澎湃新闻记者 喻琰

7月26日，全球首个拥有“原生记忆力”的大模型Yan 2.0 Preview在2025 世界人工智能大会上正式亮相。

在Transfromer架构几乎在大模型赛道上“一骑绝尘”之际，来自上海张江的一支不到百人组成的AI初创团队RockAI（岩芯数智），选择了一条“非共识”之路——自研全新的Yan架构大模型，以神经元选择激活（类脑激活机制）以及状态记忆这两个模块替换了Transformer里面的Attention机制。

RockAI团队想通过底层架构创新，减少冗余计算和算力消耗，“让世界上每一台设备拥有自己的智能（Make every device its own intelligence）”，最终实现AGI的终局——群体智能。

当大模型具备记忆能力

相较于此前发布的Yan1.3系列模型，此次发布的Yan2.0 Preview模型，“不仅能够看懂、听懂、说清楚，还能够记住我们。”在25日的媒体沟通会上，RockAI CTO杨华向媒体展示了Yan 2.0 Preview模型的记忆能力。

RockAI CTO杨华正在演示

在他和模型对话过程中，模型会记住杨华的家乡、出生年月日等这类基本人物信息，甚至还能记住他的生活习惯。

比如，杨华在对话框里输入，“我最近胃不好，有点难受”。当他第二次进入对话框输入，“推荐一款面食给我”时，模型记住了他的出生背景、包括近期饮食习惯等，最终模型给他的回复是“虽然可以推荐面条做法，但注意到您不能吃太多面食，建议尝试其他主食如米饭或馒头，或者选择其他容易消化的食物。”

杨华认为，这说明模型已经对用户的偏好有了整体的把握。

这背后则反映了Yan 2.0 Preview模型的一个关键机制：它并不是简单依赖上下文窗口来理解用户，而是能将过往的对话内容“内化”进模型的行为逻辑中。

这种自主理解的能力，在此次WAIC展会现场，RockAI团队也会在现场为观众演示。此外，他们团队还带来了两款互动游戏：“推箱子”和“黄金矿工”，这两款游戏通过灵巧手搭载Yan 2.0 Preview模型协作完成。

RockAI CEO刘凡平向现场观众演示模型在完全断网、离线的状态下依然可以实现自然对话、操控游戏的能力，吸引不少科技迷围观。让不少观众第一次直观感受到：AI，并不一定非要依赖“云”。

RockAI演示视频，展示自主学习能力

在“推箱子”游戏中，模型需要识别场景中的障碍物与目标位置，规划路径后将多个箱子逐一推送到指定区域。整个过程中，模型还会同步输出自己的“思考逻辑”，例如：“为什么要从A点推到B点”，将AI决策过程可视化。在“黄金矿工”游戏中，模型需要识别出黄金与石头的位置，并发出精准指令，控制“抓手”完成出爪操作。这一过程不仅涉及视觉和语音的多模态理解识别，还包括动作规划、精准定位等能力。

值得一提的是，模型还具备对环境变化的实时感知能力。例如，如果摄像头视野被遮挡，模型会立即感知到“视觉受阻”，并暂停执行下一步动作。这种基于视觉输入的动态反馈能力，体现了Yan 2.0 Preview在多模态感知、人机交互和环境理解方面的智能化水平。

现场搭载Yan2.0Preview模型的机器狗

“我们一直想做的事情是，打造一个能真正适应物理世界变化、具备多模态理解和交互能力的模型。”杨华说，“这个模型刚出厂时可能并不是最聪明的，但模型能够根据用户所处环境的变化，实时学习并习得新的信息，从而做出针对用户习惯的个性化响应。”杨华说。

“譬如，在居家场景里，向搭载Yan 2.0 Preview模型的家用机器人介绍空间布局、家人的生活习惯、饮食偏好等内容，模型就能理解并记住，在后续服务中自动适配，提供真正贴合你的个性化体验。”

大模型底层架构创新

要让模型实现“边学边用”，并非只靠调算法参数，而要从大模型架构底层打破传统。

在这波全球人工智能热潮中，很多主要模型产品如GPT、LLAMA、PaLM 等，都是基于 Transformer 模型架构构建的。Transformer 的概念最早出现在谷歌研究人员 2017 年的论文《Attention is All You Need》中，关键见解在于，注意力可以作为推导输入和输出之间依赖关系的唯一机制。

Transformer 的核心在于能快速捕捉输入内容各部分间的相互作用，适用于处理句子中的片段、音乐中的音符、图像中的像素、蛋白质的部分等各种任务。

不过，尽管Transformer 模型在人工智能领域取得了显著成就，但它们也存在一些局限性。

事实上，行业内对于是否一直要坚定不移地走Transformer架构曾有过争论之声。RockAI团队指出，从图灵奖得主Yann LeCun到一线学者再到产业开发者，都不约而同提到过一个问题：Transformer或许并不是通向通用人工智能（AGI）的唯一解法。

著名的图灵奖获得者Yann Lecun曾说，“ChatGPT、Gemini等大家熟悉的模型虽然表现惊人，但它们经常出现愚蠢的错误，比如事实错误、逻辑错误、不一致、推理有限、毒性等。此外，大语言模型对潜在现实的了解有限，缺乏尝试，没有记忆，而且无法规划答案。”

包括产业界也开始逐步意识到，Transformer 的主要局限性包括高昂的计算成本、推理能耗高、对语料的数量和质量依赖极高，此外，模型提升主要依赖于“喂数据”和“堆参数”，带来了“幻觉”，以为模型真的“理解”了，但模型的本质理解能力并未增强，CEO刘凡平说。

RockAI技术团队从创业之初一开始放弃了主流的Transformer架构，转而自研全新的Yan架构，以神经元选择激活（类脑激活机制）以及状态记忆这两个模块替换了Transformer里面的Attention机制。

“我们想做真正有差异化的架构，如果跟国内互联网大厂做同质化竞争，创业公司很难有竞争力。”杨华说。

从2024年1月，RockAI确定技术路线至今，Yan系列模型架构从1.0 更新迭代升级至现在的 Yan 2.0 Preview，杨华回忆起整个研发过程并不算顺利。

“这期间，机器几乎一直没有停过，一直在训练、迭代、验证。”杨华称，“最大的难点并不在于某个技术上的卡点，而在于模型架构和数据之间经常暴露出问题。比如一个模型架构在小批量数据上效果不错，但一上大规模数据就会暴露出新问题。有时架构调整后，某些能力又达不到预期。”杨华回忆道。

相较于Transformer架构，最终迭代升级的Yan架构大模型好处在于，能耗低、成本小、落地周期快。

从单体智能走向群体智能

杨华称，在类脑激活机制和状态记忆这两块技术模块的加持下，Yan架构的设计理念秉承三点：

一是类人的感知，我们认为模型跟外界环境的接触，不仅仅是文本一种形态，还会有视觉形态，也会有语音形态。

二是类人的交互，如果我们过度依赖于云端的模型，隐私的安全、通信的延迟，都有可能成为它的瓶颈。

三是类人的学习，现在的模型部署后，在和物理世界交互的过程中并不会获得二次进化的能力。

基于Yan架构的多模态大模型，无论是部署在机器人还是其他端侧设备中，都能实现环境感知、通用问答、离线智能。

有了自主学习的能力，大模型最终会演变成什么样？

RockAI 给出的答案是实现协同化群体智能（Collective intelligence），这也是RockAI认为通往AGI的一条可能的路线。

RockAI对人工智能时代的群体智能定义为：具备自主学习的若干智能单元，通过环境感知、自我组织、互动协作共同解决复杂问题，并在不断变化的环境中实现整体智能提升。很早之前，群体智能存在于生物界。蚂蚁蚁群会在一起搬运食物、搭建蚁巢；蜜蜂会各司其职，协作维护蜂巢。这些都是生物界群体智能的表现。

而在AGI的世界里，想象一个画面，单元大模型的智慧，能够反哺整个大模型群体，让AI无数个智能群体变得更聪明、更通用智能。

要实现这一终极目标，并不是一件简单的事。RockAI将愿景分了四个阶段。

第一阶段是架构的重塑，架构的重塑意味着可以不再依赖于Transformer这一套单一的技术体系。

第二阶段是单体的推理。非Transformer架构的模型能够在更广泛的设备端进行推理和部署，不再依赖于云端的计算资源，甚至不再依赖于通信网络的存在。

第三阶段是目前在实验室阶段的单体智能，要求现在的模型达到自适应智能进化，这一阶段能够赋予机器自主学习与自我优化能力，构建持续进化的智慧生态。

第四阶段实现协同化群体智能，构筑机器间信息互换与协作体系，实现机器群体智能的突破性进展。

“四个阶段彼此递进，呈螺旋式上升。”杨华说，现阶段RockAI已经迈向第三阶段，随着Yan 2.0 Preview模型的发布和之后模型的进一步升级迭代，模型的自主学习、自我优化能力会进一步提升。

现在Yan系列模型已经广泛适配PC、手机、机器人、树莓派、无人机等端侧设备。

当所有大模型还在堆Transformer层数、追求“更大”时，RockAI率先喊出另一种主张——“Attention isnot all you need.”

Yan 2.0 Preview或许只是一个开始，但它至少让我们看到有另一种路径的可能：

未来的智能，不必一定高度仰赖某个中心，也可以由千万个端点共同生长。接下来，模型个性化时代真正开始，智能重新定义硬件。CEO刘凡平说。