速途网消息，在近日举行的2023 世界人工智能大会上，联汇科技发布了基于大模型能力的自主智能体（Auto AI Agent）——OmBot欧姆智能体，并首次发布针对智能体的 OmBot OS操作系统，同时并针对典型场景需求，推出了首批应用—— 视频小欧、文档小欧和AIGC小欧，其自主研发的欧姆大模型也升级至3.0版本。

(资料图)

何为自主智能体？联汇科技给出了明确的回答——智能体是能够感知环境、自主决策并且具备短期与长期记忆的计算机模型，它能够模仿人类大脑工作机制，根据任务目标，主动完成任务。

联汇自主智能体包含了认知、记忆、思考、行动四大核心能力，作为一种自动、自主的智能体，它以最简单的形式中在循环中运行，每次迭代时，它们都会生成自我导向的指令和操作。因此，它不依赖人类来指导命令，具备高度可扩展性。

自主智能体核心能力

据了解，视频小欧可以成为新零售场景中的智慧店长。通过与摄像头视觉信息结合，利用欧姆大模型智能识别店内发生的一切，形成机器人记忆，并自主决策提示交互信息。

文档小欧可以成为个人和企业的学习助理。面对电力、石油、医学等行业专业知识学习成本高、查询困难的痛点，文档问答机器人可以将专业知识有效集成到向量数据库，并存储记忆，形成专业机器人，通过多模态内容理解与内容生成，智能回复用户问题，并给出专业的回答。

AIGC小欧可以成为媒体、文化、游戏等行业的剪辑助手。通过 AIGC 实现媒体视频素材的一键成片，针对视频主题，语言模块完成视频内容文案生成，随后拆分为更加细节的视频镜头描述，依托语言理解能力，对素材库视频进行搜索、剪辑和生成，最终大幅降低视频制作门槛。

现场，联汇科技行还发布了基于 OmBot 欧姆智能体与大模型技术的行业级智慧文旅底座，为文旅全行业提供包含元宇宙、AIGC、智慧助手等典型场景快速赋能。

值得一提的是，联汇科技正式推出欧姆大模型 3.0。欧姆大模型支持对视觉图像、视频进行标签全开放识别。预训练中已经包含了数十亿的高质量图文匹配数据，包含大量的环境背景，目标类型，目标属性与行为特征，叠加全图细粒度级别的理解，图文的语义匹配，图文问答等多任务的训练，使欧姆大模型 3.0 具备了能力涌现的保障。

可以说，欧姆大模型 3.0 不再局限于固定的目标类型清单，而是通过语义理解去理解视觉中的任意目标，甚至是描述的方式去定义目标。

OmModel V3 正式发布

视觉问答方面，构建了私有的十亿级媒体数据和物联网数据，包括无人机视角，监控视角等，通过多任务训练，欧姆大模型 3.0 将包括自然语言解析、逻辑推理、图像理解以及自然语言生成等AI 能力进行深度融合。将视觉模型和语言模型进行细粒度的对齐，让其可以理解人类指令，并合理作答。

另外，欧姆大模型可以在针对图片进行问答之后进行多轮对话推理，并扩充视觉之外的信息。

认知推理方面，通过不断提升欧模大模型的内容理解与多模态的语义对齐的能力，结合语言模型的能力，欧模大模型能够做到基于视觉认知的推理，并由此支撑智能体所需要的认知与推理能力。

在开放识别、视觉问答的基础上，认知推理的能力能够赋能智能体从被动的识别转为主动推理，进行思考与决策，并提出相应的智能解决方案。

高效微调方面，针对传统全参数微调消耗大量 GPU 计算与存储资源的情况，联汇从模型训练和模型推理两方面入手，使得欧姆大模型能够好用、易用。

在模型训练上，联汇自主设计 PEFT 羽量微调技术，与标准全参数微调相比，仅微调模型参数的一小部分，训练参数量小于 1%，在大幅降低计算和存储成本的同时，实现媲美全参数微调的性能表现。这样的做法能够真实降低大模型的微调训练门槛，快速适配用户长尾场景的训练需求。

训练参数量小于 1%

在模型推理上，联汇推出针对多模态大模型的推理运行系统 ——Hydra 九头蛇部署架构，通过多卡集群部署蛇身，由多个公用的底座模型组成，而各个算法任务只需要部署羽量级的蛇头模型，实现 MaaS 架构。在推理时，蛇头模型可与任意公用蛇身模型结合产生识别结果，且新增算法任务只需增加羽量级蛇头模型。从而实现了 GPU 集群资源的高效利用，并突破算法任务部署显存资源的上限。

基于由效果评估、升级策略、数据回流、优化升级构成的人在环路指令学习进化体系，欧姆大模型可以对底座模型进行有效的指令学习、迭代升级，从而在现有的算法任务上有更好的表现。这也意味着每隔几个月，欧姆大模型都会迭代进化得更加强大。

此外，为了帮助用户更好、更快的使用大模型技术与产品，联汇正式发布欧姆大模型工具软件集合，并首次发布针对智能体的 OmBot OS 操作系统。开发者可以基于灵活的模块配置，将多模态大模型、向量数据库、人机交互认知架构进行深度融合，为构建基于多模态数据感知、认知、思考与行动的智能体奠定基础。