近日，斯坦福大学的NEXAAI团队宣布推出全球首个多模态AI代理模型Octopus V3，让AI代理更加智能、快速、能耗及成本降低。

　　今年四月份初，NEXAAI推出了备受瞩目的Octopus V2，该模型在函数调用性能上超越了GPT-4，减少了95%的推理时所需的文本量，为端侧AI应用带来了新的可能性。其专利性核心技术“functionaltoken”通过创新的函数调用方式显著减少推理时所需的文本长度。

　　这种方法使得模型能够在只有20亿参数的情况下实现高效训练，并在精度和延迟方面超越了GPT-4，适应了各种端设备的部署需求。

　　在不到一个月的时间里，NEXAAI团队发布下一代多模态AI代理模型Octopus V3，展现进一步突破：具有图像处理和多语言文本处理能力，为智能手机等端侧设备真正走向AI时代铺平了道路。

　　OctopusV3不仅拥有多模态能力，在函数调用性能上远超同类模型准确度，可媲美GPT-4V+GPT4；而且模型参数量不到10亿，具有多语言能力用户。

　　也就是说，相比传统的大型语言模型，它体积更小，能耗更低，能够更加轻松地在各种小型端设备上运行，比如树莓派，并做到高速且准确的函数调用。

　　这意味着，未来AI代理能够广泛应用于智能手机、AR/VR、机器人、智能汽车等端侧设备，为用户交互体验更加流畅、智能。

　　另一方面，由于V3具有多模态处理能力，可同时处理文本和图像输入，再加上多语言能力，也将让用户体验更加丰富。

　　例如，在Instacart购物应用中，用户可以通过一张菠萝的图片及简单的对话指令计算机通信网，让AI代理自动为他们搜索商品，提高了效率和用户的体验。

　　再比如，在发送邮件等场景中，OctopusV3可以根据一张具有文字的图像，自动提取信息并填写邮件内容，为用户提供更加智能、便捷的服务。

　　Octopus系列模型的发布标志着端侧AI代理技术的重要突破，可能成为人工智能技术的新里程碑。

　　基于这些特性，OctopusV2及V3的应用场景丰富多样，具有广泛的应用前景。

　　除上文提到的手机场景，当Octopus V2应用在智能汽车上时，也能带来新的交互体验。目前的语音助手往往难以帮助车主完成较为复杂的任务，如在驾驶途中临时改变目的地、加入额外停靠点等。应用OctopusV3后，AI助手能够基于较为模糊简单的指令快速、精准地完成相应任务。

　　结合V2、V3的能力，从信息检索、到基于指令完成设计，用户可以在虚拟场景下获得流畅的AI体验：在一个社区用户的VR场景demo中艇甲板，输入简单的语音指令后，AI代理能够帮助用户快速完成一个客厅设计，在弹指间替换沙发、改变颜色灯光等。在用户输入旅行指令后，用户快速来到了日本，而AI代理同样可以在简单的对话式交流中帮助用户搜索相应景点，提供丰富的信息。

　　数据显示，全球大型语言模型市场规模正在快速增长。GranviewResearch报告显示，全球大型语言模型市场规模估计为43.5亿美元，并预计从2024年到2030年的复合年增长率为35.9%。同样，边缘人工智能市场也呈现出蓬勃发展的势头——预计从2023年到2030年，全球边缘人工智能市场的复合年增长率为21.0%，到2030年将达到664.78亿美元凯时ks首页。

　　NEXAAI团队由斯坦福大学的杰出研究人员创立。创始人兼首席科学家Alex Chen（陈伟）正在攻读斯坦福大学的博士学位，拥有丰富的人工智能研究经验，并且曾担任斯坦福华人创业协会（StanfordChinese Entrepreneurs Organization）的主席。联合创始人兼首席技术官Zack Li（李志远）也毕业于斯坦福大学，并在Google和AmazonLab126实验室拥有4年端侧AI的一线研发经验，同样曾经担任斯坦福华人创业协会的主席。斯坦福大学副教授、斯坦福技术创业项目副主任Charles(Chuck) Eesley担任顾问，为团队提供指导和支持。

　　NEXAAI的创始团队表示，他们将继续致力于推动端侧AI技术的发展，通过开源模型提升其创新技术的影响力，为用户创造更智能、高效的未来生活。返回搜狐，查看更多