从DeepSeek时刻到快速崛起，Inclusion AI团队在短短八个月内成功打造了三代先进模型。他们不仅注重模型的性能提升，更重视构建长期的技术能力和开源生态。深入了解这个团队的创新之路，探寻AI未来的无限可能。
最近看了一个对Inclusion AI团队的访谈播客，很多人并不了解这支团队，所以有了这篇文章，简单介绍下。
值得一提的是，这个团队从决定做到真正发布高质量模型，只用了八个月。
这篇文章的内容主要来自播客。
01 实验室成立的初衷：“DeepSeek 时刻”是一条真正的起跑线Inclusion AI团队把他们的起点，明确指向了一个时间点：2025年2月。
几乎所有团队成员都承认，真正促使中国大模型行业集体加速的事件，是DeepSeek 的出现。
团队负责人用“航海时代”打比方非常生动：
2024 年的全球 AI 世界，就像 14 世纪的欧洲，第一批船队试探着驶入未知的海域。
当 DeepSeek 这艘中国船成功返航时，国内的工程师深刻的意识到，这场航行不再是别人的故事。
Inclusion AI 就是在这个节点上，被蚂蚁集团正式拉到台前。
不是一个项目，而是一个实验室。
不是小范围试水，而是集团 CTO 牵头的重点方向。
不是“看看能不能做”，而是“必须把这件事做好”。
02 Inclusion AI 的定位，不是“做一个模型”，而是“建一个长期能力”
蚂蚁集团的业务横跨支付、保险、医疗、技术服务，未来所有业务都会依赖 AI。
所以 Inclusion AI 做的，不是配合业务的工具模型，而是构建整个集团未来十年的底层能力：
自研基础语言模型多模态能力推理与强化学习能力自己的缩放定律（Scaling Law）完整的训练与系统优化能力自主可控的开源生态换句话说，他们不是在训练一个模型，而是在训练“写模型的能力”。
03 8 个月升级三代模型：不是堆资源，而是体系化生产访谈把他们的模型体系讲得很清晰。八个月内，他们完成了：
Ling：基础语言模型（从 1.0 → 1.5 → 2.0）Ming：多模态模型Ring：强化学习与推理方向Diffusion Language Model：探索长序列与低成本生成这个节奏看起来几乎不可能。但团队负责人表示：他们不是在“赶进度”，而是按计划在“造体系”。
模型不是孤立制作，而是串联的：
Ling → 打基础 Ming → 视觉能力升级 Ring → 推理能力拔高 Diffusion LM → 探索新的训练范式
这和现在很多公司“一窝蜂堆大模型，堆完再想用途”非常不同。
Inclusion AI 是在按“模型家族”建设，而不是用一个模型撑全局。
他们确实参考了 OpenAI、DeepSeek 的 scaling law，但又做了自己的体系：
大模型关键超参与 MOE 结构并不强耦合激活比例对模型效果影响极大在不同架构下保持训练稳定性简单来说，他们不是“用别人提供的配方做饭”，而是“自己已经能写配方”。
2. FP8 训练的问题，他们不是绕过去，而是解决它他们直接说：
直接用别人的 FP8 方案，性能不提高，甚至更慢最大瓶颈是 quantize/dequantize（量化/去量化）于是他们重新改写了 MoE 层，把 gating 和量化操作融合，才真正提速这是典型的系统工程能力：问题来了不是换路线，而是把问题拆开、测量、解决。
3. 训练不是一次性拉满，而是有“能力节奏”的爬升从小规模 → 中规模 → 数百亿 → 数千亿参数，按阶梯推进，每一阶段验证：
稳定性、训练流量、系统瓶颈、内部工具链、数据处理方式等。
最后，未来竞争的关键不再是谁模型更大，而是谁能更快训练、更稳迭代、更强工程能力、更清晰方向、更持久投入。
以上，祝你今天开心。
作者：张艾拉 公众号：Fun AI Everyday
本文由 @张艾拉 原创发布于人人都是产品经理。未经作者许可，禁止转载
小麦策略提示：文章来自网络，不代表本站观点。
