玩了把大的！这些大模型人才都抢疯了

在过去的两年里，大模型技术竞赛如火如荼。科技公司们纷纷投入生成式AI技术的研发，期望能将新的突破整合到他们的产品中。OpenAI作为一个非常成功的案例，吸引了研究员、工程师和投资人的广泛关注，也引发了大家的深入讨论：为什么OpenAI能取得如此成功？

OpenAI的成功不仅源自多年来对技术的坚定探索和持续的资金投入，更重要的是其吸引了一批顶尖的AI研究人员。从ChatGPT到Sora再到GPT-4o等划时代的产品背后，都有一长串核心贡献者的名单。

一家科技公司要想持续保持“伟大”，关键在于拥有优秀的技术人才。

回到国内，我们同样可以看到一群怀揣理想与热情的技术人才：有些人苦战数月，与团队合作打造出首个中文原生DiT架构文生成模型；有些人阅读最新的论文，不遗余力地将用户体验中的延迟从10毫秒降低到1毫秒；还有些人多年如一日地投身于科学大模型的研发，希望能揭示AI在解读生命奥秘方面的潜力；有人大胆突破，保卫刷掌安全。

我教AI打游戏

「你们听到赛车发动机的声音了吗，轰隆隆！」

在一个小而神秘的团队里，Andrew沉浸在他的研究中，探索着人工智能与强化学习的奥秘。当大量数据正在喂给模型进行训练时，Andrew兴奋而又期待地喊出了这句话。

Andrew专注于强化学习和多智能体系统的研究，在高校实验室，那里的环境相对纯粹，团队时常集中力量攻克领域内的关键课题。对他们来说，游戏行业是一个理想的实验场所，提供了丰富的学习机会和挑战，这些游戏不仅具有反应迅速的实时设置，还面临着不断变化的目标和复杂的环境。

在这个动态而复杂的背景下，许多研究者像andrew一样，致力于打造更强大的AI智能体。他们的目标不仅仅是提高游戏的娱乐性，更是赋予整个系统更强的规划和解决问题的能力。

通过强化学习的方法，这些智能体能够不断学习和优化，逐步提升其在游戏中的表现和适应能力。

在实验室的闭门研究之外，他们将这些技术落地到实际的游戏环境中，面对现实世界中的挑战和限制。这种过程不仅是技术的演进，也是对理论和实践结合的持续探索，为游戏技术的未来发展开辟了新的可能性。

「AI的目标是让用户玩游戏的时候更快乐！」

来到腾讯后，Andrew从游戏玩家变成了帮助开发游戏的人。「粗略算来，60%的时间跟游戏本身的业务打交道，40%的时间在学习、应用新的游戏技术。」具体地说，他的工作任务是使用AI改善游戏体验。

通常来说，AI会被事先设置一个「奖惩机制」，然后自主进行玩法机制的探索和检查游戏功能是否有bug，有时候还能发现一些人类没挖掘到的「亮点」：比如哪种匹配方式更有利于获胜、哪里可以钻空子、哪里可以有无限资源。最终，这些发现都会被用来改进游戏体验。

与实验室不同的是，技术落地需要更多地考虑用户体验。比如，加入AI模型能力固然有好处，却会增加游戏安装包的体量，团队要考虑如何在极限条件下让模型高效运转，不然会带来高延迟、高耗能、占内存、手机发烫等问题。

当然在一个优秀人才集聚的地方，或多或少会有些「卷」。特别是与业务紧密相关的研究项目，会驱动人不停地思考和创造，既要熟悉游戏业务，也要追踪最新的AI技术。所以，每当有一篇重要的 AI 智能体新论文出现，内部团队都会马上坐下来认真讨论。

不遗余力地将用户体验中的延迟从10毫秒降低到1毫秒；还有些人多年如一日地投身于科学大模型的研发，希望能揭示AI在解读生命奥秘方面的潜力；有人大胆突破，保卫刷掌安全。

大模型，撒开手去做

「我好像真的在做一件改变世界的事情」

2022年开始，生成式AI的爆发几乎颠覆了以往的研究思路，文生图成为了视觉领域的新热点。8年前以「大咖计划」身份入职的Q，现在就在负责腾讯混元大模型文生图的技术研究。

过去一年，混元大模型的文生图能力实现了「从无到有」，然后是更加「精准、美观」。这些突破的背后都是Q和团队成员的数月奋战，业内首个中文原生的 DiT 架构文生图模型「混元-DiT」，现已全面对外开源。

模型地址：

技术报告地址：

混元-DiT的视觉生成效果对比前代混元文生图大模型提升超过20%。它支持中英文双语输入及理解，参数量 15 亿，不仅可以支持文生图，也可以作为视频等多模态视觉生成的基础。

「人生开了加速器」

对于Q个人来说，参与混元大模型项目就像是给自己的人生开了一台加速器。通过掌握这些先进技术，不仅能在各种场景中得到实际验证，还能开拓出全新的商业机会。这种经历让他深刻感受到，自己正身处一个能够改变世界的重要时刻。

搞科研or当码农？

「我选择在互联网企业搞科研」

技术研究领域的博士生，毕业前常会面临两个不同的选择：留在高校继续搞科研or去企业当码农，在yes or no之间，王艾文同学选择了&——在互联网企业搞科研。

听起来是不是不可思议，但是在鹅厂可以，王艾文读博时期学的是计算生物学，用大模型算法来研究一些生物学的未知问题。将AI技术应用于传统的科学领域是近年来一直在探索实践的课题，而今年王艾文参与的三项「蛋白质组」主题的研究相继登上国际顶级学术期刊，分别为解决蛋白组学中的数据库、AI 建模和AI辅助临床分析问题提出了极具前瞻性的研究方案。

「这份工作是有科学价值的」

王艾文来到鹅厂是缘分，也是内推。在鹅厂的朋友说这个岗位和他的专业匹配度99%，所以内推了王艾文。进来后发现，匹配度99.99%。科研很未知，有很多运气成分在，没办法短期内看到成果，但我进来后，团队会鼓励我安心去做研究，更大胆地探索。希望我能在这发一些有影响力的论文，参与几个重磅项目，能对社会和行业有一点点贡献。

对王艾文个人而言，最难得的是腾讯AI Lab提供了一种非常纯粹的研究环境。鹅厂用自己的优势去做研究，是希望能对外开放这些研究成果，便于行业和科学家能直接上手使用，这样他们就不需要花高成本重新训练模型。我们做的研究，发的论文也是开源的，希望未来能对临床应用有帮助，去帮人类解决一些癌症等疑难杂症。公司也愿意投入更多的资源去试错。