们现在的研究方向是怎么把大模型做小，把大模型在交通等领域的部署应用做起来。”

据了解，闪马智能的核心能力在于“视频智能分析”，围绕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，可支撑千卡级大模型训练及各类场景微调模型的稳定运行。

在2023世界人工智能大会（WAIC 2023）期间，闪马智能与上海嘉丰车路数字技术 有限公司（下称“嘉丰车路”）联合主办的“大模型生产与产业落地合作论坛”，在上海世博展览馆举行。

在接受媒体采访时，彭垚表示：“大模型这条赛道从业者很多但并不意味着没有机会，因为仍有很多领域的大模型甚至还没有完成定义。在迈向 AGI 时代的过程中，我们希望人能更好地利用工具，而不是被工具利用。”

彭垚说，“本质上，科技要回归至解决社会的每一个问题之上。先看看社会到底需要什么，哪些问题要科技手段来解决。希望通过人工智能的算法，发现不同城市空间中的变化，真正帮助大家提升效益。我们团队推崇工程师文化，以问题为驱动，而不是单纯追求技术。”

在论坛上，中国电信上海公司、中国科学院虚拟经济与数据科学研究中心、浙江大学上海高等研究院、罗克韦尔自动化中国、Unity中国、有孚网络、沐曦以及闪马智能等正式启动ATOM产业生态。

彭垚介绍，ATOM产业生态将以ATOM AI生产力平台为纽带，围绕AGI时代背景，展开技术创新、模型生产、产业应用和算力资源上的充分合作与沟通，并以此为契机，参与和推动新一轮人工智能的发展浪潮。

自2016年起，彭垚连续创业，7年内成功培育并壮大了两家行业独角兽企业。2016年，彭垚与好友共同创立闪马智能前身的七牛云人工智能实验室，组建深度学习团队，从七牛云离开后，彭垚于2019年4月创立闪马智能。

彭垚告诉《科创板日报》记者，决定创立闪马智能，最初源于这是他真正想干的事。

“原先我在七牛云做人工智能实验室，也负责七牛云的云平台。云计算更偏工具化，目的是帮助更多人来开发应用。而人工智能是生产力类的工具，我的内心更希望利用人工智能这样的技术，来帮助城市各个环节提升效率和效益，真正解决核心问题。”

而支撑彭垚创业的底气，来自于其掌握的视频检测多目标跟踪等能力，在业内处于领先地位，这些技术在交通行业有巨大的应用潜力。

“当时，业内对于每条道路、每辆车的实际行驶情况，是否有事故或者特殊行为发生，没有办法真正感知到。虽然也有一些人在做，但采用的是传统算法，识别率不太高。所以我们的想法是，怎么通过人工智能来感知这些事情，对交通进行疏导优化，降低事故发生率。”

经过多年发展，闪马智能业务已覆盖全国近400个城市区县，在多个核心城市树立了标杆案例，近年来更是保持每年快速地成长。

“我们能够发现城市空间里各种事故。然后，找到最近的救援力量，第一时间把这些车拖离现场，既救助人，又能快速地完成交通疏导。同时，通过城市里的摄像头去发现严重影响交通安全或者交通秩序的行为。此外，利用人工智能和数据分析，还可以对未来的交通情况进行预测，事先就做出一些措施，提前疏导道路的拥堵。”

当前，汽车市场加速向智能网联化转型，智能网联汽车步入快速发展的新阶段。深圳、上海嘉定等地均开辟了自动驾驶示范体验区。不少业界观点认为，聪明的车和智慧的路进行协同，已成为国内自动驾驶产业落地的关键。

车路协同将车与车、车与路的信息相连通。其中，车可以将拥堵信息、实时路况等，传给交通控制中心；交通控制中心又可以将实时更新的信号灯数据、车流量信息、绿波信号、事故信息等，传给路上行驶的汽车。

在上海嘉定、深圳等示范区，闪马智能均有参与车路协同的试点应用。而在WAIC2023期间，中科闪马智能有限公司正式揭牌，由闪马智能和嘉丰车路共建的联合创新实验室也正式成立。

中国科学院虚拟经济与数据科学研究中心特聘研究员张影飞表示：“中科闪马智能有限公司具有三大优势：第一，强强联合、资源整合；第二，技术融合、拓展应用；第三，聚力发力、 突破难点。期待与闪马智能共同推动自主可控的国产技术发展与创新。”

闪马智能与嘉丰车路共建的联合创新实验室将结合双方优势，在车路协同、智慧停车、高可信网络安全技术、ATOM AI 生产力平台和面向大语言模型训练平台应用领域，展开全面战略合作与联合创新。

“我们做整个路测的雷达视频的感知，把路测感知到的情况在180毫秒以内发送到车上。同时，为车辆提供的超视距感知，大大提高系统进行驾驶决策的效率和准确率。通常而言，车的视距是有限的，只能看前方200-300米的位置。超视距则能让汽车感知到前面500米的车祸，对道路情况进行预判和避让。” 彭垚透露。

通过车与车、车与路之间的实时通讯，就可以尽量避免拥堵，尽量减少驾驶员急刹车等危险操作。只要合理控制行驶路线及速度，就能实现出行效率和安全的双重保障。

“打个比方，就类似于轨道交通里的信号控制，车与车之间多少距离，这个站点要不要停，有一整套信号最优化的方式去控制它。而在车路协同网中，通过车与车、车与路之间的通讯，也能让整个道路的秩序非常井然。”

迄今，闪马智能的应用已经从智能交通，延伸到能源、建筑、制造等多个行业。目前，闪马智能的业务覆盖了全国近400个城市区县，也从最初交通领域，拓展到智慧建造和智慧能源等行业。

“我们的技术核心可以理解为发现空间中各种变化的事物。像交通属于高速变化的场景，而生产环境则属于人员行为分析，让生产制造的过程更为高效。”

彭垚以新能源场站的巡检为例。“像太阳能风能的场站，原来运维至少要七八个人，通过人工智能视频分析，借助机器人巡检，场站平时实现了无人化管理。一旦出现事故，系统会自动告警，然后再派人去处理。

ChatGPT的横空出世，拉开了大语言模型产业和生成式AI产业蓬勃发展的序幕，闪马智能从2020年起就开展了针对交通场景的百亿级参数大模型训练。

彭垚认为，Transformer架构确实对计算机视觉的优化有所提升。“Transformer其实就是一个暴力架构，100亿参数就相当于100亿个方程式，通过这种暴力解肯定能解出很多东西来。”

但彭垚也直言，相比自然语言处理，Transformer架构对于计算机视觉的提升没有那么大。

“确实是有精度提升，但性价比不高。相当于花很大的算力识别一个东西。虽然识别率略有提升，但由于所需的算力很大，无法将其放在车路协同的边缘侧盒子里。而且驾驶场景需要的响应时间非常短，大模型的参数量那么大，计算起来太慢了。所以现在我们的研究在于怎么把大模型做小，把大模型的应用部署做起来。”

2022年，闪马智能与清华大学等联合承担了科技部下一代人工智能重点重大国家课题，其中就涉及大小模型的研究项目。“什么情况下用大模型训练，什么情况下把大模型缩小变成小模型，放到手机里或者边缘端设备里。”

彭垚表示，这涉及到能耗、算法、算力等各方面的平衡。“算力芯片要强，但也不能能耗太高。所以最难的还是算法的优化。如何让大模型在小模型的场景下也能保持准确度，这是我们一直试图解决的。目前我们已经做到在一定的视距范围内，构建与大模型一样准的小模型。”

对话1000位行业领军人物：安安访谈录

保险机构：

材料金属：

宠物经济：

储能设备：

传媒创新：

电商平台：

动力电池：

港口码头：

高端装备：

公募基金：

工业软件：

光伏电力电子设备：

国际贸易：

航空航天：

集成电路：

机器人：

家族办公室：

景观设计：

LED电子设备：

旅行交通：

农业养殖：

期货机构：

券商机构：

评级机构：

权威专家、研究学者：

汽车零配件：

企业服务：

人工智能：

数字安全及测试测量：

数字经济：

碳中和：

体育运动：

投资机构：

VR/AR/元宇宙：

网络安全

文化旅游：

新能源：

新汽车：

信托机构：

新消费：

新一代信息技术：

医疗健康：

银行理财：

影视文化：

自动驾驶：

资管机构：

政府系统：