Нарастваща кохорта от най-известните стартиращи AI компании в Китай, много от които споделят корени в академичната екосистема на университета Цинхуа, се сближават на нова граница: световния модел. За разлика от голямата надпревара за езикови модели от 2023-2025 г., която беше съсредоточена върху параметри за мащабиране и данни за обучение, преследването на световните модели е по-широко, по-амбициозно и философски по-дълбоко.
Компании, включително Zhipu AI, Shengshu Technology, Momenta и Mianbi Intelligence, всяка подхожда към концепцията от собствения си опит в областта, но споделят общ институционален произход в компютърните науки и електронните инженерни мрежи на Tsinghua.
Zhipu AI, разработчикът на GLM-модел, който сега се оценява на близо един трилион RMB, описва своята визия за световния модел като изграждане на структурирани пространства за разсъждение с дълъг хоризонт. Главният изпълнителен директор Tang Jie многократно е подчертавал, че езиковите модели, макар и мощни в статистическата корелация, не разбират истински причинно-следствената структура на физическия свят. Агентната стратегия на Zhipu, която позволява на моделите да взаимодействат с интерфейси на смартфони, да резервират хотели и да планират маршрути, представлява стъпка към световни модели, които разбират преходите на състоянията и обратната връзка от околната среда.
Shengshu Technology, основана от професора на Tsinghua Zhu Jun и изпълнителния директор Tang Jiayu, се доближава до световните модели през призмата на генерирането на видео. U-ViT архитектурата на компанията, домашна алтернатива на Stable Diffusion, третира генерирането на видео като симулация във времевото измерение. Екипът твърди, че модел, способен да предскаже перфектно следващия кадър, е изградил ефективно машина за виртуален свят с висока прецизност.
Компанията за автономно шофиране Momenta, ръководена от възпитаника на Tsinghua Cao Xudong, прекара почти десетилетие в събиране на данни за шофиране в реалния свят и изграждане на системи от край до край, които разбират физическите взаимодействия – триене на гумите, предвиждане на пешеходци, семантика на светофара. За Momenta световните модели са естествена прогресия от необходимостта на автономното шофиране да разбира и предвижда физически среди със затворен цикъл.
Това, което обединява тези основатели, свързани с Tsinghua, е желанието да изграждат от първите принципи, вместо да разчитат на готови решения. Всеки избра да разработи собствена основна технология — GLM, U-ViT, пълноценно автономно шофиране — отразявайки академично обучение, което цени дълбоката техническа компетентност пред краткосрочната търговска оптимизация. Тъй като световните модели се появяват като следващото бойно поле в ИИ, тази институционална ДНК може да се окаже решаваща.