钛媒体3月2日消息，阿里巴巴与清华大学联合发布业界最大的中文多模态预训练AI模型M6，该模型参数规模超千亿，同时具备文本、图像的理解和生成能力，图像设计效率超越人类，可应用于产品设计、信息检索、机器人对话、文学创作等领域。
此次发布的M6模型参数规模达到1000亿，是多模态预训练领域史上最大的模型，其理解和生成能力超越传统AI。以图像生成为例，模型可设计包括服饰、鞋类、家具、首饰、书籍等在内的30多个物品类别的图像，最短一分钟即可完成作品的创作，效率超越普通设计师。
M6的突破源自多项底层技术创新。阿里巴巴研究团队基于自研Whale分布式框架，将参数规模扩展到千亿的同时，利用大规模数据并行和模型并行，训练速度提升10倍以上，仅需1-2天即可完成上亿数据的预训练。此外，M6模型首次将多模态预训练模型应用到基于文本的图像生成任务，结合向量量化生成对抗网络学习文本与图像编码共同建模的任务，能够生成清晰度高且细节丰富的图像。
阿里巴巴达摩院智能计算实验室资深算法专家杨红霞表示：“多模态预训练是下一代人工智能的基础，M6模型实现了训练效率和生成精度等多项突破，是当前众多中文多模态下游任务最优模型。”
